• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.308-310
• /
• 2022

With the rise of the Al wave, task-oriented dialogue systems have become one of the popular research directions in academia and industry. Currently, task-oriented dialogue systems mainly adopt pipelined form, which mainly includes natural language understanding, dialogue state decision making, dialogue state tracking and natural language generation. However, pipelining is prone to error propagation, so many task-oriented dialogue systems in the market are only for single-round dialogues. Usually single- domain dialogues have relatively accurate semantic understanding, while they tend to perform poorly on multi-domain, multi-round dialogue datasets. To solve these issues, we developed a paddle-based multi-domain task-oriented Chinese dialogue system. It is based on NEZHA-base pre-training model and CrossWOZ dataset, and uses intention recognition module, dichotomous slot recognition module and NER recognition module to do DST and generate replies based on rules. Experiments show that the dialogue system not only makes good use of the context, but also effectively addresses long-term dependencies. In our approach, the DST of dialogue tracking state is improved, and our DST can identify multiple slotted key-value pairs involved in the discourse, which eliminates the need for manual tagging and thus greatly saves manpower.

• 한국어교육
• /
• 제29권2호
• /
• pp.73-100
• /
• 2018

The purpose of this study is to investigate learner-learner dialogue during speaking tasks. In the Korean language classroom, conversation between learners is an important activity as speaking practice. However, learner dialogue is also a tool to enable learners to collaboratively conduct various cognitive activities in the classroom. In previous research, it was unfolded that through learner-learner dialogue, learners can solve second-language related problems and set a goal to carry out tasks. Therefore, this study analyzed learner-learner dialogue to investigate what kinds of cognitive activities are activated during the role-play task. As a result, the learners collaboratively generated and monitored language and content for role play. Also, in order to accomplish tasks more successfully, learners shared the same understanding about the goal of the task, and tried to manage the task procedure. Through learner-learner dialogue, learners can participate in cognitive activities such as content, language construction, and task management voluntarily without the help from teachers. This means that learner-learner dialogue can be an activity to support language learning tasks. Also, it can make learners actively involved in learning and by sharing resources with each other. It is also important that learners can experience language use that participates in real-world communication activities, such as learning in the classroom and collaborating with peer learners. This study is an exploratory study for a basic understanding of learner's conversation as a cognitive activity, and the scope of the study is limited to clarifying contents of learner-learner dialogue as a cognitive activity in speaking tasks. Based on the findings of this study, future research should be conducted on the function of learner-learner dialogue as a cognitive activity in Korean language learning and its role in the classroom of Korean language education.

• 디자인융복합연구
• /
• 제18권3호
• /
• pp.71-87
• /
• 2019

Previous research has shown that the use of self-disclosure, the process of revealing personal thoughts and feelings, in conversational agents (CAs) increases overall user evaluations. However, research exploring the effects of self-disclosure in different situations or dialogue types is limited. This study investigated the effects of self-disclosure and dialogue type (task- vs. social-oriented) on trust, usefulness, and usage intention. Results showed significant interaction effects between self-disclosure and dialogue type. For CAs that did not use self-disclosure, trust, usefulness, and usage intention were higher in task-oriented dialogues. In contrast, CAs that did use self-disclosure had higher trust, usefulness, and usage intention in social-oriented dialogues. These results suggest that researchers and designers should consider the specific dialogue types and corresponding user goals when adding human qualities, such as self-disclosure, to CAs.

• 방송공학회논문지
• /
• 제24권1호
• /
• pp.58-66
• /
• 2019

대화 문장 내 고유명사와 같은 개체명에 대한 인식 연구는 효율적 대화 정보 예측을 위한 가장 기본적이며 중요한 연구 분야이다. 목적 지향 대화 시스템에서 가장 주요한 부분은 대화 내 객체가 어떤 속성을 가지고 있느냐 하는 것을 인지하는 것이다. 개체명 인식모델은 대화 문장에 대하여 전처리, 단어 임베딩, 예측 단계를 통해 개체명 인식을 진행한다. 본 연구는 효율적인 대화 정보 예측을 위해 전처리 단계에서 사용자 정의 사전을 이용하고 단어 임베딩 단계에서 최적의 파라미터를 발견하는 것을 목표로 한다. 그리고 설계한 개체명 인식 모델을 실험하기 위해 생활 화학제품 분야를 선택하고 관련 도메인 내 목적 지향 대화 시스템에서 적용 할 수 있는 개체명 인식 모델을 구축하였다.

