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
- 나승훈
- 발행연도
- 2020
- 저작권
- 전북대학교 논문은 저작권에 의해 보호받습니다.
이용수7
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
Depending on the resources used, there are methods such as Information Retrieval Question Answering (IRQA) through document search or Knowledge Base Question Answering (KBQA) using knowledge base.
In this paper, we propose a combined model of Symbolic QA, which utilizes a pre-training model and knowledge-based resources to extract the correct answer directly from the Triple information for a given question, and Neural QA, which extracts the correct answer by mapping of the question as an embedding dimension.
Furthermore, we propose a method for using entity-relationship expressions in text information to enhance relationship expressions.
In addition, using Korean knowledge-based question answering data, the performance of each model and the performance of the combined model are calculated and compared to verify the effectiveness of the combined model.
In this paper, we propose a combined model of Symbolic QA, which utilizes a pre-training model and knowledge-based resources to extract the correct answer directly from the Triple information for a given question, and Neural QA, which extracts the correct answer by mapping of the question as an embedding dimension.
Furthermore, we propose a method for using entity-relationship expressions in text information to enhance relationship expressions.
In addition, using Korean knowledge-based question answering data, the performance of each model and the performance of the combined model are calculated and compared to verify the effectiveness of the combined model.
목차
제1장 서 론 1제1절 연구배경 및 목적 11.1.1 연구배경 11.1.2 연구목적 3제2장 관련 연구 4제1절 사전학습 언어모델 관련 연구 4제2절 지식 그래프와 개체-관계 임베딩 관련 연구 5제3절 질의응답 관련 연구 9제3장 뉴로-심볼릭 관계형 질의응답 모델 13제1절 심볼릭 기반 질의응답 모델 133.1.1 개체명 인식 모델 133.1.2 개체명 연결 모델 153.1.3 관계 분류 모델 17제2절 뉴럴 기반 질의응답 모델 173.2.1 개체-관계 임베딩 183.2.2 문서-관계 표현 강화 19제3절 뉴로-심볼릭 질의응답 모델 21제4장 실험 및 결과 23제1절 실험 데이터 23제2절 실험 평가 244.2.1 심볼릭 기반 질의응답 모델 평가 244.2.2 뉴럴 기반 질의응답 모델 평가 254.2.3 1-hop 뉴로-심볼릭 질의응답 모델 평가 254.2.4 n-hop 뉴로-심볼릭 질의응답 모델 평가 26제3절 실험결과 264.3.1 1-hop 뉴로-심볼릭 질의응답 실험 결과 264.3.2 n-hop 뉴로-심볼릭 질의응답 실험 결과 284.3.3 IRQA-KBQA 결합모델 실험 결과 29제5장 결 론 31제1절 연구 요약 및 결론 31제2절 연구의 한계 및 과제 315.2.1 심볼릭 기반 질의응답 모델 315.2.2 뉴럴 기반 질의응답 모델 32참 고 문 헌 33
최근 본 자료
댓글(0)
0