Earticle

초록

한국어

본 논문에서는 번역 생성기 (translation generator)와 문장 판별기 (sentence discriminator) 기반의 문장 데이터 증강 방법을 제안한다. 번역 생성기는 다른 언어로의 반복 번역을 통해 원본 문장과 비슷한 의미를 가진 변형문장을 생성하여 데이터의 수를 늘린다. 하지만 이러한 방식으로 생성된 문장의 일부는 학습에 방해가 된다. 이에 문장 판별기는 학습에 방해되는 문장을 판별하기 위하여 Convolutional Neural Network (CNN)와 Bidirectional Long Short-Term Memory (Bi-LSTM)를 병렬로 병합한 딥러닝 모델로 원본문장을 학습하고 변형문장 중에서 학습에 방해되는 문장을 판별하고 제거하여 데이터 증강 문장을 출력한다. 본 논문의 데이터 증강 방법으로 데이터를 증강한 후 5가지의 딥러닝 모델로 테스트를 진행한 결과, 데이터의 크기에 따라 최대 9.28%의 성능 향상을 보였다.

목차

Abstract
1. Introduction
2. Related Works
3. Proposed Data Augmentation
3.1. Data Set
3.2. 번역 생성기 (Translation Generator)
3.3. 문장 판별기 (Sentence Discriminator)
3.4. 문장 데이터 증강 방법
4. Experiments
4.1. Experimental setup
4.2. 데이터 개수 변화와 데이터 증강 효과
4.3. 전체 데이터를 사용한 증강 실험 결과 비교
5. Conclusions
Acknowledgement
References

저자

• SangWon Lee [ Electrical and Computer Engineering Inha University Incheon, South Korea ]
• WonIk Choi [ Electrical and Computer Engineering Inha University Incheon, South Korea ] Corresponding author

참고문헌