Analyzing Semantic Relations of Word Vectors trained by The Word2vec Model

강형석; 양장훈

doi:10.5626/JOK.2019.46.10.1088

추천

검색

질문

자료유형: 학술저널

저자정보: 강형석 (서울미디어대학원대학교) 양장훈 (서울미디어대학원대학교)

저널정보: Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.46 No.10

발행연도: 2019.10

수록면: 1,088 - 1,093 (6page)

DOI: 10.5626/JOK.2019.46.10.1088

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

자연어 처리를 이용한 인공 지능 활용이 증가하면서 단어 임베딩에 대한 중요성이 증가하고 있다. 이 논문에서는 단어 임베딩에 활용되는 word2vec 모델이 단어들 간의 대립 및 상하 관계를 표현하는 능력을 군집화 특성과 t-SNE 분포를 이용하여 정성적으로 분석하였다. 이를 위하여 10가지 범주에 속하는 단어들에 대해서 K-Means 알고리즘에 따라서 군집화를 실시하였다. 단어의 대립 관계는 일부 제대로 표현되지 않는 경우가 발생하였다. 이는 일부 대립 관계에 있는 단어들이 다수의 공통적인 속성을 갖고 있으면서 소수의 대립적 속성만을 갖고 있기 때문으로 보인다. 또한, 단어의 상하 관계는 word2vec 모델에서 전혀 반영되지 않음이 확인되었다. 그 원인은 단어의 상하 관계가 언어의 자연스러운 습득 과정이 아니라, 지식 체계의 학습 과정을 통해 획득되는 정보이기 때문인 것으로 보인다. 따라서 분산 가설에 근거한 word2vec 모델은 일부 단어의 대립 관계를 표현하는 데 한계가 있고, 단어의 상하 관계를 제대로 표현하지 못하는 것으로 분석되었다.

#word2vec #단어 임베딩 #의미 관계 #군집화 #K-means #word embedding #semantic relation #clustering

참고문헌 (11)

참고문헌 신청

T. Mikolov et al., "Efficient estimation of word representations in vector space," arXiv preprint arXiv:1301.3781, 2013. T. Mikolov et al., "Distributed representations of words and phrases and their compositionality," Advances in neural information processing systems, Vol. 23, pp. 3111-3119, 2013.

M. Sahlgren, "The distributional hypothesis," Italian Journal of Disability Studies, Vol. 20, pp. 33-53, 2008.

L.-C. Yu, J. Wang. R. Lai, and X. Zhang, "Refining Word Embeddings for Sentiment Analysis," Proc. of Conf. onn Empirical Methods in Natural Language Processing, Copenhagen, Denmark, Sept. 2017.

M. Yu, and M. Dredze, "Improving Lexical Embeddings with Semantic Knowledge," Proc. of the 52nd Annual Meeting of the Association for Computational Linguistics, Baltimore, Maryland, USA, Jun. 2014.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

강형석

소속기관 서울미디어대학원대학교

주요연구분야 공학 > 컴퓨터학 TOP 5%

논문수 5 이용수 3,923

Janghoon Yang

소속기관 서울미디어대학원대학교

주요연구분야 공학 > 컴퓨터학 TOP 5% 복합학 > 학제간연구

논문수 47 이용수 10,646

이 논문과 함께 이용한 논문

인플루언서의 ‘뒷광고’ 논란 전,후에 대한 댓글 비교 분석:LDA와 Word2vec을 중심으로

차영란 한국콘텐츠학회논문지 2020 .10

Word2vec 및 fastText 임베딩 모델의 성능 비교

강형석 , 양장훈 디지털콘텐츠학회논문지 2020 .07

Word2vec 임베딩을 이용한 책 추천 시스템

이정훈 , 정윤경 한국정보과학회 학술발표논문집 2019 .06

Word2Vec 과 Convolution 신경망 기반 문서 주제 분류에 관한 연구

김하륜 , 김민구 한국통신학회 학술대회논문집 2019 .01

Word2Vec 기반 데이터 시각화를 활용한 건설 재해관련 공공데이터 텍스트 분석

강현빈 , 이준성 대한건축학회 학술발표대회 논문집 2018 .10

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (11)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)