텍스트 바꿔 쓰기 과제를 위한 분류 모델 기반의 손실 함수 설계와 평가 


48권  10호, pp. 1132-1141, 10월  2021
10.5626/JOK.2021.48.10.1132


PDF

  요약

바꿔 쓰기(paraphrase generation)는 입력 문장에 대하여 의미는 같지만, 단어나 통사 구조와 같은 표현이 다른 문장을 생성하는 과제이다. 최근 이를 구현하기 위해 인공 신경망 기반의 모델이 널리 사용되며, 학습 방법으로서 지도 학습이 주로 사용된다. 그러나 생성된 문장과 레이블 문장 간의 차이를 줄이는 지도 학습 방법은 모델에 제한된 의미 정보만을 제공한다. 따라서 본 논문에서는 분류 과제를 학습한 별도의 모델을 활용하여, 바꿔 쓰기 모델 학습 시 의미 정보를 추출하고 이를 활용하는 방법을 제안하고 실험하였으며, 그 결과 기존 방법과 비교하여 더 좋은 성능을 보였다.


  통계
2022년 11월부터 누적 집계
동일한 세션일 때 여러 번 접속해도 한 번만 카운트됩니다. 그래프 위에 마우스를 올리면 자세한 수치를 확인하실 수 있습니다.
  논문 참조

[IEEE Style]

H. Jeon and Y. Cheong, "Design and Evaluation of Loss Functions based on Classification Models," Journal of KIISE, JOK, vol. 48, no. 10, pp. 1132-1141, 2021. DOI: 10.5626/JOK.2021.48.10.1132.


[ACM Style]

Hyun-Kyu Jeon and Yun-Gyung Cheong. 2021. Design and Evaluation of Loss Functions based on Classification Models. Journal of KIISE, JOK, 48, 10, (2021), 1132-1141. DOI: 10.5626/JOK.2021.48.10.1132.


[KCI Style]

전현규, 정윤경, "텍스트 바꿔 쓰기 과제를 위한 분류 모델 기반의 손실 함수 설계와 평가," 한국정보과학회 논문지, 제48권, 제10호, 1132~1141쪽, 2021. DOI: 10.5626/JOK.2021.48.10.1132.


[Endnote/Zotero/Mendeley (RIS)]  Download


[BibTeX]  Download



Search




Journal of KIISE

  • ISSN : 2383-630X(Print)
  • ISSN : 2383-6296(Electronic)
  • KCI Accredited Journal

사무국

  • Tel. +82-2-588-9240
  • Fax. +82-2-521-1352
  • E-mail. chwoo@kiise.or.kr