지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 최용석
- 발행연도
- 2019
- 저작권
- 한양대학교 논문은 저작권에 의해 보호받습니다.
이용수4
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
자연어 이해 분야에서, 화자의 발화 의도를 예측한다는 것은 화자가 생각 혹은 하고자 하는 것이 무엇인지 파악하는 것을 의미하며 청자는 화자의 발화를 듣고 그 의도에 맞는 행동을 취한다. 발화 의도를 정확하게 예측하는 것은 자연어 기반 대화 시스템에서 중요한 역할을 한다.
본 논문에서는 발화 의도 예측을 위한 계층구조 주목 메카니즘 기반 순환 신경망 모델을 제시한다. 제안하는 모델은 단어를 입력으로 하여 발화를 벡터로 표현하는 단어 단위 인식기와 벡터로 표현된 발화를 입력으로 하여 대화를 표현하는 벡터를 구성하는 발화 단위 인식기의 계층 구조를 가진다. 각 단계의 인식기에는 주목 메카니즘이 적용되어 대화로부터 발화의 의도를 예측함에 있어 중요한 정보를 갖는 단어 및 문장에 더 집중할 수 있도록 한다. 본 논문에서 제안하는 모델은 기존 모델들에 비해 두 가지의 이점을 갖는다. 첫 번째, 제안하는 모델은 이전 발화의 문맥을 고려하여 현재 발화의 의도를 예측하기 때문에 기존의 모델에 비해 높은 성능을 보인다. 두 번째, 주목 메카니즘을 통해 어떠한 단어와 문장이 발화 의도를 결정함에 있어 중요한 의미를 갖는 지 시각화 할 수 있다.
본 논문에서는 한국어 자막 데이터와 DailyDialog 데이터를 이용하여 제안한 모델의 성능을 평가하였다. 그 결과, 정확도에 있어서 비교 모델에 비해 근사하거나 우월한 성능을 보였으며 Macro Average F1-Score에 있어서 눈에 띄는 성능 차이를 보였다. 또한 실험의 결과를 통해 본 모델이 낮은 비율을 차지하는 발화 의도 클래스의 자질을 다른 모델에 비해 잘 추출해내는 것을 확인할 수 있었다.
본 논문에서는 발화 의도 예측을 위한 계층구조 주목 메카니즘 기반 순환 신경망 모델을 제시한다. 제안하는 모델은 단어를 입력으로 하여 발화를 벡터로 표현하는 단어 단위 인식기와 벡터로 표현된 발화를 입력으로 하여 대화를 표현하는 벡터를 구성하는 발화 단위 인식기의 계층 구조를 가진다. 각 단계의 인식기에는 주목 메카니즘이 적용되어 대화로부터 발화의 의도를 예측함에 있어 중요한 정보를 갖는 단어 및 문장에 더 집중할 수 있도록 한다. 본 논문에서 제안하는 모델은 기존 모델들에 비해 두 가지의 이점을 갖는다. 첫 번째, 제안하는 모델은 이전 발화의 문맥을 고려하여 현재 발화의 의도를 예측하기 때문에 기존의 모델에 비해 높은 성능을 보인다. 두 번째, 주목 메카니즘을 통해 어떠한 단어와 문장이 발화 의도를 결정함에 있어 중요한 의미를 갖는 지 시각화 할 수 있다.
본 논문에서는 한국어 자막 데이터와 DailyDialog 데이터를 이용하여 제안한 모델의 성능을 평가하였다. 그 결과, 정확도에 있어서 비교 모델에 비해 근사하거나 우월한 성능을 보였으며 Macro Average F1-Score에 있어서 눈에 띄는 성능 차이를 보였다. 또한 실험의 결과를 통해 본 모델이 낮은 비율을 차지하는 발화 의도 클래스의 자질을 다른 모델에 비해 잘 추출해내는 것을 확인할 수 있었다.
목차
제 1장 서론 1제 1절 연구 배경 1제 2절 연구 내용 2제 2장 관련 연구 4제 1절 규칙 기반 발화 의도 분류 기법 4제 2절 기계 학습 기반 발화 의도 분류 기법 4제 3절 인공 신경망 기반 발화 의도 분류 기법 5제 3장 계층구조 주목 메카니즘 기반 순환 신경망을 통한 발화 의도 분류 모델 7제 1절 단어 단위 인식기 8제 2절 발화 단위 인식기 10제 3절 발화 의도 예측 및 손실 함수 11제 4장 실험 및 성능 평가 13제 1절 비교 모델 13제 2절 실험 환경 14제 3절 한국어 자막 데이터를 이용한 실험 및 결과 15제 4절 DailyDialog 데이터를 이용한 실험 및 결과 19제 5장 결론 및 향후 연구 24
최근 본 자료
댓글(0)
0