질의응답 시스템에서 형태소임베딩 모델과 GRU 인코더를 이용한 문장유사도 측정

Cited 0 time in webofscience Cited 0 time in scopus
  • Hit : 373
  • Download : 1341
문장유사도 분석은 문서 평가 자동화에 활용될 수 있는 중요한 기술이다. 최근 순환신경망을 이용한 인코더-디코더 언어 모델이 기계학습 분야에서 괄목할만한 성과를 거두고 있다. 본 논문에서는 한국어 형태 소임베딩 모델과 GRU(Gated Recurrent Unit)기반의 인코더를 제시하고, 이를 이용하여 언어모델을 한국어 위키피디아 말뭉치로부터 학습하고, 한국어 질의응답 시스템에서 질문에 대한 정답을 유추 할 수 있는 증거문장을 찾을 수 있도록 문장유사도를 측정하는 방법을 제시한다. 본 논문에 제시된 형태소임베딩 모델과 GRU 기반의 인코딩 모델을 이용하여 문장유사도 측정에 있어서, 기존 글자임베딩 방법에 비해 개선된 결과를 얻을 수 있었으며, 질의응답 시스템에서도 유용하게 활용될 수 있음을 알 수 있었다.
Publisher
정보과학회 언어공학연구회
Issue Date
2016-10-08
Language
Korean
Citation

제28회 한글 및 한국어정보처리학술대회 (HCLT 2016)

URI
http://hdl.handle.net/10203/219384
Appears in Collection
CS-Conference Papers(학술회의논문)
Files in This Item
이동건HCLT2016_질의응답 시스템에서 형태소임베딩 모델과 GRU 인코더를 이용한 문장유사도 측정.pdf(595.87 kB)Download

qr_code

  • mendeley

    citeulike


rss_1.0 rss_2.0 atom_1.0