• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.457-460
• /
• 2021

대화 시스템은 인공지능과 사람이 자연어로 의사 소통을 하는 시스템으로 크게 목적 지향 대화와 일상대화 시스템으로 연구되고 있다. 목적 지향 대화 시스템의 경우 날씨 확인, 호텔 및 항공권 예약, 일정 관리 등의 사용자가 생활에 필요한 도메인들로 이루어져 있으며 각 도메인 별로 목적에 따른 시나리오들이 존재한다. 이러한 대화는 사용자에게 명확한 발화을 제공할 수 있으나 자연스러움은 떨어진다. 일상 대화의 경우 다양한 도메인이 존재하며, 시나리오가 존재하지 않기 때문에 사용자에게 자연스러운 발화를 제공할 수 있다. 또한 일상 대화의 경우 검색 기반이나 생성 기반으로 시스템이 개발되고 있다. 검색 기반의 경우 발화 쌍에 대한 데이터베이스가 필요하지만, 생성 기반의 경우 이러한 데이터베이스가 없이 모델의 Language Modeling (LM)으로 부터 생성된 발화에 의존한다. 따라서 모델의 성능에 따라 발화의 품질이 달라진다. 최근에는 사전학습 모델이 자연어처리 작업에서 높은 성능을 보이고 있으며, 일상 대화 도메인에서도 역시 높은 성능을 보이고 있다. 일상 대화에서 가장 높은 성능을 보이고 있는 사전학습 모델은 Auto Regressive 기반 생성모델이고, 한국어에서는 대표적으로 KoGPT2가 존재한다. 그러나, KoGPT2의 경우 문어체 데이터만 학습되어 있기 때문에 대화체에서는 낮은 성능을 보이고 있다. 본 논문에서는 대화체에서 높은 성능을 보이는 한국어 기반 KoDialoGPT2를 개발하였고, 기존의 KoGPT2보다 높은 성능을 보였다.

• Annual Conference on Human and Language Technology
• /
• 2018.10a
• /
• pp.95-100
• /
• 2018

채팅 시스템을 잘 만들기 위해서는 양질, 대량의 채팅 말뭉치가 굉장히 중요하지만 구축 시 많은 비용이 발생한다는 어려움이 있었다. 따라서 본 논문에서는 영화 자막, 극대본과 같이 대량의 발화 데이터를 이용하여 채팅 말뭉치를 반자동으로 확장하는 방법을 제안한다. 채팅 말뭉치 확장을 위해 미리 구축된 채팅 말뭉치와 유사도 기법을 이용하여 채팅 유사도를 구하고, 채팅 유사도가 실험을 통해 얻은 임계값보다 크다면 올바른 채팅쌍이라고 판단하였다. 그리고 길이가 매우 짧은 채팅성 발화의 채팅 유사도를 효과적으로 계산하기 위해 본 논문에서 제안하는 것은 형태소 단위 임베딩 벡터와 합성곱 신경망 모델을 이용하여 발화 단위 표상을 생성하는 것이다. 실험 결과 기본 발화 단위 표상 생성 방법인 TF를 이용하는 것보다 정확률, 재현율, F1에서 각각 5.16%p, 6.09%p, 5.73%p 상승하여 61.28%, 53.19%, 56.94%의 성능을 가지는 채팅 말뭉치 반자동 구축 모델을 생성할 수 있었다.

• Journal of the Korea Society of Computer and Information
• /
• v.13 no.6
• /
• pp.263-271
• /
• 2008

This paper presents a Korean conversational agent system in a mobile environment using natural language processing techniques. The aim of a conversational agent in mobile environment is to provide natural language interface and enable more natural interaction between a human and an agent. Constructing such an agent, it is required to develop various natural language understanding components and effective utterance generation methods. To understand spoken style utterance, we perform morphosyntactic analysis, shallow semantic analysis including modality classification and predicate argument structure analysis, and to generate a system utterance, we perform example based search which considers lexical similarity, syntactic similarity and semantic similarity.

• Annual Conference on Human and Language Technology
• /
• 2018.10a
• /
• pp.25-30
• /
• 2018