• 인지과학
• /
• 제17권2호
• /
• pp.139-150
• /
• 2006

음성 대화 시스템에서 음성 인식 오류는 전체 시스템의 치명적인 결과를 초래한다. 음성 인식 오류가 부분적으로 발생하여 화행 분석이 실패했을 때 시스템은 원활한 대화를 진행할 수 없다. 본 논문은 양식 채우기 대화 형식에서 발생하는 음성 인식 오류 유형에 따라 시스템이 사용자 발화의 화행을 추론하기 위한 부대화 생성 전략을 제안한다. 제안하는 방법을 계획기반 대화 모델로 구현하여 실험하였고, 사용자 작업 실패 오류의 약27%를 보완하여 성능을 향상시켰으며 전체 시스템의 사용자 작업 성공률은 약 89%이다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권11호
• /
• pp.499-506
• /
• 2017

목적 지향 대화 시스템에서 자유대화를 지원하기 위해 챗봇이 활용되고 있다. 그러나 목적지향 대화시스템을 위한 챗봇과 독립 챗봇에 대한 사용자 기대와 평가가 같은지에 대한 연구는 거의 없는 상황이다. 본 논문에서는 목적지향 대화시스템으로 구현한 영어 교육용 대화시스템에서, 대화의 자유도를 높이기 위하여 주제외 사용자 발화를 허용하고, 이에 대응하기 위한 챗봇을 개발하였다. 독립 챗봇과 보조 시스템으로서의 챗봇에 대하여 비교 평가함으로, 서로 다른 시스템에 대한 사용자의 서로 다른 기대를 살펴보았다. 또한 검색 기반 챗봇과 신경망 기술을 이용한 생성 기반 챗봇에 대한 비교 평가를 통해 이들의 장단점과 향후 활용 방안에 대하여 살펴보았다.

• 대한음성학회:학술대회논문집
• /
• 대한음성학회 2007년도 한국음성과학회 공동학술대회 발표논문집
• /
• pp.330-333
• /
• 2007

This paper presents a dialogue interface using the dialogue management system as a method for controlling home appliances in Home Network Services. In order to realize this type of dialogue interface, we annotated 96,000 utterance pair sized dialogue set and developed an example-based dialogue system. This paper introduces the automatic error correction module for the SMS-styled sentence. With this module we increase the accuracy of NLU(Natural Language Understanding) module. Our NLU module shows an accuracy of 86.2%, which is an improvement of 5.25% over than the baseline. The task completeness of the proposed SMS dialogue interface was 82%.

• 방송공학회논문지
• /
• 제27권5호
• /
• pp.685-693
• /
• 2022

디지털 전환과 비대면 소통 플랫폼에 대한 요구로 메타버스가 주목받고 있지만, 원활한 의사소통을 돕는 대화 시스템이 아직 메타버스에서는 널리 적용되지 않았다. 본 연구에서는 메타버스에 대화 시스템을 적용하는 경우 메타버스에서의 주변 상황에 대한 정보를 이용하여 기존의 대화 상태를 수정하는 방법을 제안한다. 대화와 상황에 대한 정보를 모두 활용하는 본 모델은 대화 상태를 추적하는 모듈과 상황 상태를 추적하는 모듈, 그리고 추적한 상황 상태와 대화 상태를 비교하여 수정하는 알고리즘으로 구성된다. 사용자의 의도를 재확인하는 대화가 추가됨에 따라 잘못된 대화 상태를 수정할 수 있고, 대화 시스템의 정확도 향상이 가능하다.

• 대한음성학회:학술대회논문집
• /
• 대한음성학회 2006년도 추계학술대회 발표논문집
• /
• pp.109-112
• /
• 2006

This paper presents a dialogue interface using the dialogue management system as a method for controlling home appliances in Home Network Services. In order to realize this type of dialogue interface, we first investigated the user requirements for Home Network Services by analyzing the dialogues entered by users. Based on the analysis, we were able to extract 15 user intentions and 22 semantic components. In our study, example dialogues were collected from WOZ (Wizard-of-OZ) environment to implement a reasoning model for generating meaningful responses for example-based dialogue modeling technique. An overview of the Home Network Control System using proposed dialogue interface will be presented. Lastly, we will show that the Dialogue Management System trained with our collected dialogues behaves properly to achieve its task of controlling Home Network appliances by going through the steps of natural language understanding, response reasoning, response generation.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2017년도 제29회 한글 및 한국어 정보처리 학술대회
• /
• pp.56-59
• /
• 2017

CNN(Convolutional Neural Network)을 이용하여 발화 주제 다중 분류 task를 multi-labeling 방법과, cluster 방법을 이용하여 수행하고, 각 방법론에 MSE(Mean Square Error), softmax cross-entropy, sigmoid cross-entropy를 적용하여 성능을 평가하였다. Network는 음절 단위로 tokenize하고, 품사정보를 각 token의 추가한 sequence와, Naver DB를 통하여 얻은 named entity 정보를 입력으로 사용한다. 실험결과 cluster 방법으로 문제를 변형하고, sigmoid를 output layer의 activation function으로 사용하고 cross entropy cost function을 이용하여 network를 학습시켰을 때 F1 0.9873으로 가장 좋은 성능을 보였다.