최근 몇 년간 자연어처리 분야는 처리 능력과 연산 효율성을 크게 개선함과 동시에, 딥러닝 기술에 기반을 둔 새로운 통찰력을 통해 비약적으로 발전하였다. 이러한 발전에도 불구하고 자연어처리 기술의 한계는 여전히 존재한다. 딥러닝 기술에 추론과 응용 능력을 결합한 뉴로-심볼릭 인공지능(Neuro-Symbolic AI)은 현재의 기술적 한계를 극복할 방법의 하나다. 본 연구에서는 규칙 기반 모델과 딥러닝 기반 모델의 결합을 통한 뉴로-심볼릭 모델을 제안한다. 다양한 유형의 뉴로-심볼릭 모델을 어의 중의성 해소, 구문 분석, 운율구 경계 예측, 철자 오류 분석 등에 적용하여 최적의 뉴로-심볼릭 모델을 찾는 데 연구의 의의가 있다.

E-MAIL: karma@pusan.ac.kr, minho@cup.ac.kr