RISS 검색 - 국내학술지논문 상세보기

국문 초록 (Abstract)

대화에서 화자의 의도는 감정, 화행, 그리고 서술자로 표현될 수 있다. 따라서 사용자 질의에 정확하게 응답하기 위해서 대화 시스템은 발화에 내포된 감정, 화행, 그리고 서술자를 파악해야...

대화에서 화자의 의도는 감정, 화행, 그리고 서술자로 표현될 수 있다. 따라서 사용자 질의에 정확하게 응답하기 위해서 대화 시스템은 발화에 내포된 감정, 화행, 그리고 서술자를 파악해야한다. 많은 이전 연구들은 감정, 화행, 서술자를 독립된 분류 문제로 다뤄왔다. 그러나 몇몇 연구에서는 감정, 화행, 서술자가 서로 연관되어 있음을 보였다. 본 논문에서는 Convolutional Neural Netowork를 이용하여 감정, 화행, 서술자를 동시에 분석하는 통합 모델을 제안한다. 제안 모델은 특정 추상화 계층과, 공유 추상화 계층으로 구성된다. 특정 추상화 계층에서는 감정, 화행, 서술자의 독립된 정보가 추출되고 공유 추상화 계층에서 독립된 정보들의 조합이 추상화된다. 학습 시 감정의 오류, 화행의 오류, 서술자의 오류는 부분적으로 역 전파 된다. 제안한 통합 모델은 실험에서 독립된 모델보다 좋은 성능(감정 +2%p, 화행 +11%p, 서술자+3%)을 보였다.

다국어 초록 (Multilingual Abstract)

In dialogues, speakers’ intentions can be represented by sets of an emotion, a speech act, and a predicator. Therefore, dialogue systems should capture and process these implied characteristics of utterances. Many previous studies have considered such determination as independent classification problems, but others have showed them to be associated with each other. In this paper, we propose an integrated model that simultaneously determines emotions, speech acts, and predicators using a convolution neural network. The proposed model consists of a particular abstraction layer, mutually independent informations of these characteristics are abstracted. In the shared abstraction layer, combinations of the independent information is abstracted. During training, errors of emotions, errors of speech acts, and errors of predicators are partially back-propagated through the layers. In the experiments, the proposed integrated model showed better performances (2%p in emotion determination, 11%p in speech act determination, and 3%p in predicator determination) than independent determination models.

참고문헌 (Reference)

1 김학수, "능동학습법을 이용한 한국어 대화체 문장의 효율적 의미 구조 분석" 한국정보과학회 35 (35): 306-312, 2008

2 M. Kim, "User Utterance Analysis using Convolutional Neural Network" 21 : 5-7, 2017

3 S. Joty, "Speech act modeling of written asynchronous conversations with task-specific embeddings and conditional structured models" 7-12, 2016

4 R. Collobert, "Natural language processing(almost)from scratch" 12 : 2493-2537, 2011

5 C. Seon, "Improving Domain Action Classification in Goal-oriented Dialogues Using a Mutual Retraining Method" 45 : 154-160, 2014

6 T. Mikolov, "Extensions of recurrent neural network language model" 5528-5531, 2011

7 Y. Goldberg, "Explained : deriving Mikolov et al. ‘s negative-sampling word-embedding method"

8 X. Wang, "Combination of convolutional and recurrent neural network for sentiment analysis of short texts" 2428-2437, 2016

9 이현정, "An Integrated Neural Network Model for Domain Action Determination in Goal-Oriented Dialogues" 한국정보처리학회 9 (9): 259-270, 2013

10 C. Lee, "A situation-based dialoogue management using dialogue examples" 69-72, 2006