과학 기술 적용 확대를 위하여 매년 수많은 연구 보고서들이 디지털 아카이브에 공개·개방되고 있으나 방대한 연구 간행물에서 필요한 지식을 찾기 위해서는 많은 시간이 소요되어 이를 활용하기 쉽지 않다. 이에 디지털 아카이브에서 효과적으로 지식을 탐구하기 위한 ‘연구 간행물 기계독해(Machine Reading)를 이용한 지능형 과학지식 질의응답(Question Answering) 에이전트’ 구축 방안을 제안한다. 제안 방안은 크게 연구 간행물 독해 학습 부분과 사용자 ...
과학 기술 적용 확대를 위하여 매년 수많은 연구 보고서들이 디지털 아카이브에 공개·개방되고 있으나 방대한 연구 간행물에서 필요한 지식을 찾기 위해서는 많은 시간이 소요되어 이를 활용하기 쉽지 않다. 이에 디지털 아카이브에서 효과적으로 지식을 탐구하기 위한 ‘연구 간행물 기계독해(Machine Reading)를 이용한 지능형 과학지식 질의응답(Question Answering) 에이전트’ 구축 방안을 제안한다. 제안 방안은 크게 연구 간행물 독해 학습 부분과 사용자 질의 응답 부분으로 구성된다. 연구 간행물 독해 학습 과정은 간행물 수집 단계, 데이터 자동 생성, 데이터 기계 독해 학습의 3단계로 이루어진다. 사용자 질의 응답 과정은 4단계로 사용자 질의분석, 문서 정보 검색, 후보 답변 예측, 최종 답변 생성으로 이루어진다. 본 논문에서는 제안한 ‘과학지식 질의응답 에이전트 구축 방안’의 활용 가능성을 검증하기 위하여 산림과학 연구 간행물 학습을 통한 ‘지능형 산림과학 질의 응답 에이전트’를 구축하고, 질의응답 데이터셋 자동 생성과 사용자 질의에 대한 정보 검색 및 기계 독해 학습을 통한 답변 생성을 실험하였다.
과학 기술 적용 확대를 위하여 매년 수많은 연구 보고서들이 디지털 아카이브에 공개·개방되고 있으나 방대한 연구 간행물에서 필요한 지식을 찾기 위해서는 많은 시간이 소요되어 이를 활용하기 쉽지 않다. 이에 디지털 아카이브에서 효과적으로 지식을 탐구하기 위한 ‘연구 간행물 기계독해(Machine Reading)를 이용한 지능형 과학지식 질의응답(Question Answering) 에이전트’ 구축 방안을 제안한다. 제안 방안은 크게 연구 간행물 독해 학습 부분과 사용자 질의 응답 부분으로 구성된다. 연구 간행물 독해 학습 과정은 간행물 수집 단계, 데이터 자동 생성, 데이터 기계 독해 학습의 3단계로 이루어진다. 사용자 질의 응답 과정은 4단계로 사용자 질의분석, 문서 정보 검색, 후보 답변 예측, 최종 답변 생성으로 이루어진다. 본 논문에서는 제안한 ‘과학지식 질의응답 에이전트 구축 방안’의 활용 가능성을 검증하기 위하여 산림과학 연구 간행물 학습을 통한 ‘지능형 산림과학 질의 응답 에이전트’를 구축하고, 질의응답 데이터셋 자동 생성과 사용자 질의에 대한 정보 검색 및 기계 독해 학습을 통한 답변 생성을 실험하였다.
In order to facilitate users’ utilization of the science and technology knowledge, many research reports are opened to the public in the digital archives every year. But it takes a long time to find the necessary knowledge in the many research publications, so it is not easy to use them. This paper ...
In order to facilitate users’ utilization of the science and technology knowledge, many research reports are opened to the public in the digital archives every year. But it takes a long time to find the necessary knowledge in the many research publications, so it is not easy to use them. This paper proposes how to construct 'Intelligent Question Answering Agent for Science Knowledge using Machine Reading' to explore knowledge effectively in digital archives. The proposed method consists of two parts, one is machine learning for reading of research publication and the other is user's question and answering. The process of machine reading consists of three steps: collecting of publications, automatic generation of data sets, and machine learning to read the data. The process of question answering consists of four steps: analysis of user's query, document retrieval, predicting candidate answers, and generation final answer. In this paper, we construct the intelligent question answering agent that learns reading comprehension about forest science to verify the applicability of the proposed method. And we experiment automatic generation of question answering data sets, document retrieval by user's question and prediction of the answer using machine learning comprehension of document.
In order to facilitate users’ utilization of the science and technology knowledge, many research reports are opened to the public in the digital archives every year. But it takes a long time to find the necessary knowledge in the many research publications, so it is not easy to use them. This paper proposes how to construct 'Intelligent Question Answering Agent for Science Knowledge using Machine Reading' to explore knowledge effectively in digital archives. The proposed method consists of two parts, one is machine learning for reading of research publication and the other is user's question and answering. The process of machine reading consists of three steps: collecting of publications, automatic generation of data sets, and machine learning to read the data. The process of question answering consists of four steps: analysis of user's query, document retrieval, predicting candidate answers, and generation final answer. In this paper, we construct the intelligent question answering agent that learns reading comprehension about forest science to verify the applicability of the proposed method. And we experiment automatic generation of question answering data sets, document retrieval by user's question and prediction of the answer using machine learning comprehension of document.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.