Speech-Act Analysis System Based on Dialogue Level RNN-CNN Effective on the Exposure Bias Problem

Q: 이 논문에서 정의한 노출 편향 문제란 무엇인가?

노출 편향 문제란 모델의 이전 분석 결과를 현재 분석에 사용할 때, 학습 과정에서는 정답을 사용하고 평가 과정에서는 시스템이 예측한 결과를 사용함으로써 편향된 학습과 오류 전파가 나타나는 현상이다. 이는 잘못 예측된 결과가 전파되어 화행 분석 성능이 낮아지는 결과를 초래한다.

Q: 대화 단위 RNN-CNN 모델이 노출 편향 문제에 효과적인 이유는 무엇인가?

연구 결과, 제안하는 RNN-CNN 모델은 이전 발화의 정보를 효과적으로 반영하면서도 이전 화행 분석 오류에 강건한 특성을 보인다. 특히 greedy 조건에서 CNN+preSA 모델보다 훨씬 낮은 성능 하락폭을 보여, 오류 전파에 따른 성능 저하를 효과적으로 완화한다.

윤정민; 고영중

doi:10.5626/JOK.2018.45.9.911

추천

검색

질문

자료유형: 학술저널

저자정보: 윤정민 (동아대학교) 고영중 (동아대학교)

저널정보: Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.45 No.9

발행연도: 2018.9

수록면: 911 - 917 (7page)

DOI: 10.5626/JOK.2018.45.9.911

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

화행(Speech-Act)이란 화자의 발화를 통해 나타나는 화자의 의도를 말하며 화행 분석(Speech-Act Analysis)이란 주어진 발화에 대해 화행을 결정하는 것을 말한다. 최근에는 말뭉치를 이용한 기계 학습 기반의 연구가 많이 이루어지고 있고 본 논문에서는 다음과 같은 두 가지를 연구 목표로 한다. 첫 번째, 대화에서의 발화는 연속적이며 서로 유기적으로 관련되어 있고 현재 발화의 화행은 바로 이전 발화의 화행에 많은 영향을 받는다. 두 번째, 기존의 연구는 화행 분석 모델에서 이전 발화의 화행 결과를 사용할 때 노출 편향 문제(Exposure Bias Problem)를 다루지 않았다. 따라서 본 논문에서는 대화단위의 화행 분석 모델인 RNN-CNN을 제안하고, 노출 편향 문제에 대한 실험을 추가로 진행한다. 최종적으로 제안하는 모델은 oracle 조건에서 86.87%의 성능을 얻었고, greedy 조건에서는 0.6%p 낮은 86.27%의 성능을 얻었다.

#화행 분석 #RNN-CNN #노출 편향 문제 #딥 러닝 #speech-act analysis #exposure bias problem #deep learning

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)