인공 지능 응용
페이지 정보
작성일 22-12-05 12:27본문
Download : 인공 지능 응용.doc
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.
요인을 analysis하면 다음과 같은 유형이 대부분이었습니다.
Brill’sTaggerorAnot
레포트/기타
인공 지능 응용에 대한 자료입니다.
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.
하지만 잘못 Tagging된 경우를 analysis하면 앞의 APP에서 나왔던 것과 유사한 요인이지만 빈도는 많이 줄었습니다. 그리고 입력 자체가 한 Line당 한 문장의 입력만 가능하여 한 문장이 여러 line을 갖는 현재의 Corpus와는 비교를 할 수가 없었습니다.
Download : 인공 지능 응용.doc( 73 )
순서
설명
인공 지능 응용
인공 지능 응용에 대한 資料입니다.
6. Brill’…(생략(省略))
,기타,레포트
다. Brill’sTaggerorAnot , 인공 지능 응용기타레포트 ,
1. Brill’s Tagger정확도
전체 Corpusdata(자료)를 APP에서 Simulation한 결과 analysis
THAT 포함 전체 문장 수 약 275문장
잘못 analysis된 문장의 수 23
정확도 약 91.6%
2. Apple Pie Parser의 정확도
전체 Corpusdata(자료)를 APP에서 Simulation한 결과 analysis
THAT 포함 전체 문장 수 약 275문장
잘못 analysis된 문장의 수 49
정확도 약 82%
3. 비교 결과 analysis
Apple Pie Parser와 비교결과 Brill’s Tagger 약 10% 정도 성능이 향상되었으며 APP에 비하여 보다 정확한 품사로 Tagging이 가능 하였습니다.