메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김태형 (경북대학교) 노윤석 (경북대학교) 박성배 (경희대학교) 박세영 (경북대학교)
저널정보
Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.45 No.6
발행연도
2018.6
수록면
572 - 581 (10page)
DOI
10.5626/JOK.2018.45.6.572

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
대화 시스템은 입력 발화에 대해 적절한 응답을 해주는 시스템으로 최근에는 대화 모델 학습에 딥러닝 방식의 시퀀스-투-시퀀스 모델을 많이 이용한다. 하지만 해당 방식으로 학습한 대화 모델은 적절한 정보나 호응을 보이지 않는 안전하고 무미건조한 응답을 생성하거나 어미, 어순 변화 등 다양한 형태로 변형된 입력 발화에 대해 적절한 응답을 생성하지 못하는 문제가 있다. 본 논문에서는 이를 해결하기 위해 디노이징 메커니즘을 적용한 디노이징 응답 생성 모델을 제안한다. 제안 모델은 입력 발화에 임의의 노이즈를 가해 원래의 출력을 학습함으로써 매 반복 학습마다 확률적으로 새로운 입력 데이터를 경험하게 한다. 이를 통해 모델을 정규화하여 모델이 강건한 응답을 생성할 수 있도록 한다. 제안하는 방법의 우수성을 보이기 위해 9만 건의 한국어 대화 데이터로 실험을 수행하였다. 실험 결과 제안하는 방법이 비교 모델보다 ROUGE F1 점수와 사람이 평가한 정성 평가 모두에서 더 우수한 결과를 보였다.
#대화 모델 #시퀀스-투-시퀀스 모델 #자연어 생성 #정규화 #conversational model #sequence-to-sequence model #natural language generation #regularization

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 디노이징 응답 생성 모델
4 실험 및 평가
5. 결론
References

참고문헌 (14)

참고문헌 신청
I. Sutskever, O. Vinyals, and Q. V. Le, Sequence to Sequence Learning with Neural Networks, Proc. of NIPS, pp. 3104-3112, 2014. O. Vinyals and Q. V. Le, A Neural Conversational Model, arXiv preprint arXiv:1506.05869, 2015. J. Li, M. Galley, C. Brockett, J. Gao, and B. Dolan, A Diversity-Promoting Objective Function for Neural Conversation Models, Proc. of NAACL-HLT, pp. 110-119, 2016. J. Li, W. Monroe, and D. Jurafsky, Data Distillation for Controlling Specificity in Dialogue Generation, arXiv preprint arXiv:1702.06703, 2017. C. Xing, W. Wu, Y. Wu, J. Liu, Y. Huang, M. Zhou, and W. Y. Ma, Topic Aware Neural Response Generation, Proc. of AAAI, pp. 3351-3357, 2017.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Component-based Software Architecture Design Method for Defense Software
이성원 ,  신종환 ,  김태형 Journal of KIISE 2019 .11
도시 1인 가구의 주거지 결정에 대한 젠더 차이 - 관악구 20~30대 가구의 안전성 욕구와 주거비를 중심으로 -
조규원 ,  김태형 국토계획 2019 .10
항공기 탑재 AESA 레이다의 비행 시험을 통한 DBS 영상 형성
김태형 ,  유성현 ,  신종환 외 3명 한국전자파학회논문지 2019 .08
비전센서 기반 점착제 도포를 위한 경로 생성 및 신발갑피 패턴 인식에 관한 연구
박승민 ,  김태형 ,  심귀보 한국지능시스템학회 논문지 2019 .06
비압축성 유동해석에 기초한 대면적 표면처리용 브라스팅 노즐 설계 및 실험적 검증
김태형 ,  곽준구 ,  이세창 외 2명 에너지공학 2019 .03

최근 본 자료

전체보기

댓글(0)

0