• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.512-516
• /
• 2022

페르소나 기반의 대화 시스템은 일관적인 대화를 수행할 수 있어 많은 관심을 받고 있다. 영어권에서 구축된 페르소나 대화 데이터셋은 서로의 페르소나를 알아가기 보다는 자신의 페르소나에 대해서만 말하는 경향을 보이며 이는 상대방의 말을 이해하여 관련 대화를 진행하는 대화의 특성을 반영하지 못한다. 본 연구에서는 회사 방문객이 안내 시스템과 대화하는 상황을 가정하여 안내 시스템이 주도적으로 방문객의 페르소나를 묻고 관련 대화를 수행하는 데이터셋을 구축함과 동시에 목적지향 대화 시스템의 대화 관리 프레임워크를 기반으로 시스템 주도적인 대화를 모델링하는 페르소나 대화 관리 모델을 제안한다. 실험을 통해 제안한 대화 관리 모델의 대화 이해 및 정책 성능을 검증하고 방문객의 페르소나를 예측할 때 대화 정책의 성능이 향상됨을 보임으로써 구축한 데이터셋이 이해와 정책이 포함된 대화의 특성을 반영하는 것을 확인한다.

• Journal of Broadcast Engineering
• /
• v.24 no.1
• /
• pp.48-57
• /
• 2019

The purpose of this study is to understand the intention of the inquirer from the single text type question in Goal-oriented dialogue. Goal-Oriented Dialogue system means a dialogue system that satisfies the user's specific needs via text or voice. The intention analysis process is a step of analysing the user's intention of inquiry prior to the answer generation, and has a great influence on the performance of the entire Goal-Oriented Dialogue system. The proposed model was used for a daily chemical products domain and Korean text data related to the domain was used. The analysis is divided into a speech-act which means independent on a specific field concept-sequence and which means depend on a specific field. We propose a classification method using the word embedding model and the CNN as a method for analyzing speech-act and concept-sequence. The semantic information of the word is abstracted through the word embedding model, and concept-sequence and speech-act classification are performed through the CNN based on the semantic information of the abstract word.

• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.644-647
• /
• 2023

대화 시스템에서 대화 상태 추적은 사용자와의 대화를 진행하면서 사용자의 의도를 파악하여 시스템 응답을 결정하는데 있어서 중요한 역할을 수행한다. 특히 목적지향(task-oriented) 대화에서 사용자 목표(goal)를 만족시키기 위해서 대화 상태 추적은 필수적이다. 최근 다양한 자연어처리 다운스트림 태스크들이 사전학습 언어모델을 백본 네트워크로 사용하고 그 위에서 해당 도메인 태스크를 미세조정하는 방식으로 좋은 성능을 내고 있다. 본 논문에서는 한국어 토큰-프리(token-free) 사전학습 언어모델인 KeByT5B 사용하고 종단형(end-to-end) seq2seq 방식으로 미세조정을 수행한 한국어 생성 기반 대화 상태 추적 모델을 소개하고 관련하여 수행한 실험 결과를 설명한다.

• Journal of Broadcast Engineering
• /
• v.24 no.1
• /
• pp.58-66
• /
• 2019

Recognition of named entity such as proper nouns in conversation sentences is the most fundamental and important field of study for efficient conversational information prediction. The most important part of a task-oriented dialogue system is to recognize what attributes an object in a conversation has. The named entity recognition model carries out recognition of the named entity through the preprocessing, word embedding, and prediction steps for the dialogue sentence. This study aims at using user - defined dictionary in preprocessing stage and finding optimal parameters at word embedding stage for efficient dialogue information prediction. In order to test the designed object name recognition model, we selected the field of daily chemical products and constructed the named entity recognition model that can be applied in the task-oriented dialogue system in the related domain.

• Journal of Broadcast Engineering
• /
• v.27 no.5
• /
• pp.685-693
• /
• 2022

The Metaverse is getting popular due to the demands for digital transformation and non-contact communication platforms. A conversation system which facilitates communication is not widely applied yet in Metaverse. In this work, we present a method that revises primitive dialogue state using circumstance information from Metaverse. The presented model that leverages both dialogue and circumstance information consists of a dialogue state tracking module and a circumstance state tracking module. In the model, a dialogue state is updated with an algorithm which compares a dialogue state and a circumstance state. As a conversation that reaffirms user intent is added, a wrong dialogue state can be revised and the accuracy of a conversation system can be improved.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.361-364
• /
• 2021

지식 기반 다중 대화 시스템은 지식 정보를 포함한 응답을 생성하는 대화 시스템이다. 이 시스템은 응답 생성에 필요한 지식 정보를 찾아내는 지식 선택 작업과 찾아낸 지식 정보를 바탕으로 문맥을 고려한 응답을 생성하는 응답 생성 작업으로 구성된다. 본 논문에서는 지식 선택 작업을 기계독해 프레임워크에 적용하여 해결하는 방법을 제안한다. 지식 선택 작업은 여러 개의 발화로 이루어진 대화 기록을 바탕으로 지식 문서 내에 존재하는 지식을 찾아내는 작업이다. 본 논문에서는 대화 기록 모델링 계층을 활용해 마지막 발화와 관련 있는 대화 기록을 찾아내고, 주의 집중 풀링 계층을 활용해 긴 길이의 지식을 효과적으로 추출하는 방법을 제안한다. 실험 결과, 목적지향 지식 문서 기반 대화 데이터 셋인 Doc2dial 데이터의 지식 선택 작업에서 F1 점수 기준 76.52%, EM 점수 기준 66.21%의 성능을 기록해 비교 모델 보다 높은 성능을 기록하는 것을 확인할 수 있었다.