기존의 검색 기반 챗봇 시스템과 다르게 생성 기반 챗봇 시스템은 사전에 정의된 응답에 의존하지 않고 채팅 말뭉치를 학습한 신경망 모델을 사용하여 응답을 생성한다. 생성 기반 챗봇 시스템이 사람과 같이 자연스러운 응답을 생성하려면 이전 문맥을 반영해야 할 필요가 있다. 기존 연구에서는 문맥을 반영하기 위해 이전 문맥과 입력 발화를 통합하여 하나의 벡터로 표현했다. 이러한 경우 이전 문맥과 입력 발화가 분리되어 있지 않아 이전 문맥이 필요하지 않는 경우 잡음으로 작용할 수 있다. 본 논문은 이러한 문제를 해결하기 위해 입력 발화와 이전 문맥을 각각의 벡터로 표현하는 방법을 제안한다. 또한 생성적 적대적 신경망을 통해 챗봇 시스템을 보강하는 방법을 제안한다. 채팅 말뭉치(55,000 개의 학습 데이터, 5,000개의 검증 데이터, 5,260 개의 평가 데이터)를 사용한 실험에서 제안한 문맥 반영 방법과 생성적 적대적 신경망을 통한 챗봇 시스템 보강 방법은 BLEU와 임베딩 기반 평가의 성능 향상에 도움을 주었다.

• Journal of KIISE:Software and Applications
• /
• v.32 no.10
• /
• pp.990-1002
• /
• 2005

To generate coherent texts, it is important to produce appropriate pronouns to refer to previously-mentioned things in a discourse. Specifically, we focus on pronominalization by zero pronouns which frequently occur in Korean. This paper investigates zero pronouns in Korean based on the cost-based centering theory, especially focusing on the center transitions of adjacent utterances. In previous centering works, only one type of nominal entity has been considered as the target of pronominalization, even though other entities are frequently pronominalized as zero pronouns. To resolve this problem, and explain the reference phenomena of real texts, four types of nominal entity (Npair, Ninter, Nintra, and Nnon) from centering theory are defined with the concept of inter-, intra-, and pairwise salience. For each entity type, a case study of zero phenomena is performed through analyzing corpus and building a pronominalization model. This study shows that the zero phenomena of entities which have been neglected in previous centering works are explained via the renter transition of the second previous utterance. We also show that in Ninter, Nintra, and Nnon, pronominalization accuracy achieved by complex combination of several types of features is completely or nearly achieved by using the second previous utterance's transition across genres.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.456-459
• /
• 2019

대화 행위는 단순한 발화 문장들의 교환을 넘어 발화자들의 다양한 주변 정보를 고려한 종합적인 판단의 결과로 볼 수 있다. 본 논문은 여섯 가지 유형의 외부 상황 정보를 기반으로 적응적 발언을 생성하는 딥러닝 기반 대화 모델을 소개한다. 직접 구축한 상황 정보들이 태깅된 대화 데이터를 바탕으로, 외부 상황 정보를 사용자 발화와 더불어 활용하는 다양한 구조의 신경망 구조를 가지는 모델과 더불어 외부 상황 정보를 사용하지 않는 모델과의 성능에 대해 비교한다. 실험 결과들은 대화 모델의 발화 생성에 있어서 상황 정보 활용의 중요성을 보여준다.

• 한국방재학회:학술대회논문집
• /
• 2011.02a
• /
• pp.63-63
• /
• 2011

화재란 사람의 의도에 반하거나 고의에 의해 발생하는 연소현상으로서 소화시설 등을 사용하여 소화할 필요가 있는 것을 말한다. 사람의 의도에 반한다고 하는 것은 과실에 의한 화재를 의미하며 화기취급 중 발생하는 실화뿐만 아니라 부작위에 의한 자연발화도 포함하며, 고의에 의한다고 하는 것은 일정한 대상에 대하여 피해발생을 목적으로 화재발생을 유도하였거나 직접 방화한 경우를 말한다. 연소현상이라 함은 가연성 물질이 산소와 결합하여 열과 빛을 내며 급속히 산화되어 형질이 변경되는 화학반응을 말한다. 소화시설 등을 사용하여 소화할 필요가 있다는 것은 화재란 연소현상으로서 소화의 필요성이 있어야 하며 소화의 필요성의 정도는 소화시설이나 그와 유사한 정도의 시설을 사용할 수준 이상이어야 한다. 화재원인조사란 발화부를 판단하고 화재에 이르게 된 발화원을 규명하며, 발화부로부터 연소확대된 경과를 조사하는 일련의 행위로서 화재원인조사시 가장 중요한 사항은 발화부 판단인 바, 이는 화재원인이 발화부에만 존재하기 때문이다. 최근에는 다양한 소재의 사용으로 인해 일단 화재로 진행될 경우 인명 및 재산상 피해가 증가하게 되어 있으며, 이로 인해 화재조사시 화학, 물리, 전기, 건축, 기계, 소방 등 다양한 지식과 화재현장에 대한 이해가 요구된다. 화재현장 조사시 발화부 판단의 과학적 접근은 매우 중요한 것으로서, 화재원인의 명쾌한 규명으로 책임한계 구분은 물론, 유사사고의 재발방지를 위한 연구가 필요하다. 본 연구에서는 기 발생한 화재사례에서 얻은 화재패턴을 분석하여 얻은 자료를 통해 발화부를 판단할 수 있는 조사방법을 다음과 같이 제시하였다. 1) 화재시 열전달과 화염확산 과정에서 건축구조물, 내장재, 집적물 및 각종 설치물의 구조, 재질 등에 따라 다양한 화재패턴을 형성하게 됨을 알 수 있다. 2) 화재패턴의 종류로는 화재플럼에 의한 삼각형, 주상, V, U 패턴 등이 있으며, 연소 생성물인 화염, 연기, 열 등에 의해 다양한 형태를 보임을 알 수 있다. 3) 위와 같은 결과를 종합하여 연소의 상승성, 불꽃 및 연기 흔적, 열에 의한 흔적 등에 의해 연소의 방향성을 알 수 있다. 4) 결국 화재현장에서 명확한 화재원인을 규명하기 위해서는 화재패턴에 의해 연소확대과정을 역으로 추적하여 발화부를 결정한 다음, 발화부내에서 화재원인을 찾아내야 할 것이다.

• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.571-576
• /
• 2023

본 연구에서는 인권의 측면에서 AI 모델이 향상된 답변을 제시할 수 있는 방안을 모색하기 위해서 AI가 인권의 문제를 고민하는 전문가와 자신의 문제를 해결하고자 하는 사용자 사이에서 어느 정도로 도움을 줄 수 있는가를 정량적, 정성적으로 검증했다. 구체적으로는 국가인권위원회의 결정례와 상담사례를 분석한 후 이를 바탕으로 좀 더 나은 답변은 무엇인지에 대해 고찰하기 위해서 인권과 관련된 질의 응답 세트를 만든다. 질의 응답 세트는 인권 코퍼스를 학습한 모델과 그렇지 않은 모델의 생성 결과를 바탕으로 한다. 또한 생성된 질의 응답 세트를 바탕으로 설문을 실시하여 전문적인 내용을 담은 문장에 대한 선호도를 분석한다. 본 논문은 대화형 생성 모델이 인권과 관련된 주제에 대해서도 선호되는 답변을 제시할 수 있는가에 대한 하나의 대안이 될 수 있을 것이다.

• 한국어정보학회:학술대회논문집
• /
• 2017.10a
• /
• pp.288-293
• /
• 2017

교수-학습 발화는 발화 턴 간에 규칙화된 인과관계가 강하고 자연 발화에서의 출현율이 낮다. 일반적으로 어휘부, 표현 제시부, 대화부로 구성되며 커리큘럼과 화제에 따라 구축된 언어자원이 필요하다. 기존의 말뭉치는 이러한 교수-학습 발화의 특징을 반영하지 않았기 때문에 한국어 교육용 튜터링 챗봇을 개발하는 데에 활용도가 떨어진다. 이에 따라 이 논문에서는 자연스러운 언어 사용 수집, 도구 기반의 수집, 주제별 수집 및 분류, 점진적 구축 절차의 원칙에 따라 교수-학습의 실제 상황을 반영하는 준구어 말뭉치를 구축한다. 교실에서 발생하는 언어학습 상황을 시나리오로 구성하여 대화 흐름을 제어하고 채팅용 메신저와 유사한 형태의 도구를 통해 말뭉치를 구축한다. 이 연구는 한국어 튜터링 챗봇을 개발하기 위해 말뭉치 구축용 챗봇과 한국어 학습자, 한국어 교수자가 시나리오를 기반으로 발화문을 생성한 준구어 말뭉치를 최초로 구축한다는 데에 의의가 있다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.399-400
• /
• 2023

본 프로젝트는 ChatGPT와 카카오톡 채널 챗봇을 사용하여 초등학생 대상의 학교폭력 예방교육을 위한 대화형 챗봇을 개발한다. 이를 위해, 한림대학교 간호대학에서 제공받은 학교폭력 예방교육 자료를 기반으로 ChatGPT를 사용하여 데이터를 증강하였고, AWS RDS의 데이터베이스에 사용자의 예상 발화와 그에 대한 답변을 저장하였다. 그리고 AWS Lambda에 REST API를 구현하고, AWS API Gateway를 통해 카카오톡 채널 챗봇과 연결하였다. 사용자가 발화를 입력하면 발화를 포함한 요청이 AWS Lambda로 전달되고, ChatGPT를 사용해 답변을 생성하며 데이터베이스에 저장된 데이터와 코사인 유사도를 비교한다. 이때 기준치보다 유사도가 높다면 저장되어 있던 데이터를 반환하고, 낮다면 생성된 답변을 반환한다. 이후 반환된 답변을 카카오톡 채널 챗봇으로 전달해 사용자에게 출력한다.