인공 지능 응용

1. Brill’s Tagger정확도 전체 Corpus자료를 APP에서 Simulation한 결과 분석 THAT 포함 전체 문장 수 약 275문장 잘못 분석된 문장의 수 23 정확도 약 91.6% 2. Apple Pie Parser의 정확도 전체 Corpus자료를 APP에서 Simulation한 결과 분석 THAT 포함 전체 문장 수 약 275문장 잘못 분석된 문장의 수 49 정확도 약 82% 3. 비교 결과 분석 Apple Pie Parser와 비교결과 Brill’s Tagger 약 10% 정도 성능이 향상되었으며 APP에 비하여 보다 정확한 품사로 Tagging이 가능 하였습니다. 하지만 잘못 Tagging된 경우를 분석하면 앞의 APP에서 나왔던 것과 유사한 원인이지만 빈도는 많이 줄었습니다. 원인을 분석하면 다음과 같은 유형이 대부분이었습니다. Case 1: 관계사의 That을 형용사의 That으로 Scoping하여 잘못 Tagging하는 문제. Case 2: 관계사의 That을 지시 대명사의 That으로 인식하여 잘못 Tagging 하는 문제 Case 3: 지시대명사의 That을 관계사의 That으로 인식하여 잘못 Tagging 하는 문제 4. MXPOST의 정확도 MXPOST는 설치 후 실행도중 Tagger.Project directory를 찾지 못하여 더 이상 진행이 불가하였습니다. 그리고 입력 자체가 한 Line당 한 문장의 입력만 가능하여 한 문장이 여러 line을 갖는 현재의 Corpus와는 비교를 할 수가 없었습니다. 5. FNTBL의 정확도 FNTBL은 MXPOST와 마찬 가지로 설치 후 test방법을 검토 결과 Corpus 입력 자체가 한 Line당 한 word의 입력만 가능하고 각 문장 사이에는 Blank line이 있는 Format을 요구하여 한 문장이 여러 line을 갖는 현재의 Corpus와는 비교를 할 수가 없었습니다. 6. Brill’s Tagger의 Tagging …
…