Unsupervised Learning of English Morphology = 영어 형태소의 자동 획득

국문 초록 (Abstract)

본 논문은 영어 형태소의 자동획득에 대한 접근방법을 제시하였다. 이 방법은 사람의 한 습득방법과 흡사하다는 점과 문맥적인 지식이나 특별한 어휘집이 필요 없다는 점에서 특이하다. 또한 풍부한 온라인 데이터가 사용되어 진다는 점도 장점이 된다. 제안된 알고리즘은 영어의 형태소에 대한 일반적인 지식과 문장으로부터 토큰화 되어진 단어와 단어의 빈도수를 활용하였다. 실험은 획득에 사용된 매개변수의 연구와 매개변수의 값들로 자동획득을 수행하였다. 결과로는 습득된 접사(접두사와 접미사)들과 각 접사와 관련된 단어들이 획득되었다. 획득된 접두사와 접미사의 습득률은 precision, recall, 그리고 F-Measure에 의해서 측정되었고, 실험을 통해서 자동획득은 어려웠지만 가능하다는 결론을 얻었다.

다국어 초록 (Multilingual Abstract)

This paper describes a novel approach to unsupervised learning of English morphology loosely motivated by human learning. This approach does not need Pre-existing knowledge about morphology as well as a special lexicon. Data for learning are currently available in many documented or undocumented articles through on-line corpora or over the networks. The proposed algorithm utilizes two inputs: generic knowledge of English morphology and a list of word-frequency pairs obtained from a textual corpus by text tokenization. The output consists of two lists: learned prefixes and their stems grouped by their prefixes, and learned suffixes and their stems associated with their suffixes. We developed and tested an algorithm capable of automatic acquisition of English prefixes and suffixes. The results of acquisition are evaluated by precision, recall and F-Measure. From the experiments it was demonstrated that automatic acquisition is possible but difficult.

목차 (Table of Contents)

• Contents
• Abstract, 요약 = 349
• Ⅰ. INTRODUCTION = 350
• Ⅱ. ABOUT AUTOMATIC AFFIX ACQUISITION = 351
• 1. Automatic Acquisition Possible but Difficult = 351
• 2. Test & Development = 352
• 3. Detailed Problem Statement = 354
• Ⅲ. ALGORITHM = 357
• Ⅳ. EXPERIMENT = 360
• 1. Experimental Results = 361
• Ⅴ. CONCLUSION = 369
• REFERENCES = 369