이미 소장하고 있다면 판매해 보세요.
|
책머리에 / 5
제1장 서론 13 제2장 의존문법과 구구조문법의 비교 19 2.1 배경 19 2.2 의존문법 20 2.3 구구조문법 28 2.4 의존구조와 구성구조의 비교 38 제3장 의존문법 모형의 보편성과 특수성 47 3.1 보편적 의존문법 발전의 역사 47 3.2 보편적 의존문법의 구조기술 48 3.3 보편적 의존문법의 강점과 약점 67 제4장 전산 의존문법의 형식문법적 이해 79 4.1 형식문법의 이해 79 4.2 비단말 어휘 집합 82 4.3 의존관계 표지 집합 88 제5장 원시 코퍼스 및 평가용 의존코퍼스의 구축 95 5.1 원시코퍼스 StammMI7의 구축 95 5.2 WeblichtMI7의 구축 및 활용 103 5.3 MateMI7의 구축 및 활용 114 5.4 StanfordMI7의 구축 및 활용 122 5.5 파서의 평가 체계 수립 및 세 파서의 비교평가 수행 ―파일럿 스터디 127 제6장 세 가지 의존문법 파서의 비교 및 평가 137 6.1 평가체계 및 세 코퍼스의 비교 137 6.2 구문분석 오류와 구문유형간의 상관관계 150 제7장 길이의 언어학 155 7.1 문장길이와 구문유형간의 상관성 155 7.2 문장길이와 구문분석 오류간의 상관성 176 7.3 구문유형과 구문분석 오류율간의 상관관계 177 7.4 구문유형과 오류유형간의 상관관계 179 제8장 의존구조 활용도구들의 이해 189 8.1 의존구조 수형도 검색 방법 189 8.2 의존구조 데이터 포맷의 변환 방법 208 제9장 교육용 의존구조 코퍼스의 구축 215 9.1 새로운 의존구조 코퍼스의 구축 절차 215 9.2 기존 코퍼스를 활용한 의존구조 코퍼스의 구축 절차 228 제10장 의존구조 검색식의 이해 237 10.1 TUNDRA 시스템의 검색문법 237 10.2 ICARUS 시스템의 검색문법 250 10.3 코퍼스 도구 DependencyViewer의 검색문법 266 제11장 어휘층위의 분석 275 11.1 품사의 분포와 Zipf의 법칙 275 11.2 의존기능의 출현빈도와 Zipf의 법칙 276 11.3 동사어근과 분리전철간의 연어관계 278 11.4 품사분포와 문장길이의 상관성 289 제12장 문장층위의 분석 293 12.1 재귀동사와 전치사격 목적어간의 연어관계 293 12.2 부사들간의 의미적 유사성 295 12.3 werden-수동 구문과 재귀구문간의 경쟁관계 301 제13장 의존문법 주제연구 309 13.1 의존거리의 특성 309 13.2 의존기능과 의존거리의 상관관계 313 13.3 문장길이와 의존거리의 상관관계 316 13.4 문장길이 문서들간의 유사성 323 제14장 교육용 구구조 코퍼스의 활용 및 비교 327 14.1 구구조 코퍼스 CTG21cns의 구축 및 활용 327 14.2 등위접속구문의 분석 334 14.3 독일어의 어순원리―부정첨사의 위치를 중심으로 343 제15장 품사부착 코퍼스의 활용 355 15.1 교육용 품사부착 코퍼스 CTG21의 구축절차 355 15.2 교육용 품사부착 코퍼스 CTG21의 활용 359 15.3 의존관계 정보의 검색 및 활용 366 15.4 문장길이 정보의 추출 및 활용 373 15.5 코퍼스 CTGweb의 활용방법 381 제16장 종합 및 결론 387 부록 1. 코퍼스 CTGunion 200 문장 397 2. 코퍼스 CTGgene[CoNLL 포맷] 404 3. 코퍼스 CTGtiger[CoNLL 포맷] 408 4. 코퍼스 CTGtueba[CoNLL 포맷] 412 5. 코퍼스 CTGhdt[CoNLL 포맷] 416 6. 코퍼스 CTG21cns의 구구조규칙 422 7. 코퍼스 CTGweb의 검색절차 439 참고문헌 / 447 찾아보기 / 454 |
|
AI 시대의 언어학
언어학분야에서 AI 기술을 이용하여 이룬 여러 성과들 가운데 문장구조의 자동 분석(Parsing) 기술을 독일어 교육에 활용하는 방법에 대해 논의한다. 10년 전만 하더라도 문장구조를 분석해서 검색가능한 DB로 생성하기 위해 한 문장에 대해 최소 전문가 두 명 이상이 구조 분석을 한 후 합의에 이른 결과들을 모아 소위 트리뱅크를 구축했다. 이런 작업의 문제점은 문장구조에 대한 언어자원의 확보에 엄청난 시간과 비용이 소요된다는 점이다. AI 기술의 하나인 기계학습 기법을 문장구조 분석에 활용하여 이제는 몇 분 안에 수천 문장의 구조를 자동으로 분석할 수 있게 되었다. 그런데 자동 분석의 결과가 만족할 만한 수준이 아니기 때문에 전문가의 수정작업이 뒤따라야 하는 한계점이 있다. 그럼에도 불구하고 문장구조를 자동으로 분석하는 방법이 시간과 비용 측면에서 언어학 연구, 더 나아가 외국어 교육에 매우 유용한 것으로 평가된다. |