• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.125-130
• /
• 2022

최근 자연어처리 연구로 지식 기반 대화에서 대화 내용에 자유로운 주제와 다양한 지식을 포함하는 연구가 활발히 이루어지고 있다. 지식 기반 대화는 대화 내용이 주어질 때 특정 지식 정보를 포함하여 이어질 응답을 생성한다. 이때 대화에 필요한 지식이 검색 가능하여 선택에 제약이 없는 오픈 도메인(Open-domain) 지식 기반 대화가 가능하도록 한다. 오픈 도메인 지식 기반 대화의 성능 향상을 위해서는 대화에 이어지는 자연스러운 답변을 연속적으로 생성하는 응답 생성 모델의 성능 뿐만 아니라, 내용에 어울리는 응답이 생성될 수 있도록 적합한 지식을 선택하는 지식 검색 모델의 성능 향상도 매우 중요하다. 본 논문에서는 오픈 도메인 지식 기반 한국어 대화에서 지식 검색 성능을 높이기 위해 밀집 벡터 기반 검색 방식과 주제어(Keyword) 기반의 검색 방식을 함께 사용하는 것을 제안하였다. 먼저 밀집 벡터 기반의 검색 모델을 학습하고 학습된 모델로부터 고난도 부정(Hard negative) 지식 후보를 생성하고 주제어 기반 검색 방식으로 고난도 부정 지식 후보를 생성하여 각각 밀집 벡터 기반의 검색 모델을 학습하였다. 성능을 측정하기 위해 전체 지식 중에서 하나의 지식을 검색했을 때 정답 지식인 경우를 계산하였고 고난도 부정 지식 후보로 학습한 주제어 기반 검색 모델의 성능이 6.175%로 가장 높은 것을 확인하였다.

• Annual Conference on Human and Language Technology
• /
• 1997.10a
• /
• pp.160-166
• /
• 1997

본고는 우리말에서 빈번하게 일어나는 축약 및 생략 현상을 언어학적으로 규명하기 위한 노력의 일환으로,. 이를 위해 실제 대화체에서 나타나는 격조사 생략현상에 대한 관찰결과를 기술적으로 분석하고, 이를 토대로 향후 대화체 이해 시스템 구현을 위한 생략된 격조사 복원연구의 방향을 제시한다. 연구를 위해 녹취한 약 한시간 분량의 2인 흑은 3인의 자연스런 라디오 대담 프로그램 전화대화들을 전사한 자료를 중심으로, 실제 대화에서 실현되거나 생략된 격조사들을 유형별로 분석한 격과를 보고하고, 기존의 연구 및 관찰에 경험적 타당성을 제공함과 동시에 그들의 분석을 대화이해 시스템에 구현하고자 할 때 발생할 수 있는 문제점을 지적한다. 나아가 격조사가 생략된 명사구들이 나타나는 환경을 통사 및 담화적 특성에 따라 분류함으로써, 대화이해 시스템 구현을 목적으로 하는 격조사 생략현상 연구 및 이를 토대로 한 명사구와 용언 사이의 문법적 의미적 관계 규명을 위한 향후 연구에서 어휘 부의 확장 필요성을 논한다.

• 한국어정보학회:학술대회논문집
• /
• 2016.10a
• /
• pp.220-225
• /
• 2016

본 논문에서는 격틀과 워드 임베딩을 활용한 유사도 기반 대화 모델링을 제안한다. 기존의 유사도 기반 대화 모델링 방법은 형태소, 형태소 표지, 개체명, 토픽 자질, 핵심단어 등을 대화 말뭉치에서 추출하여 BOW(Bag Of Words) 자질로 사용하였기 때문에 입력된 사용자 발화에 포함된 단어들의 주어, 목적어와 같은 문장성분들의 위치적 역할을 반영할 수 가 없다. 또한, 의미적으로 유사하지만 다른 형태소를 가지는 문장 성분들의 경우 유사도 계산에 반영되지 않는 형태소 불일치 문제가 존재한다. 이러한 문제점을 해결하기 위해서, 위치적 정보를 반영하기 위한 문장성분 기반의 격틀과 형태소 불일치 문제를 해결하기 위한 워드 임베딩을 활용하여 개선된 유사도 기반 대화 모델링을 제안한다. 개선된 유사도 기반 대화 모델링은 MRR 성능 약 92%의 성능을 나타낸다.

