$\require{mediawiki-texvc}$

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.

[국내논문] 다중목표 대화형 추천시스템을 위한 사전 학습된 언어모델들에 대한 성능 평가
Performance Evaluation of Pre-trained Language Models in Multi-Goal Conversational Recommender Systems 원문보기

스마트미디어저널 = Smart media journal, v.12 no.6, 2023년, pp.35 - 40  

김태호 (한양대학교 컴퓨터소프트웨어 학과) ,  장형준 (한양대학교 AI응용 학과) ,  김상욱 (한양대학교 컴퓨터소프트웨어 학과)

초록
AI-Helper 아이콘AI-Helper

본 연구는 대화형 추천 시스템인 다중 목표 대화형 추천 시스템(MG-CRS)에서 사용되는 다양한 사전 학습된 언어 모델들을 고찰하고, 각 언어모델의 성능을 비교하고 분석한다. 특히, 언어 모델의 크기가 다중 목표 대화형 추천 시스템의 성능에 어떤 영향을 미치는지에 대해 살펴본다. BERT, GPT2, 그리고 BART의 세 종류의 언어모델을 대상으로 하여, 대표적인 다중 목표 대화형 추천 시스템 데이터셋인 DuRecDial 2.0에서 '타입 예측'과 '토픽 예측'의 정확도를 측정하고 비교한다. 실험 결과, 타입 예측에서는 모든 모델이 뛰어난 성능을 보였지만, 토픽예측에서는 모델 간에 혹은 사이즈에 따라 성능 차이가 관찰되었다. 이러한 결과를 바탕으로 다중 목표 대화형 추천 시스템의 성능 향상을 위한 방향을 제시한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this study paper, we examine pre-trained language models used in Multi-Goal Conversational Recommender Systems (MG-CRS), comparing and analyzing their performances of various pre-trained language models. Specifically, we investigates the impact of the sizes of language models on the performance o...

주제어

#추천시스템   #대화형추천시스템   #다이얼로그   #언어모델  

참고문헌 (16)

  1. Chen, Qibin, et al., "Towards knowledge-based？recommender dialog system," arXiv preprint？arXiv:1908.05391, 2019. 

  2. Deng, Yeng, et al., "A unified multi-task learning？framework for multi-goal conversational？recommender systems," ACM Transactions on？Information Systems, Vol. 41, No. 3, pp. 1-25, Feb.？2023. 

    상세보기

  3. Devlin, Jacob, et al., "Bert: Pre-training of deep？bidirectional transformers for language？understanding," arXiv:1810.04805, 2018. 

  4. Hu, Edward J., et al., "Lora: Low-rank adaptation of？large language models," arXiv:2106.09685, 2021. 

  5. Lewis, Mike, et al., "Bart: Denoising？sequence-to-sequence pre-training for natural？language generation, translation, and comprehension,"？arXiv:1910.13461, 2019. 

  6. Li, Raymond, et al., "Towards deep conversational？recommendations," Advances in neural information？processing systems 31(NeurIPS 2018), PP. 9748-9758, Red Hook, USA, Dec. 2018. 

  7. Liu, Zeming, et al., "Towards conversational？recommendation over multi-type dialogs,"？arXiv:2005.03954, 2020. 

  8. Liu, Zeming, et al., "Durecdial 2.0: A bilingual parallel？corpus for conversational recommendation,"？arXiv:2109.08877, 2021. 

  9. Liu, P., et al., "Pre-train, prompt, and predict: A？systematic survey of prompting methods in natural？language processing," ACM Computing Surveys, Vol.？55, No. 9, pp. 1-35, Jan. 2023. 

    상세보기

  10. Radford, Alec, et al., "Improving language？understanding by generative pre-training," 2018. 

  11. Vaswani, Ashish, et al., "Attention is all you need,"？Advances in neural information processing systems？30(NIPS 2017), 2017. 

  12. Wang, Xiaolei, et al., "Towards Unified？Conversational Recommender Systems via？Knowledge-Enhanced Prompt Learning,"？Proceedings of the 28th ACM SIGKDD Conference？on Knowledge Discovery and Data Minin, PP. 1929-1937, New York, USA, Aug. 2022. 

  13. Zhang, Jun, et al., "Kers: A knowledge-enhanced？framework for recommendation dialog systems with？multiple subgoals," Findings of the Association for？Computational Linguistics: EMNLP, PP. 1092-1101,？Punta Cana, Dominican Republic, Nov. 2021. 

  14. Zhou, Kun, et al., "Improving conversational？recommender systems via knowledge graph based？semantic fusion," Proceedings of the 26th ACMSIGKDD international conference on knowledge？discovery & data mining, pp. 1006-1014, New York,？USA, Aug. 2020. 

  15. 장준혁, "디지털 소외계층을 위한 지능형 IoT 애플리케이션의 공개 API 기반 대화형 음성 상호작용 기법," 스마트미디어저널, 제11권, 제10호, 22-30쪽, 2022년 11월 

  16. 전민규, 김남규, "텍스트 요약 품질 향상을 위한 의미적 사전학습 방법론," 스마트미디어저널, 제12권, 제5호,？17-27쪽, 2023년 6월 

저자의 다른 논문 :

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
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