선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 대화 시스템에서 적응적 문장을 생성하기 위한 대화형 유전 프로그래밍 기법을 제안한다. 대화형 유전 프로그래밍은 대화형 유전 알고리즘과 같이 평가자로부터 유전자 트리의 적합도 값을 평가 받아 트리 구조를 진화시키는 방법으로 본 논문에서는 문장계획 트리를 사용하여 유전자 트리를 표현하였다.
- 본 논문에서는 대화형 유전 프로그래밍을 이용하여 문장을 생성하는 방법을 제안한다. 이전 연구에서는 문장의 문법구조를 BNF(Backus Naur Form)로 나타내고 문법의 파스 트리를 유전자 트리로 표현하였다[14].
- 이전 연구에서는 문장의 문법구조를 BNF(Backus Naur Form)로 나타내고 문법의 파스 트리를 유전자 트리로 표현하였다[14]. 이 방법은 진화를 통해서 기존의 규칙기반 시스템에서 문법 설계의 어려움을 극복하고 사용자 적응적 문장을 생성해 내고자 시도되었다. 그러나 간단한 문법으로부터 불완전한 문장의 생성을 방지하려면 장시간의 진화가 필요하고 진화에 걸리는 시간을 줄이려면 잘 설계된 문법이 필요하다.
- 그러나 간단한 문법으로부터 불완전한 문장의 생성을 방지하려면 장시간의 진화가 필요하고 진화에 걸리는 시간을 줄이려면 잘 설계된 문법이 필요하다. 본 논문에서는 유전자 트리의 인코딩 방법으로 BNF대신 템플릿기반의 문장계획 트리를 사용하여 불완전한 문장이 생성되지 않으면서 보다 간결하게 시스템을 디자인할 수 있는 방법을 제안한다.
- 여기에서는 문장계획 트리를 이용한 유전 프로그래밍에서 얼마나 다양한 문장을 생성하는지를 알아본다.
- 본 논문에서는 제안하는 방법의 유용성을 평가하기 위해서 열차예약 에이전트에 적용시켜보았다. 시스템의 개발 환경은 윈도우 XP에서 Visual C++ 6.
- 본 실험은 제안하는 방법이 생성한 문장이 진화 과정을 통해서 얼마나 피험자에게 만족감을 주는지 알아보기 위한 것으로 10명의 피험자들이 90세대에 걸쳐 6개의 SPT 그룹을 평가하였다. 피험자는 각 세대마다 생성되는 모든 문장을 평가해야 하므로 개체 수는 20개로 다소 적게 설정하였다.
- 본 논문에서는 문장계획 트리를 대화형 유전 프로그래밍에 적용하여 사용자 적응적 문장을 생성하는 방법을 제안했다. 이 방법은 템플릿을 기반으로 하는 문장들을 사용자의 피드백을 받아서 학습하는 방법으로 이전 연구의 시스템 구축의 어려움을 해결하였고 문법을 대신하여 템플릿을 사용함으로써 잘못된 문법으로부터 불완전한 문장이 생성될 가능성을 없앴다.
가설 설정
- Ratnaparkhi는 자연언어 생성의 네 가지 학습기법을 제안하고 여러 기법들을 비교 평가하었다[5]. NLG1 은 기준선을 이용한 것으로 간단하게 훈련 데이타집합에서 가장 높은 빈도로 출현한 템플릿을 선택하는 것이고, NLG2는 주어진 속성-값(attribute-value) 집합에서 가장 좋은 표현을 할 수 있는 선택은 입력 속성에서 높은 확률을 갖는 연속된 단어의 순서라고 가정한다. 그리고 NLG3은 단어 히스토리에서 가까운 두 개의 단어만을 참고하는 NLG2의 결점에 초점을 두고 NLG2의 좌우 단어의 순서를 고려한 방식과는 달리 구문구조 트리에서 단어들의 상하 의존관계를 고려하여 문장을 생성한다.
- 총 nJO개의 문장결합 연산자가 존재할 때, 도메인 정보의 개수를 ND라 하고 각 도메인 정보에 NT개의 템플릿이 준비되어 있으며, 말단 노드의 개수를 ND로 제한하고 문장결합 연산자가 어떠한 두 문장도 연결할수 있다고 가정하면 제안하는 방법을 통해서#개의 서로 다른 문장이 생성될 수 있다.
- • 말단 노드에 동일한 도메인 정보를 갖는 템플릿이 존재하지 않는다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.