Earticle

초록

영어

It’s possible to get the word-vector by the statistical SVD or deep-learning CBOW and LSTM methods and theses ones learn the contexts of forward/backward words or the sequence of following words. It’s used to analyze the poems by Ki Hyung-do with similar words recommended by the word-vector showing the core images of the poetry. It seems at first sight that the words don’t go well with the images but they express the similar style described by the reference words once you look close the contexts of the specific poems. The word-vector can analogize the words having the same relations with the ones between the representative words for the core images of the poems. Therefore you can analyze the poems in depth and in variety with the similarity and analogy operations by the word-vector estimated with the statistical SVD or deep-learning CBOW and LSTM methods.

한국어

전후방 단어들의 인접 여부 혹은 후방 단어들의 순서를 학습할 수 있는 통계 기법인 SVD, 딥러닝 기법인 CBOW, LSTM으로 단어벡터를 구할 수 있다. 이렇게 학습된 단어벡터를 기형도의 시에 적용하여 핵심 이미지를 대 표하는 단어들과 유사도 높은 단어를 구해서 분석해 보았다. 시적 이미지와 어울리지 않는 단어들이 연산되기도 하지 만 그 단어가 사용된 시적 맥락에서는 기준 단어와 유사한 이미지를 표현하고 있음을 알 수 있었다. 이러한 단어벡터 를 활용하면 핵심 이미지를 대표하는 단어들의 관계와 유사한 관계의 다른 단어들도 유추할 수 있다. 따라서 통계 기 법인 SVD 및 딥러닝 기법인 CBOW와 LSTM으로 구한 단어벡터의 유사도 및 유추 연산을 통해 대상 시를 다양하 고 심도 깊게 분석할 수 있다

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 본론
1. 단어벡터 : SVD, CBOW, LSTM
2. 기형도 시의 핵심 이미지
3. 단어 벡터 적용 : 유사도 및 유추
Ⅲ. 결론
References

키워드

딥러닝 단어벡터 기형도 유사도 유추 이미지 Deep-learning Word-vector Ki Hyung-do Similarity Analogy Image

저자

• 고광호 [ Kwang-Ho Ko | 정회원, 평택대 스마트자동차학과 부교수 ] 제1저자

참고문헌

발행기관

간행물