디지털 라이브러리[ 검색결과 ]
일반 상식 기반 기계 독해를 위한 Type-specific 다중 헤드 공유 인코더 모델
http://doi.org/10.5626/JOK.2023.50.5.376
기계 독해는 주어진 컨텍스트를 기반으로 다양한 문제를 해결함으로써 기계의 자연어 이해를 평가할 수 있도록 도입된 태스크이다. 기계의 자연어 이해 평가를 위해서는 주어진 맥락을 완전히 이해한 상태에서 상식적인 추론이 가능해야 한다. 이러한 추론이 가능하도록 본 연구에서는 일반 상식 기반 기계 독해를 위한 멀티-태스크 학습 방법과 모델을 제안한다. 연구의 기여는 다음과 같이 요약된다: 1) 일반 상식 기반 기계 독해 기술 학습을 위한 태스크 유형별 데이터셋 구성 방법을 제안한다. 2) 상식 학습이 가능한 Type-specific 다중 헤드 공유 인코더 모델을 포함해 멀티-태스크 학습 방법과 배치 샘플링 기법을 제안한다. 3) 제안된 방법을 CosmosQA데이터셋에 평가했을 때 기존 베이스라인 모델보다 2.38% 향상된 성능을 보인다.
상대방 화자의 상태 문맥을 파악해 대화에서 화자의 감정을 인식하는 RNN 모델
http://doi.org/10.5626/JOK.2021.48.7.802
감정 분석은 인공지능 분야에서 지속적으로 관심을 받고 있는 주제이다. 본 연구에서는 RNN 모델을 통해 대화 내에서 발화를 통해 나타나는 특정 화자의 감정을 분석하고 파악한다. 대화(dialogue)에는 화자(speaker)를 두 가지 문맥 정보가 있는데, 하나는 해당 화자의 문맥 정보(self-dependency)이고 다른 하나는 해당화자와 상대방 화자 간의 문맥 정보(inter-speaker dependency)이다. 특히, 상대방 화자의 상태 문맥 정보가 현재 화자의 감정에 끼칠 수 있는 영향(inter-speaker dependency)을 고려하여 감정을 분석한다. 이를 위해, 기존의 DialogueRNN 모델에서 상대방의 상태 문맥을 파악할 수 있는 GRU(Gated Recurrent Unit) Cell을 하나 추가한 모델을 제안한다. 본 연구에서 제안하는 모델이 기존의 DialogueRNN 모델 및 3가지 변형 모델과 비교했을 때, 더 높은 성능을 보였다.
