지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 권혁철
- 발행연도
- 2021
- 저작권
- 부산대학교 논문은 저작권에 의해 보호받습니다.
이용수18
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
웹 문서는 평문 데이터뿐만 아니라 표나 리스트와 같은 구조화된 데이터도 포함하고 있다. 구조화되지 않은 평문 데이터로 학습한 언어모형은 구조화된 표와 리스트 데이터에 적용했을 때 질의응답 성능이 크게 하락하는 문제가 있다. 본 연구에서는 평문 데이터로 학습한 언어모형과 함께 표 데이터로 사전학습한 언어모형을 활용하여 웹 문서 내의 평문 데이터와 구조화된 리스트, 표 데이터 모두에서 정답을 찾을 수 있는 한국어 다중지문 기계독해 모형을 제안한다. 평문 데이터에 대한 질의응답을 위해 한국어 위키피디아 데이터로 사전학습한 BERT 모형을 사용했으며, 표에 대한 질의응답을 위해서 위키피디아 내에 존재하는 표 데이터로 사전학습한 TAPAS 모형을 활용했다. 입력된 여러 개의 지문에서 정답이 있는 단락 선택을 위해서 입력된 각 단락에 정답이 있을 확률을 예측하는 단락 순위화 모형을 적용했다. TAPAS 모형을 KorQuAD 2.0 개발 데이터의 표 관련 데이터에 적용했을 때 평문 데이터를 위한 언어모형만을 사용했을 때보다 EM이 10.33, F1이 8.08 향상됨을 보였다. 본 논문에서 제안하는 질의응답 시스템의 경우 KorQuAD 2.0 평가 데이터에서 EM은 59.20, F1은 77.52를 보였다.
목차
1. 서론 11.1 연구 배경 11.2 연구 범위 21.3 논문 구성 32. 관련연구 32.1 질의응답 데이터 32.2 사전학습 언어모형 42.3 단락 순위화 모형 52.4 기계독해 모형 62.5 표 질의응답 83. 질의응답 시스템 설계 93.1 질의응답 시스템 구조 93.2 기계독해 모형 103.3 단락 순위화 모형 143.4 세부 단락 선별 173.5 표 질의응답 194. 학습 264.1 사전학습 언어모형 264.2 한국어 기계독해 데이터 285. 실험 및 평가 305.1 실험 환경 305.2 평가 방법 315.3 기계독해 모형 실험 결과 325.4 단락 순위화 및 세부 단락 선별모형 실험 결과 335.5 표 질의응답 모형 실험 결과 355.6 질의응답 시스템 실험 결과 366. 토의 387. 결론 및 향후 과제 39참고 문헌 40
최근 본 자료
댓글(0)
0