본문 바로가기
KERD
논문KCI 등재

중국어 자연어처리 연구 현황과 발전 추세

Current Status and Development Trends of Natural Language Processing Research in China

박민준|강병규
언어정보연구소 (Institute for the Study of Language and Information)|2022.03|언어와 정보 사회 (Language & Information Society)|제45권 |pp. 193-231|DOI 10.29211/soli.2022.45..008

0

조회

0

다운로드

5

인용

0

참고문헌

키워드

딥러닝Deep LearningCCLACL중국 연구자중국 학술지세계전산언어학회중국전산언어학대회중국어 자연어처리Chinese researcherChinese academic journalsChinese NLP

초록

본고는 중국의 자연어처리 연구의 현황을 살펴보고 딥러닝 기반의 연구 방향을 논의하는 데 그 목적이 있다. 오늘날 중국은 미국이나 한국 못지않게 자연어처리의 중요성을 인식하고 언어 처리 능력을 고도화시키는 연구를 심화하고 있다. 90년대 중반 중국어의 전산화에서 출발한 중국어 전산언어학은, 음성·문자의 인식과 저장 등과 같은 정보처리의 단계를 넘어서 단어분리·품사 태깅, 개체명 인식, 형태·구문·의미분석, 정보 추출, 감정 분석, 문서 요약 및 분류, 자동응답, 자연어생성 및 챗봇에 이르기까지 다방면으로 넓고 깊게 발전해 왔다. 최근 딥러닝 기술이 시각 및 음성처리 영역을 넘어 자연어처리 기술에 확장되어 널리 응용되면서, 중국어 전산언어학 방법론 역시 전례 없는 대변환을 맞이하게 되었다. 본고는 현재에 이르기까지의 중국 전산언어학의 발전 흐름을 따라 중국 자연어처리 영역의 다양한 면모와 거시적인 발전 흐름을 개략적으로 조망하고, 중국 국내·국외 자연어처리 분야의 논문수, 인용지수, 학술지, 학술대회 등을 통해 최근 주목받고 있는 자연어처리 연구 분야에서의 중국의 위상을 심도있게 살펴보았다. 현 시점에서 중국의 AI굴기가 어떻게 이루어지고 있는지를 살펴보는 작업은 한국어 자연어처리 연구의 방향을 새롭게 점검하는 기회가 될 것이다.

Abstract

In this paper, current status and prospects of natural language processing(NLP) research in China will be discussed. With growing importance of NLP, China recently promotes advanced research on NLP like US and Korea. Chinese computational linguistics, commenced with computerization of Chinese character in the mid-1990s, has developed broadly and deeply in various fields such as word segmentation, part-of-speech tagging, named entity recognition, syntax/semantic analysis, information extraction, text summarization/classification, natural language generation/chatbots, etc. As a deep learning approach has been broadly applied to NLP beyond computer vision and speech recognition, Chinese computational linguistics is also facing a massive transformation in terms of research methodology. Following its historical growth, this paper outlines different aspects and macroscopic developments of NLP in China. China's domestic and international status in the field of NLP was examined in quantitative and qualitative measures like publications, citation indexes, academic journals and conferences. This in-depth study on Chinese NLP and its developments at this point suggests an inspirational motivation and direction to Korean NLP society.

참고문헌 (45)

