$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

대화 모델링을 위한 음성 언어 이해 기술 원문보기

電子工學會誌 = The journal of Korea Institute of Electronics Engineers, v.41 no.3 = no.358, 2014년, pp.50 - 58  

류성한 (포항공과대학교) ,  이근배 (포항공과대학교)

초록이 없습니다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 연구는 음성 대화 시스템의 다섯 과정 중 음성 언어 이해 기술의 개요를 소개하고 음성 언어 이해 기술이 풀어야 할 문제점들과 연구 동향을 소개한다.
  • 본 연구는 음성 언어 이해 기술의 개요를 소개했고, 음성 언어 이해 기술이 풀어야 할 문제점을 크게 세 가지 - 자연어의 모호성, 기존 기능으로는 처리 할 수 없는 요청, 오류 전파로 인한 성능 저하 - 로 나누고 각각의 문제를 해결하기 위한 연구 동향을 소개했다. 그러나 모호성은 자연어에서 다양한 양상으로 나타날 수 있으며, 사용자는 언제든지 기존 기능으로는 처리 할 수 없는 새로운 양상의 요청을 할 수 있고, 음성 인식 등의 기술은 아직 완벽히 풀리지 않은 문제이기 때문에 오류 전파의 가능성은 언제나 존재한다.
  • 일반적으로 학계에서는 데이터 기반 접근법이 주로 연구되고 있으며, 산업계에서는 지식 기반의 접근법과 데이터 기반 접근법을 융합함으로써 높은 성능을 추구한다. 본 연구에서는 데이터 기반 접근법을 바탕으로 주행을 식별하고 및 개체명 인식하는 방법을 소개한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
지식 기반 접근법의 장점은? 음성 언어 이해 기술은 크게 지식 기반의 접근법 (knowledge-based approach)와 데이터 기반 접근법 (data-driven approach)으로 나눌 수 있다. 지식 기반 접근법은 전문가에 의해 정의된 문법을 바탕으로 음성 언어 이해 과정을 수행하며 높은 정밀도를 갖는다. 그러나 사람이 사용하는 자연어 문장은 종종 비문법적이기 때문에 지식 기반 접근법은 음성 언어 이해에 실패할 수 있어 낮은 재현율을 갖는다는 한계가 있다.
long-distance dependency 문제의 예는? 그러나 자연어가 갖고 있는 모호성으로 인해, 길고 복잡한 문장을 이해하기 위해서는 고도의 기술이 요구된다. 예를 들어 비행기 예약에 대한 인터페이스의 한 입력 문장“...fly from denver to chicago on dec. 10th 1999...”에서“dec.”은 출발하는 달을 나타내는 개체명 depart-month이며, 다른 입력 문장 “...return from denver to chicago on dec. 10th 1999...”에서“dec.”은 돌아오는 달을 나타내는 return-month 이다[1]. 위 문장에서“dec.”의 개체명 레이블을 구별하기 위해서는 해당 단어로부터 여섯 칸 거리에 있는“fly”혹은“return”이라는 단어를 참조해야 하지만, 기존 방법론은 위와 같이 먼 거리에 있는 단어를 참조 할 수 없으므로 개체명 인식에 실패 할 수 있다. 이러한 문제를 long-distance dependency 문제라고 한다.
주행이란? 대부분의 경우 의미 표현은 <표 1>과 같이 속성-값 조합들로 구성된 의미 프레임(semantic frame) 형태로 정의되며, 이 때 의미 프레임의 속성들은 음성 대화 시스템이 제공하는 특정한 영역에 적합하게 정의된 한 개의 주행(dialog act) 및 복수 개의 개체명(named entity)이다. 주행이란 문장에서 사용자가 의도한 행위의 유형을 나타내는 속성이고, 개체명이란 genre, title, channel, start-time, end-time과 같이 사용자가 의도한 행위의 매개변수를 나타내는 속성이다. 예를 들어“그럼 SBS 드라마 는 언제 하지?”라는 문장에서 주행의 값은 search-start-time, channel 개체명의 값은“SBS”, genre 개체명의 값은“드라마”가 된다.
질의응답 정보가 도움이 되었나요?

저자의 다른 논문 :

LOADING...
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로