• Proceedings of the Korean Society for Cognitive Science Conference
• /
• 2006.06a
• /
• pp.87-90
• /
• 2006

목적 지향 대화에서, 사용자의 의도는 화행(speech acts)과 개념열(concept sequences)로 나타낼 수 있다. 화행은 대화의 영역과는 상관없이 표현되는 정보이고, 개념열은 영역과 깊은 관련을 지닌 정보이다. 대화시스템에서 화행과 개념열로 구성되는 사용자의 의도를 정확히 파악하는 것은 시스템이 사용자의 발화에 정확히 응대하는 데에 매우 중요하다. 본 논문에서는 일정관리 영역에서의 대화를 대상으로 화행과 개념열을 분류하고 신경망을 사용하여 이들을 분석한다. 화행과 개념열로 구성되는 의도 분석에 사용하는 자질은 크게 문맥 자질과 문장 자질로 분류되며, 문장자질은 카이제곱 통계량을 사용하여 사용자의 의도 분석에 효과적인 자질만을 선택하여 사용하고 문맥자질로는 이전 발화에 대한 정보를 활용한다. 신경망을 사용하여 사용자 의도 분석을 수행한 결과 성능이 우수함을 알 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.06c
• /
• pp.204-208
• /
• 2007

대화시스템은 사용자가 자연언어를 사용하여 해당 시스템과 필요한 정보를 주고받는 목적 지향적 에이전트로서 활용되어 왔다. 이러한 대화형 에이전트는 사용자의 입력으로부터 필요한 정보를 정확하게 추출함으로써 이후 처리단계에서의 결과를 향상시킬 수 있다. 본 논문에서는 항공여행관련 대화에서 발생하는 예약정보들 중에서 경유정보, 특히 경유하는 시간 및 날짜에 대한 정보를 효과적으로 추출하는 방법에 대해서 다룬다. 출발 도착정보와 경유정보를 계층적으로 분류하고, 현재 발화되고 있는 문장보다 선행되고 있는 문장들의 예약정보들을 문맥정보로 사용하여 현재 문장에서 추출하고자 하는 정보들을 학습하고 평가하였다. 이를 통해서 얻어진 결과는 출발.도착 및 경유정보를 동시에 고려했을 때보다 효과적인 학습 성능을 보였으며 실제로 시간정보에 대해서는 81.5%, 날짜정보에 대해서는 92.0%의 정확도를 보였다.

• Journal of Christian Education in Korea
• /
• v.70
• /
• pp.141-173
• /
• 2022

The purpose of this study is to illuminate depersonalization in the flow of technological revolution and to present a Christian SARAMDAUM education that aims for a new human image. It represents the Christian SARAMDAUM education that adapts to, mediates, and offers alternatives to the technological and human evolutionary flow of the machine age. The purpose of education for this purpose is to aim for 'Homo Creators', creative human beings presented as a new human image in the age of technological revolution. The educational goal is to nurture creative human beings through creative interpretation, creative integration between disciplines, and personal dialogue in the post-mechanical/ post-conventional paradigm. The content of the education is a conversation with the SARAMDAUM that consiliences the characteristics of post-machine and post-convention. The educational method utilizes Edu-Tech and AIED(Artificial Intelligence in Education) to realize systemic thinking and SARAMDAUM dialogue of technology. In addition, the composition of teachers and learners, educational environment and educational evaluation is presented. The significance of this study is that from the point of view of Christian education, the identity of human beings in the era of the technological revolution has been identified, and research on the creative image of the human being is newly attempted, and the direction of Christian SARAMDAUM education aimed at this is presented. This can be said to be a Christian education that emphasizes the essential characteristics of human beings while accommodating the era of technological revolution.

• Journal of Intelligence and Information Systems
• /
• v.28 no.3
• /
• pp.45-55
• /
• 2022

Recently, large-scale language models (LPLM) have been shown state-of-the-art performances in various tasks of natural language processing including intent classification. However, fine-tuning LPLM requires much computational cost for training and inference which is not appropriate for dialog system. In this paper, we propose compressed intent classification model for multi-agent in low-resource like CPU. Our method consists of two stages. First, we trained sentence encoder from LPLM then compressed it through knowledge distillation. Second, we trained agent-specific adapter for intent classification. The results of three intent classification datasets show that our method achieved 98% of the accuracy of LPLM with only 21% size of it.