PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2512.05414v4cs.CL

LMSpell: 사전학습 언어 모델을 활용한 맞춤법 교정

LMSpell: Spell Correction with Pre-Trained Language Models

맞춤법 교정(spell correction)은 많은 언어, 특히 저자원 언어(low-resource language, LRL)에서 여전히 어려운 문제이다. 사전학습 언어 모델(pre-trained language model, PLM)이 맞춤법 교정에 활용되어 왔지만, PLM들 간의 제대로 된 비교는 이루어진 적이 없었다. 본 논문에서는 저자원 언어를 포함한 여러 언어에 걸쳐 세 가지 유형의 PLM이 맞춤법 교정에 미치는 효과에 대한 최초의 실증 연구를 제시한다. 우리는 2억 7천만 매개변수 규모의 Gemma 3와 mBART50과 같이 비교적 작은 PLM도 단 5천 개 문장으로 구성된 데이터셋으로 파인튜닝(fine-tuning)하면 규칙 기반 맞춤법 교정기를 능가할 수 있음을 보이며, 이는 제한된 데이터로 효과적인 맞춤법 교정 시스템을 구축할 수 있는 실용적인 경로를 제시한다. 또한 저자원 언어의 맞춤법 교정이 처한 어려움을 조명하기 위해 싱할라어(Sinhala)에 대한 사례 연구도 제시한다.

arXiv:2607.05259v1cs.CL

SalAngaBhava: 양상 기반 감성 분석을 위한 신할라어 시장 데이터셋

SalAngaBhava: A Sinhala Market Dataset for Aspect-based Sentiment Analysis

감성 분석(sentiment analysis)은 자연어 처리(NLP)의 초창기부터 핵심 연구 분야로, 실세계 및 연구 응용 모두에서 중요한 역할을 담당해 왔다. 고자원 언어에서는 이 분야가 한층 발전하여, 문장 수준의 감성 예측을 넘어 양상(aspect) 수준에서 더 세밀한 감성을 탐지하는 모델이 개발되었다. 그러나 이러한 세밀한 양상 기반 감성 분석(ABSA)을 수행하려면 양상과 해당 양상에 대한 감성이 주석된 데이터셋이 필요하다. 이러한 데이터셋은 저자원 언어에서 부족한 실정이며, 스리랑카에서 주로 사용되는 인도-아리안 계열 언어인 신할라어(Sinhala)도 그 중 하나이다. 본 연구에서는 신할라어 제품 리뷰에 양상 용어 및 관련 감성(긍정, 부정, 중립)이 수동으로 레이블링된 새로운 신할라어 양상 기반 감성 분석 데이터셋 SalAngaBhava를 소개한다. 데이터는 사용자 생성 리뷰 및 댓글 등 도메인 관련 출처에서 수집되었으며, 일관성과 품질을 보장하기 위해 세밀하게 정의된 가이드라인에 따라 주석이 이루어졌다. 해당 데이터셋은 여러 도메인에 걸친 다양한 양상을 포함하는 문장 및 양상-감성 쌍으로 구성되어 있다. 분석 결과, 이 데이터셋은 ABSA 연구에 적합하도록 구조가 잘 갖춰져 있고 충분히 균형 잡혀 있음이 확인되었다. 본 데이터셋은 벤치마크(benchmark)로 활용될 수 있으며, 신할라어 자연어 처리 및 저자원 감성 분석 관련 후속 연구를 촉진할 것이다.