• Annual Conference on Human and Language Technology
• /
• 2018.10a
• /
• pp.40-43
• /
• 2018

대화 발화 예측(Next Utterance Classification)은 Multi-turn 대화에서 마지막에 올 발화를 정답 후보들 중에서 예측을 하는 연구이다. 기존에 제안된 LSTM 기반의 Dual Encoder를 이용한 모델에서는 대화와 정답 발화에 대한 관계를 고려하지 않는 문제와 대화의 길이가 너무 길어 중간 정보의 손실되는 문제가 존재한다. 본 연구에서는 이러한 두 문제를 해결하기 위하여 ESIM구조를 통한 단어 단위의 attention, 대화의 turn별 문장 단위의 attention을 제안한다. 실험 결과 총 5000개의 검증 대화 데이터에 대하여 1 in 100 Recall@1의 성능이 37.64%로 기존 모델 대비 약 2배 높은 성능 향상을 나타내었다.

• 한국HCI학회:학술대회논문집
• /
• 2007.02a
• /
• pp.475-480
• /
• 2007

대화관리시스템은 사용자 발화로부터 사용자의 의도를 추론하여 시스템의 응답을 결정하고 이를 사용자에게 자연스러운 형태로 반환하는 역할을 한다. 본 논문에서는 마르코프 의사 결정과정에 기반한 대화관리자를 통하여 정확한 동작 수행과 사용자의 자연스러운 발화를 가능케 하는 대화관리시스템에 대해서 소개한다. 마르코프 의사 결정과정 대화관리자는 실세계 환경을 모델링 하는 유한 개수의 상태들과 이를 이용한 통계적 학습을 통해 시스템 응답을 결정 한다. 본 대화관리시스템은 대화관리자 이외에 언어이해부, 영역규칙 적용부, 목적시스템 제어부, 예제기반 응답생성부로 이루어져 있으며, 각 구성요소는 영역이식에 용이하도록 설계되어 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04b
• /
• pp.256-258
• /
• 2001

인터넷 이용자 수가 크게 증가함에 따라 각 사이트에서는 사용자가 원하는 정보를 효과적으로 제공해야 하는 문제가 대두되어, 최근 사용자와 자연어로 정보를 주고 받으며 사이트의 가상 대리자 역할을 수행할 수 있는 대화형 에이전트에 관한 연구가 활발히 진행되고 있다. 그러나 많은 대화형 에이전트가 사용자의 의도를 고려하지 않은 단순한 패턴매칭 기법을 사용하기 때문에 사용자에게 만족스러운 답변을 주지 못하는 경우가 많이 발생한다. 이 논문에서는 대화형 에이전트가 보다 지능적인 대화를 수행할 수 있도록 하기 위해 베이지안 네트워크를 적용하여 사용자의 의도를 모델링하는 방법을 제시한다. 특정 도메인의 소개를 대행하는 대화형 에이전트에 적용한 결과, 사용자의 질의 의도를 파악함으로써 보다 대화 의도에 적합한 대답을 수행하여 그 기능성을 볼 수 있었다.