  1. 강병규, "통합형 언어 데이터베이스 『현대중국어문법정보사전』의 구축과 활용", 중국어문학논집, (46), pp.191~218 (2007), 중국어문학연구회
  2. 강병규, "AI의 중국 古典詩歌 창작 —詩語의 학습과 생성", 중국문학, 100, pp.183~208 (2019), 한국중국어문학회[DOI]
  3. 강병규, "딥러닝 언어모델과 중국어 문법—BERT를 활용한 방향보어의 예측 모형을 중심으로", 중국문학, 106, pp.29~57 (2021), 한국중국어문학회[DOI]
  4. 강병규, "신경망 기계번역의 작동 원리와 번역의 정확률 - 중한 번역을 실례로", 중어중문학, (73), pp.253~295 (2018), 한국중어중문학회[DOI]
  5. 박민준, "중국어 어휘 유사도 계산과 언어학적 고찰", 중국학연구, (88), pp.37~66 (2019), 중국학연구회[DOI]
  6. 박민준, "중국어 구문분석기의 작동 원리와 응용 사례 - Cparser를 중심으로", 중국언어연구, (82), pp.233~266 (2019), 한국중국언어학회[DOI]
  7. Bahdanau, D., "Neural machine translation by jointly learning to align and translate", arXiv preprint arXiv:1409.0473 (2014)
  8. Bawden, R., "Findings of the WMT 2020 biomedical translation shared task: Basque, Italian and Russian as New Additional Languages", Proceedings of the Fifth Conference on Machine Translation, pp.660~687 (2020)
  9. Chen, H., "Improved neural machine translation with a syntax-aware encoder and decoder", arXiv preprint arXiv:1707.05436 (2017)
  10. Chen, K., "Neural machine translation with source dependency representation", Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing, pp.2846~2852 (2017)
  11. Chen, X., "Long short-term memory neural networks for chinese word segmentation", Proceedings of the 2015 Conference on Empirical Methods in Natural Language Processing, pp.1197~1206 (2015)
  12. Devlin, J., "Bert: Pre-training of deep bidirectional transformers for language understanding", arXiv preprint arXiv:1810.04805 (2018)
  13. Ethayarajh, K., "How contextual are contextualized word representations? comparing the geometry of BERT, ELMo, and GPT-2 embeddings", arXiv preprint arXiv:1909.00512 (2019)
  14. He, W., "Improved neural machine translation with SMT features", Thirtieth AAAI Conference on Artificial Intelligence, pp.151~157 (2016)
  15. Li, J., "Modeling source syntax for neural machine translation", arXiv preprint arXiv:1705.01020 (2017)
  16. Li, S., "Analogical reasoning on chinese morphological and semantic relations", arXiv preprint arXiv:1805. 06504 (2018)
  17. Li, X., "Is word segmentation necessary for deep learning of Chinese representations?", arXiv preprint arXiv:1905.05526 (2019)
  18. Liu, Y., "Exploring segment representations for neural segmentation models", arXiv preprint arXiv:1604.05499 (2016)
  19. Martindale, M., "Identifying fluently inadequate output in neural and statistical machine translation", Proceedings of Machine Translation Summit XVII:Research Track, pp.233~243 (2019)
  20. Papineni, K., "Bleu: a method for automatic evaluation of machine translation", Proceedings of the 40th annual meeting of the Association for Computational Linguistics, pp.311~318 (2002)
  21. Popović, M., "chrF: character n-gram F-score for automatic MT evaluation", Proceedings of the Tenth Workshop on Statistical Machine Translation, pp.392~395 (2015)
  22. Su, J., "Lattice-Based Recurrent Neural Network Encoders for Neural Machine Translation", Proceedings of the AAAI Conference on Artificial Intelligence, 31(1) (2017)
  23. Sutskever, I., "Sequence to sequence learning with neural networks", Advances in neural information processing systems, pp.3104~3112 (2014)
  24. Sun, Y., "ERNIE: Enhanced Representation through Knowledge Integration", arXiv preprint arXiv:1904.09223 (2019)
  25. Vaswani, A., "Attention is all you need", Advances in neural information processing systems, pp.5998~6008 (2017)
  26. Wang, X., "Neural machine translation advised by statistical machine translation", Thirty-First AAAI Conference on Artificial Intelligence (2017)
  27. Wu, S., "Improved Neural Machine Translation with Source Syntax", IJCAI, pp.4179~4185 (2017)
  28. Wu, Y., "Google's neural machine translation system: Bridging the gap between human and machine translation", arXiv preprint arXiv:1609.08144 (2016)
  29. Wong, K. F., "Introduction to Chinese natural language processing", Synthesis Lectures on Human Language Technologies, 2(1), pp.1~148 (2009)
  30. Yang, Z., "A character-aware encoder for neural machine translation", Proceedings of COLING 2016, the 26th International Conference on Computational Linguistics:, pp.3063~3070 (2016)
  31. Zhan, W., "An Integrated Chinese Grammar Development Environment", The 4th China-Japan Joint Conference to Promote Cooperation in Natural Language Processing (CJNLP-04) (2004)
  32. 董振东, "知网和汉语研究", 当代语言学 (2001)
  33. 冯志伟, "计算语言学的历史回顾与现状分析", 外国语(上海外国语大学学报) (2011)
  34. 胡钦谙, "新中国语言文字研究70年" (2019), 中国社会科学出版社
  35. 李亚超, "熊德意, 张民.神经机器翻译综述", 计算机学报, 41(12), pp.2734~2755 (2018)
  36. 梅家驹, "同义词词林" (1996), 上海辞书出版社
  37. 荀恩东, "大数据背景下BCC语料库的研制", 语料库语言学, (1) (2016)
  38. 杨皓东, "国内自然语言处理研究热点分析−基于共词分析", 图书情报工作, 55(10), pp.6~ (2011)
  39. 俞士汶, "现代汉语语法信息词典详解" (2002), 清华大学出版社
  40. 俞士汶, "大规模现代汉语标注语料库的加工规范", 中文信息学报, 14(6) (2000)
  41. 詹卫东, "计算语言学与中文信息处理研究近年来的发展综述(2004-2008)", 中国语言学年鉴 (2004-2008) 待刊, ~ (2010)
  42. 詹卫东, "北京大学中国语言学研究中心CCL语料库(规模:7亿字; 时间:公元前11世纪-当代)" (2003)
  43. 宗成庆, "中文信息处理60年", 语言文字应用, (4), pp.9~ (2009)
  44. 宗成庆, "中文信息处理研究现状分析", 语言战略研究, 1(6), pp.19~26 (2016)
  45. "中文信息处理发展报告 2016" (2016)[URL]

관련 논문AI추천

딥러닝 중심의 자연어 처리 기술 현황 분석박상언사)한국빅데이터학회 · 한국빅데이터학회 학회지2021 · 제6권 제1호인공지능 기술을 기반으로 하는 중국어 교육 분야의 연구 논문 동향 분석이지원아시아문화연구소 · 아시아문화연구2024 · 제64권 국내 중국어 보어 연구의 검토정운조한국중국어문학회 · 중국문학2025 · 제123권 텍스트 마이닝을 활용한 AI 기반 중국어 교육 연구 동향 분석오한나한국중국문화학회 · 중국학논총2025 · 제85호음운과 문자 연구 성과물 집적 동향이옥주, 이현선한국중국어문학회 · 중국문학2017 · 제93권 CiteSpace를 활용한 중국의 한국어학 연구 핫이슈 분석 및 전망장진, 김중섭국제한국언어문화학회 · 한국언어문화학2024 · 제21권 제2호

이 간행물의 다른 논문 (8건)

서울말 어휘적 장단의 비음운화 재고: 선행 연구에 대한 비판적 검토를 통하여김지은pp. 1-27우즈베크인 한국어 학습자의 단모음 발음 양상과 특성안성민, 하영우pp. 29-59준구어 원시균형 말뭉치의 장르별 구어성이규호pp. 61-81중국어 동사 중첩형의 상 기능과 문법화 과정백은희pp. 83-107평양 지역어의 음운 체계와 음운 현상소신애pp. 109-144
원문 보기