Consecutive Differentiable Neural Computer for Understanding Context Information in Dialogue : 대화의 문맥 정보를 이해하기 위한 다층의 Differentiable Neural Computer :

우동원

추천

검색

자료유형: 학위논문

저자정보: 우동원 (경북대학교, 경북대학교 대학원)

지도교수: 이민호.

발행연도: 2018

저작권: 경북대학교 논문은 저작권에 의해 보호받습니다.

이용수0

이 논문의 연구 히스토리 (2)

2018

대화 문맥을 이해할 수 있는 다층의 Differentiable Neural Computer

우동원 , 이민호 대한전자공학회 학술대회 2018.06 학술대회자료

Consecutive Differentiable Neural Computer for Understanding Context Information in Dialogue : 대화의 문맥 정보를 이해하기 위한 다층의 Differentiable Neural Computer

우동원 전자공학부 2018.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

최근 많은 딥러닝 연구자들이 심층 신경망을 이용한 chat-bot 개발에 집중하고 있다. 일반적으로Recurrent Neural network(RNN) 기반의 Sequence-to-sequence(Seq-to-seq) 라는 모델을 이용하여 chat-bot 개발 연구가 진행되고 있으나 이 Seq-to-seq 모델은 사용자의 현재 발화에 대해 단순한 대답을 하는 수준이며, 이전까지의 대화내용에 대한 정보를 저장하지 못하는 문제가 존재한다. 이를 해결하기 위해 우리는 외부 메모리를 가지고 있는Differentiable Neural Computer(DNC)라는 기술을 도입하여 이전까지의 대화 내용까지 다룰 수 있는 새로운 chat-bot 모델을 제안한다. 다층의 DNC를 이용, 각 층의 메모리를 연결하여 첫 번째 DNC는 첫 번째 대화를, 두 번째 DNC는 두 번째 대화를 진행하는 방식으로, 모든 단계의 DNC는 그전까지의 대화 정보를 가진다. 따라서 우리의 Chat-bot 모델은 현재 입력이 같더라도 그전까지의 대화 내용에 따라 다양한 출력을 생성해냄으로써 대화의 문맥을 이해할 수 있다. 대화의 문맥을 이해한다는 점에서 제안하는 모델은 보다 사람과 비슷한 인공지능 대화 시스템 개발에 시작점이 될 것이다.

#Chat-bot #Context Understanding #Deep learning #NLP

I. Introduction 1
II. Literature review on Natural Language Processing. 3
III. Background 6
3.1 Differentiable Neural Computer. 6
3.1.1 Interface vector 8
3.1.2 Memory write. 9
3.1.3 Memory read. 11
3.2 Recurrent Neural Network. 12
3.3 Word Embeddings. 16
IV. Proposed method : Consecutive Differentiable Neural Computer . 18
4.1 Differentiable Neural Computer with LSTM Decoder. 18
4.2 Consecutive Differentiable Neural Computer for understanding context in Dialogue 21
V. Experiments and results 24
5.1 Dataset. 24
5.1.1 Maluuba frames dataset . 24
5.1.2 Travel related dataset 26
5.2 Implementation/Training details. . 27
5.3 Results and discussion 28
VI. Conclusion 35
VII. Future work 36
References 37
Abstract 40
Abstract (In Korean) 42

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)