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
- 먼저, 대 화 전이 신경망의 입력으로 RDTN과는 달리 정확히 분 석된 화행이 아니라 발화의 표층 구조에서 추출할 수 있는 화행의 확률을 이용함으로써 화행 분석의 결과에 대한 의존성 문제를 해결하였다. 그리고, 다량의 말뭉치 로부터 학습에 의해 자동적으로 대화 신경망이 구성되 기 때문에 기존 RDTN이 가지고 있던 확장성의 문제를 해결해 주었다.
- 본 논문에서는 담화 분석을 위해 기존의 RDTN과 같은 역할을 하는 대화 전이 신경망을 제안하였다. 제 안된 대화 전이 신경망은 지억적 대화 전이 신경망과 전역적 대화 전이 신경망으로 구성되었다.
- 즉, 분석하고자하는 대화의 영역이 바뀌면 RDTN도 해당 영역에 맞게 갱신 되어야 한다. 본 논문에서는 이러한 확장성에 대한 문 제점을 해결하고, 화행 분석의 어려움을 덜기 위해 신 경망(neural network)를 이용한 새로운 대화 전이망을 제안한다.
- 본 논문에서는 학습에 포함된 데이터와 그렇지 않 은 데이터에 대해서 두 가지의 실험을 하였다. [표3]은 학습된 데이터를 이용한 실험의 결과이고, [표4]는 학습에 포함되지 않은 100개의 대화(969개의 발화)를 이용 한 실험 결과이다.
- 전역적 대화 전이 신경망은 이러한 현상을 보정해 주기 위한 신경망이다. 즉, 지역적 대화 전이 신경망의 결과 가 GAP E인 것들 중에서 전체 대화 흐름 상 GAP P 로 설정되어야 하는 것을 찾아내고 보정해 주기 위한 것이다. 전역적 대화 전이 신경망의 입력은 이전의 두 발화를 보고 현재 발화의 GAP을 결정한다는 것에서는 지역적 대화 전이 신경망과 같다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.