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 개체명, 보조 용언, 시제를 통해 색인어를 정규화하고 검색 결과를 필터링하여 품질을 향상시키는 검색기반 채팅 모델을 제안하였다. 실험 결과 색인어 정규화로 높은 검색 커버리지를 확보했고 문장 임베딩을 이용한 응답 필터링을 통해 응답의 품질을 향상 시킬 수 있었다.
- 본 논문에서는 검색 모델을 통해 검색된 결과가 사용자 질의에 알맞은 응답이 아닌 경우를 감소시키기 위해 문장 임베딩을 사용하는 응답 필터링 모델을 제안한다. 응답 필터링 모델에 사용되는 문장 임베딩 모델은 입력문장으로부터 생성되는 문장이 입력과 동일하게 나오도록 하는 auto-encoder방식[8]의 sequence-to-sequence를 모델을 사용한다.
- 검색기반 모델은 제한된 데이터를 효과적으로 검색하고 응답의 정확도를 높여야하며 생성기반 모델은 문법적 오류 및 의미적 정확성을 향상시켜야 하는 이슈를 가지고 있다. 본 논문에서는 검색기반 채팅 모델의 이슈를 해결하기 위해 색인어 정규화 및 응답 필터링을 적용하여 검색 커버리지와 검색 결과 정확도를 향상시키는 검색기반 채팅 모델을 제안한다.
- 본 논문에서는 검색의 커버리지(coverage)를 높이기 위해 색인 질의와 사용자 질의 색인어를 정규화한다. 정규화 작업은 형태적으로나 구문적으로 상이한 문장이라도 동일한 색인어로 변환하는 기술이다.
- 검색 모델 외에도 질의를 분석하여 얻어진 자질을 통해 검색 결과를 재순위화 하여 문장의 품질을 향상시키는 후처리 방식의 연구도 진행되고 있다[5]. 본 논문에서는 검색의 커버리지를 향상시키기 위해 개체명과 시제, 보조 용언의 양상 정보를 통한 색인어 정규화를 사용하고 문장 임베딩을 활용한 응답 필터링을 통해 응답의 정확도를 향상시키는 검색기반 채팅 모델을 제안한다.
- 본 논문은 필터링 모델과 검색기반 채팅 모델 두 가지 성능을 평가한다. 필터링 모델을 학습 및 평가하기 위해 색인 데이터의 질의/응답 쌍을 positive 데이터, 색인질의 Q를 검색하여 나온 검색 순위 4위 이하의 질의/응답 Q’/A’로 만든 Q/A’를 negative 데이터로 사용한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.