선형 분리자 네트워크를 이용한 품사 태깅

우리는 아키텍처와 온라인 학습 알고리즘을 제시하고 이를 품사 태깅 문제에 적용합니다. 제시된 아키텍처인 SNOW는 특징 공간에서의 선형 분리자 네트워크로, Winnow 업데이트 알고리즘을 활용합니다. Winnow와 같은 곱셈 가중치 업데이트 알고리즘은 매우 높은 차원 문제에 적용할 때 특별히 좋은 성능을 보이며, 특히 목표 개념이 특징 공간의 소수의 하위 집합에만 의존할 때 특히 그렇습니다. 본 논문에서는 다중 클래스 예측에 이 실수 기반 알고리즘을 활용하는 아키텍처를 설명하며, 단어의 품사를 선택하는 문제를 다룹니다. 여기에서 제시된 실험 분석은 이러한 알고리즘이 자연어 문제에 적합하다는 추가적인 증거를 제공합니다. 사용된 알고리즘은 온라인 알고리즘으로, 각 예제는 알고리즘에 의해 한 번만 사용되며 그 후에는 폐기됩니다. 이는 효율성과 새로운 맥락에 빠르게 적응하는 측면에서 중요합니다. 우리는 다양한 조건에서 우리의 알고리즘에 대한 광범위한 실험 연구를 제시합니다. 특히 알고리즘이 품사 태깅을 위한 가장 잘 알려진 알고리즘과 유사하게 수행된다는 것을 보여줍니다.