$\require{mediawiki-texvc}$

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.

딥러닝과 정보검색을 결합한 질의응답 시스템

Question Answering System that Combines Deep Learning and Information Retrieval

한국어정보학회 2016년도 제28회 한글및한국어정보처리학술대회, 2016 Oct. 07, 2016년, pp.134 - 138  

이현구 (강원대학교 컴퓨터정보통신공학과) ,  김학수 (강원대학교 컴퓨터정보통신공학과)

초록
AI-Helper 아이콘AI-Helper

정보의 양이 빠르게 증가함으로 인해 필요한 정보만을 효율적으로 얻기 위한 질의응답 시스템의 중요도가 늘어나고 있다. 그 중에서도 질의 문장에서 주어와 관계를 추출하여 정답을 찾는 지식베이스 기반 질의응답 시스템이 활발히 연구되고 있다. 그러나 기존 지식베이스 기반 질의응답 시스템은 하나의 질의 문장만을 사용하므로 정보가 부족한 단점이 있다. 본 논문에서는 이러한 단점을 해결하고자 정보검색을 통해 질의와 유사한 문장을 찾고 Recurrent Neural Encoder-Decoder에 검색된 문장과 질의를 함께 활용하여 주어와 관계를 찾는 모델을 제안한다. bAbI SimpleQuestions v2 데이터를 이용한 실험에서 제안 모델은 질의만 사용하여 주어와 관계를 찾는 모델보다 좋은 성능(정확도 주어:33.2%, 관계:56.4%)을 보였다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 생성된 중간벡터를 디코딩하여 문장 정보가 모두 반영된 정답“사과”를 찾게 된다. 본 논문에서는 Recurrent Neural Encoder-Decoder에 질의와 유사 문장 집합을 입력하여 주어와 관계를 찾는 모델을 제안한다.
  • 본 논문에서는 정보검색을 통해 검색된 유사 문장과 Recurrent Neural Encoder-Decoder를 사용하여 질의에서 묻고자하는 주어와 관계를 찾는 방법을 제안하였다. 본 논문에서 제안한 모델은 질의를 검색하여 유사 문장 집합을 찾고 검색된 결과와 질의를 통해 주어와 관계를 찾았다.
  • 기존의 지식베이스 기반 연구는 규칙을 통해 주어 어휘와 관계 어휘를 추출하고 관계 트리플에사상 하였지만 유의어나 다른 형태로 나타난 문장의 경우 관계 트리플에 사상시키기 어려운 단점이 있었으며, 기계학습 방법으로 추출하기에는 질의문장 하나는 정보가 너무 적은 단점이 있었다. 본 논문에서는 지식베이스 기반 방법의 단점을 보완하고자 딥러닝을 통한 기계학습 방법에 질의와 유사한 문장을 정보검색 방법으로 찾고 질의와 함께 사용하여 성능을 향상시키는 모델을 제안한다.
  • 본 논문에서는 효과적으로 유사 문장을 찾기 위해 문서 단위의 색인과 문맥 단위의 색인을 한다. 문서 단위의 색인은 검색 대상이 되는 문서의 모든 내용을 색인하는 방법으로 질의와 유사 문장 사이의 어휘 불일치 문제를 완화하는 역할을 한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
본 논문에서 제안하는 질의응답 시스템의 구조는 어떻게 구성되는가? [그림 3]과 같이 질의와 유사 문장 집합에 속하는 문장을 이용하여 학습하는 학습부분, 질의와 유사 문장 집합을 학습된 모델에 적용하여 결과 레이블 배열을 얻는 적용부분, 마지막으로 각 유사 문장별 결과 레이블 배열에 정보검색 순위정보를 반영하여 결합한 후 최종 정답을 분류하는 결합부분으로 구성된다.
질의응답 시스템이란 무엇인가? 질의응답 시스템(Question ANswering System)은 자연어로 구성된 질의를 통해 사용자가 원하는 답변을 자동으로 생성해 주는 기술이다. 최근 다양한 정보가 빠른 속도로 증가하고 있지만 제한된 시간 안에 모든 정보를 습득하기 어려운 문제가 있어 질의응답 시스템의 중요성이 나날이 늘고 있다.
필요한 정보만을 효율적으로 얻기 위한 질의응답 시스템의 중요도가 늘어나는 이유는? 정보의 양이 빠르게 증가함으로 인해 필요한 정보만을 효율적으로 얻기 위한 질의응답 시스템의 중요도가 늘어나고 있다. 그 중에서도 질의 문장에서 주어와 관계를 추출하여 정답을 찾는 지식베이스 기반 질의응답 시스템이 활발히 연구되고 있다.
질의응답 정보가 도움이 되었나요?
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