• Annual Conference on Human and Language Technology
• /
• 2016.10a
• /
• pp.220-225
• /
• 2016

본 논문에서는 격틀과 워드 임베딩을 활용한 유사도 기반 대화 모델링을 제안한다. 기존의 유사도 기반 대화 모델링 방법은 형태소, 형태소 표지, 개체명, 토픽 자질, 핵심단어 등을 대화 말뭉치에서 추출하여 BOW(Bag Of Words) 자질로 사용하였기 때문에 입력된 사용자 발화에 포함된 단어들의 주어, 목적어와 같은 문장성분들의 위치적 역할을 반영할 수 가 없다. 또한, 의미적으로 유사하지만 다른 형태소를 가지는 문장 성분들의 경우 유사도 계산에 반영되지 않는 형태소 불일치 문제가 존재한다. 이러한 문제점을 해결하기 위해서, 위치적 정보를 반영하기 위한 문장성분 기반의 격틀과 형태소 불일치 문제를 해결하기 위한 워드임베딩을 활용하여 개선된 유사도 기반 대화 모델링을 제안한다. 개선된 유사도 기반 대화 모델링은 MRR 성능 약 92%의 성능을 나타낸다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.547-549
• /
• 2005

최근 정보 제공에 도움을 주는 대화형 에이전트의 연구가 활발히 진행되고 있다. 그러나 대부분의 대화형 에이전트는 사용자의 요구에 미리 준비된 정적인 답변을 제공하므로 친밀감을 주는 다양한 대화를 유지하지 못한다. 이런 한계점을 극복하기 위해 베이지안 네트워크 등의 인공지능 기법을 이용한 사용자 의도 추론을 통해 보다 세밀하고 유연한 대화처리 모델이 연구되고 있다. 본 논문에서는 기존의 정보검색을 위한 대화형 에이전트에서 사용자 의도 추론에 사용된 베이지안 네트워크의 효율을 높이기 위해 노드간의 의미 관계를 표현하는 정보를 결합한 시맨틱 베이지안 네트워크 모델을 제안함으로써 효과적인 사용자 의도 추론을 가능하게 한다. 또한 단발적인 질의 분석이 아닌 점증적 질의 분석 방법으로써, 불충분한 정보로 적절한 답변을 추론하지 못할 경우에 MII(mixed-initiative interaction)를 이용하여 주어진 문제를 해결한다. 실제 모바일 검색 사이트를 대상으로 다양한 유형의 대화를 수행하여 유용성을 확인하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.577-579
• /
• 2004

인터넷을 통한 정보 제공이 늘어남에 따라서 사용자가 원하는 정보를 손쉽게 얻기 위한 .연구가 활발히 진행되고 있으며. 이러한 연구 중 하나가 대화형 에이전트이다. 최근 대화형 에이전트에서 사용자 질의의 주제 추론을 위하여 베이지안 네트워크가 적용되었다 하지만 베이지안 네트워크의 설계는 많은 시간이 소요되며, 스크립트(대화를 위한 데이터베이스)의 추가 변경시에는 베이지안 네트워크도 같이 수정해야 하는 번거로움이 있어 대화형 에이전트의 확장성을 저해하고 있다. 본 논문에서는 스크립트로부터 베이지안 네트워크를 자동으로 생성하여 베이지안 네트워크를 이용한 대화형 에이전트의 확장성을 높이는 방법을 제안하다. 제안하는 방법은 베이지안 네트워크의 구성 노드를 계층적으로 설계하고. Noisy-OR gate를 사용하여 베이지안 네트워크의 조건부 확률 테이블을 계산한다. 피험자 10명이 대화형 에이전트를 위한 베이지안 네트워크를 수동 설계한 것과 비교하여 제안하는 방법의 유용성을 확인하였다.

• Annual Conference of KIPS
• /
• 2022.05a
• /
• pp.590-593
• /
• 2022

최근 코로나바이러스감염증-19(COVID-19)로 인해서 다양한 비대면 서비스가 증가하고 있는데 그 중에서 사람과 인공지능 간 의사소통하여 정보를 얻는 대화 시스템이 대표적인 서비스이다. 대화 시스템은 입력되는 단일 문장에 대한 정보만을 응답하기 때문에 이전 대화의 정보를 알기 위해서는 질문했던 내용을 다시 입력해야 하는 문제점이 있다. 이런 문제를 해결하고 대화 진행에 도움을 주기 위해서 본 논문에서는 대화 내 문장들의 다중 의도 탐지를 통한 공통 대화 주제 식별 시스템을 제안한다.