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
장영진 (강원대학교) 이현구 (강원대학교) 왕지현 (엔씨소프트) 이충희 (엔씨소프트) 김학수 (건국대학교)
저널정보
Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.47 No.4
발행연도
2020.4
수록면
416 - 421 (6page)
DOI
10.5626/JOK.2020.47.4.416

이용수

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

초록· 키워드

오류제보하기
기계독해 시스템은 컴퓨터가 주어진 단락을 이해하고 질문에 대한 답변을 하는 질의응답 시스템이다. 최근 심층 신경망의 발전으로 기계독해 시스템의 연구가 활발해지면서 주어진 문서가 아닌 검색모델의 결과에서 정답을 찾는 연구(오픈 도메인 기계독해 시스템)가 진행되고 있다. 하지만 오픈 기계독해 시스템은 검색 모델이 정답을 포함하는 단락을 검색해오지 못할 경우, 질문에 대한 답을 할 수 없다. 즉, 오픈 도메인 기계독해 시스템의 성능은 검색 모델의 성능에 종속된다. 따라서 오픈 도메인 기계독해 시스템이 높은 성능을 기록하기 위해서는 높은 성능의 검색 모델이 요구된다. 검색 모델의 성능을 높이기 위한 기존 연구는 질의 확장과 재순위화 등을 통해 연구되었으며, 본 논문에서는 심층 신경망을 이용한 재순위화 방법을 제안한다. 제안 모델은 다중 작업 학습 기반 문장 유사도 측정을 통해 검색 결과(단락)를 재순위화하고, 자체 구축한 58,980 쌍의 기계독해 데이터의 실험 결과로 기존 검색 모델 성능과 비교하여 약 8%p(Precision 1 기준)의 성능 향상을 보였다.
#기계독해 #검색 모델 #재순위화 #문장 유사도 #machine reading comprehension #information retrieval #passage re-ranking #sentence similarity

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 문장 유사도 기반 재순위화 모델
4. 실험
5. 결론
References

참고문헌 (15)

참고문헌 신청
S. Kim, J. Kim, H. Kim, and M. Choi, "Retrieval Model Using Query Expansion and Reranking for Machine Reading Comprehension," Proc. of the KSC 2018, pp. 620-622, 2018. google schola M. Hu, Y. Peng, Z. Huang, and D. Li, "Retrieve, Read, Rerank: Towards End-to-End Multi-Document Reading Comprehension," Proc. of the 57th Annual Meeting of the Association for Computational Linguistics, pp. 2285-2295, 2019. google schola D. chen, A. Fisch, K. Westpm, and A. Bprdes, "Reading Wikipedia to Answer Open-Domain Questions," Proc. of the 55th Annual Meeting of the Association for Computational Linguistics, pp. 1870-1879, 2017. google schola S. Kundu, H.T. Ng, "A Nil-Aware Answer Extraction Framework for Question Answering," Proc. of the 2018 Conference on Empirical Methods in Natural Language Processing, pp. 4243-4252, 2018. google schola B. Mitra, and N. Craswell, "An Updated Duet Model for Passage Re-ranking," arXiv preprint arXiv:1903.07666v1, 2019.

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

Method of Reflecting Various Personas in a Chatbot
오신혁 ,  정석원 ,  김학수 Journal of KIISE 2021 .02
Deep Learning-based Text Classification Model for Poisonous Clauses Classification
최기현 ,  장영진 ,  김학수 외 1명 Journal of KIISE 2020 .11
문장의 문맥 확장을 통한 다중문서요약
김다해 ,  조태민 ,  이지형 한국지능시스템학회 학술발표 논문집 2015 .04
아이템과의 관련성을 고려한 리뷰 기반 추천 시스템 개발
박선우 ,  김지현 ,  임희나 외 3명 지능정보연구 2024 .09
검색문서 재순위화를 통한 거대언어모델 기반 다중 문서 질의 응답
임진형 ,  송현제 한국정보과학회 학술발표논문집 2023 .12

최근 본 자료

전체보기

댓글(0)

0