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
- 하지만 이러한 방식은 사람이 개체에 대해 가지고 있는 지식을 활용헤 질의응답을 수행하는 방식과 달리, 개체가 가지는 의미론(Semantic) 관점 보다는 개체의 형태(Syntatic)와 그 개체가 등장하는 문맥(Context)에 의존하여 MRC를 수행한다. 본 논문에서는 KB의 정보를 BERT 모델의 학습자질로 사용함으로써 KB 기반의 질의응답과 IR 기반의 질의응답을 융합한, 더 좋은 성능의 MRC 기술 방법론을 제시하고자 한다.
- 이번 장에서는 KG와 언어모델을 활용한 MRC 모델을 구축하는 방법에 대해서 소개한다. 본 논문에서는 KG의 지식 정보를 BERT 언어모델 학습의 학습 자질로 포함시킴으로써 개체에 대한 의미를 MRC 과정에 반영하고자 한다. KG는 공개된 API1를 사용하였으며, <표 1>과 같이 총 40개의 서술부로 지식을 제한하였다.
- 본 논문에서는 대규모 KG와 BERT 언어모델을 이용해 MRC 문제를 해결하는 방법을 제안하였다. 언어 모델과 MRC의 학습 과정에서 개체에 대한 정보를 학습 자질로써 사용하는 방법을 통해 적은 데이터와 조금의 학습으로도 사람과 가까운 MRC 성능을 보여주었으며, 특히 기존 BERT 모델 대비 높은 성능 향상을 관찰할 수 있었다.
- 이번 장에서는 KG와 언어모델을 활용한 MRC 모델을 구축하는 방법에 대해서 소개한다. 본 논문에서는 KG의 지식 정보를 BERT 언어모델 학습의 학습 자질로 포함시킴으로써 개체에 대한 의미를 MRC 과정에 반영하고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.