논문 상세보기
Illustration Generation System Using Deep Learning For Complex Sentences in Fairy Tale. KCI 등재
동화 내 복문처리를 위해 딥러닝을 활용한 삽화 생성 시스템
- 언어ENG
- URLhttps://db.koreascholar.com/Article/Detail/380721
pp.73-81
최근 디지털 콘텐츠 중 E-Book과 웹 소설이 증가하고 있다. 삽화는 텍스트 콘텐츠에서 독자의 이해를 도울 수 있다. 따라서 텍스트 콘텐츠를 분석하여 자동으로 삽화를 생성하는 여러 접근방법이 등장했다. 먼저 규칙 기반 접근방법은 문장을 분석하는 규칙과 분석된 문장 구조를 삽화로 변환하는 규칙을 모두 활용하여 삽화를 생성한다. 그러나 정해진 규칙에서 벗어나면 삽화를 생성하지 못 할 수도 있다는 단점이 있다. 다음으로 통계 기반 접근방법은 통계를 기반으로 후보 중 가장 가능성이 높은 삽화를 생성한다. 그러나 통계 기반 접근방법은 사람이 추출한 정보에 강하게 의존한다는 단점이 있다. 본 연구는 사람이 아닌 시스템이 자동으로 정보를 추출하는 딥러닝을 활용한 삽화 생성 시스템을 제안한다. 제안하는 시스템은 형태소 분석기, 개체명 인식기, 의존 구문 구조 분석기로 이루어져있다. 동화 "빨간모자"를 통해 평가하였고, 총 99문장 중 삽화 생성이 가능한 문장이 28문장, 삽화 생성이 불가능한 문장이 71문장이었다. 삽화 생성이 불가능한 문장의 경우 대사가 41문장, 불명확한 주어가 2문장, 그리고 표현이 불가능한 서술어가 28문장이었다. 제안하는 시스템이 올바른 삽화를 생성한 문장은 23문장, 부적절한 삽화를 생성한 문장은 2문장, 삽화를 생성하지 않은 문장은 74문장으로 나타났다.
Recently, e-books and web novels increase in digital contents. Illustrations can help a reader to understand the text contents. Therefore, some approaches have been researched to automatically generate the illustration by analyzing the text contents. First, the rule-based approaches generate the illustration with both the rules analyzing the text and the rules to convert the illustration from the analyzed text; however, they can fail to generate correct illustration without the correct rules. Second, the statistical approaches generate the illustration by choosing the most likely candidate based on the statistics; but they tend to strongly depend on the information extracted by the human. In this paper, we propose an illustration generation system using the deep learning, which the information depends on the deep learning system, rather than the human. The proposed system is composed of the morphological analyzer, the named-entity recognizer, and the dependency parser. It is evaluated on the fairy tale 'Little Red Riding Hood' with the total 99 sentences including both 28 sentences with the illustrations, and 71 sentences without illustration: 41 sentences corresponding to the dialogue, 2 sentences with the unspecified subject, and 28 sentences with the unexpressive predicate. The proposed system generates 23 correct illustrations and 2 incorrect illustrations, while it cannot generate the illustration corresponding to 74 sentences.
1. Introduction
2. Illustration Generating System Using Dependency Structure
2.1 Natural Language Analyzer
2.2 semantic structural transformation phase
2.3 Word image matching phase
2.4 Final Illustration Generation Phase
3. Experiment
4. Conclusion
Reference
국문초록
결론 및 향후 연구
