한국어정보학회:학술대회논문집
- 2016.10a
- /
- Pages.128-133
- /
- 2016
Measuring Sentence Similarity using Morpheme Embedding Model and GRU Encoder for Question and Answering System
질의응답 시스템에서 형태소임베딩 모델과 GRU 인코더를 이용한 문장유사도 측정
- Lee, DongKeon (Korea Advanced Institute of Science and Technology (KAIST), School of computing) ;
-
Oh, KyoJoong
(Korea Advanced Institute of Science and Technology (KAIST), School of computing) ;
-
Choi, Ho-Jin
(Korea Advanced Institute of Science and Technology (KAIST), School of computing) ;
-
Heo, Jeong
(Electronics and Telecommunications Research Institute (ETRI), Knowledge Mining Team)
- 이동건 (한국과학기술원(KAIST) 전산학부) ;
-
오교중
(한국과학기술원(KAIST) 전산학부) ;
-
최호진
(한국과학기술원(KAIST) 전산학부) ;
-
허정
(한국전자통신연구원(ETRI) 지식마이닝팀)
- Published : 2016.10.07
Abstract
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 형태소임베딩 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.