디지털 라이브러리[ 검색결과 ]
논증 구조 정보를 통합한 심층 신경망 기반 에세이 특성 자동 평가 모델
http://doi.org/10.5626/JOK.2023.50.8.662
에세이 자동 평가는 모델이 주어진 에세이를 읽고 자동으로 평가하는 작업이다. 본 논문에서는 효과적인 에세이 자동 평가 모델을 위해 Argument Mining 작업을 사용하여 에세이의 논증 구조가 반영된 에세이 표현을 만들고, 에세이의 평가 항목별 표현을 학습하는 방법을 제안한다. 실험을 통해 제안하는 에세이 표현이 사전 학습 언어 모델로 얻은 표현보다 우수함을 입증했으며, 에세이 평가를 위해 평가 항목별로 다른 표현을 학습하는 것이 보다 효과적임을 보였다. 정량 평가 시 최종 제안 모델의 성능은 Quadratic Weighted Kappa(QWK) 기준으로 0.543에서 0.627까지 향상되어 사람의 평가와 상당히 일치하며, 정성 평가 시에도 사람과 비슷한 평가 경향을 보이는 것을 확인했다.
순차 모형과 언어 자질 벡터를 이용한 한국어 토론 데이터의 선형 논증 구조 분석
http://doi.org/10.5626/JOK.2018.45.12.1292
토론 데이터의 논증 구조 분석을 위한 기존의 연구는 문서를 이루는 문장들 간의 담화 관계와 핵성에 기반한 트리 구조 형태의 논증 구조를 제안한 것이 대부분이다. 이 때 상대적 관계들을 조합하여 한 편의 문서에 대응하는 논증 구조를 구성하는 과정에서 관계 간의 불일치가 발생할 위험이 있다. 본 연구에서는 문서가 다루는 주제 자체와 문장 간의 관계를 상정하고 이를 논증상의 기능에 따라 유형화한 논증 구조 프레임을 제안한다. 또한 각 문장에 해당하는 논증 유형을 문서 단위로 순차 모형에 적용시켜, 논증 구조의 자동 분석 과정에서 문서 내 맥락 정보를 이용할 수 있도록 한다. 형태소의 bag-of-words와 단어 임베딩, 언어 자질을 각각 이용하여 문장들을 벡터화하고, 이에 순차 모델링을 비롯한 기계학습 방식을 적용하여 논증 유형의 예측 결과를 관찰하였다. 이 때 언어 자질을 이용하여 벡터화한 문장들에 순차모형을 적용한 경우 F1-score가 0.68로 가장 높게 나타났다.
