• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2018년도 제30회 한글 및 한국어 정보처리 학술대회
• /
• pp.273-277
• /
• 2018

기계가 주어진 텍스트를 이해하고 추론하는 능력을 기계독해 능력이라 한다. 기계독해는 질의응답 태스크에 적용될 수 있는데 이것을 기계독해 질의응답이라 한다. 기계독해 질의응답은 주어진 질문과 문서를 이해하고 이를 기반으로 질문에 적합한 답을 출력하는 태스크이다. 본 논문에서는 구조화된 표 형식 데이터로부터 질문에 대한 답을 추론하는 TableQA 태스크를 소개하고, $S^3-NET$을 이용하여 TableQA 문제를 해결할 것을 제안한다. 실험 결과, 본 논문에서 제안한 방법이 EM 96.36%, F1 97.04%로 우수한 성능을 보였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2014년도 제26회 한글 및 한국어 정보처리 학술대회
• /
• pp.119-121
• /
• 2014

커뮤니티 질의응답 시스템(cQA)은 기존에 구축된 '질문-답' 쌍에서 사용자의 질문과 비교하여 유사도 순으로 결과를 보여주는 시스템이다. 본 논문에서는 '국립국어원'의 질의응답 게시판에 적용 가능한 '커뮤니티 질의응답 시스템'을 소개하고, 국립국어원 질의응답 게시판의 질문 특성을 분석하여 cQA의 성능 향상을 위한 자질 추출 방법을 제시한다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.141-145
• /
• 2022

다중 문서 기반 대화 시스템에서 응답 시스템은 올바른 답변을 생성하기 위해서 여러 개의 문서 중 질문과 가장 관련 있는 문서를 검색하는 것부터 시작해야 한다. DialDoc 2022 Shared Task[1]를 비롯한 최근의 연구들은 대화 시스템의 문서 검색 과정을 위해 Dense Passage Retrieval(DPR)[2] 모델을 사용하고 있으며 검색기의 성능 개선을 위해 Re-ranking과 Hard negative sampling 같은 방법들이 연구되고 있다. 본 논문에서는 문서에 기반하는 대화 데이터의 양이 적거나 제한될 경우, 주어진 데이터를 효율적으로 활용해 보고자 검색기를 생성 모델을 이용하여 문서의 엔티티를 기반으로 질문을 생성하고 기존 데이터에 증강하는 방법을 제시했으며 실험의 결과로 MRR metric의 경우 0.96 ~ 1.56의 성능 향상을, R@1 metric의 경우 1.2 ~ 1.57의 성능 향상을 확인하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2020년도 제32회 한글 및 한국어 정보처리 학술대회
• /
• pp.554-558
• /
• 2020

최근 사전학습 모델의 발달로 기계독해 시스템 성능이 크게 향상되었다. 하지만 기계독해 시스템은 주어진 단락에서 질문에 대한 정답을 찾기 때문에 단락을 직접 검색해야하는 실제 환경에서의 성능 하락은 불가피하다. 즉, 기계독해 시스템이 오픈 도메인 환경에서 높은 성능을 보이기 위해서는 높은 성능의 검색 모델이 필수적이다. 따라서 본 논문에서는 검색 모델의 성능을 보완해 줄 수 있는 오픈 도메인 기계독해를 위한 단락 재순위화 모델을 제안한다. 제안 모델은 합성곱 신경망을 이용하여 질문과 단락을 구절 단위로 표현했으며, N-gram 구절 사이의 상호 주의 집중을 통해 질문과 단락 사이의 관계를 효과적으로 표현했다. KorQuAD를 기반으로한 실험에서 제안모델은 MRR@10 기준 93.0%, Top@1 Precision 기준 89.4%의 높은 성능을 보였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2019년도 제31회 한글 및 한국어 정보처리 학술대회
• /
• pp.321-325
• /
• 2019

오픈 도메인 질의응답이란, 질문을 줬을 때 그 질문과 연관성이 높은 문서를 검색하고 검색된 문서에서 정답을 추출하는 태스크이다. 본 논문은 기계 독해 데이터인 KorQuAD를 활용한 오픈도메인 질의응답 시스템을 제안한다. 문서 검색기를 이용하여 질문과 관련 있는 위키피디아 문서들을 검색하고 검색된 문서에 단락 선택 모델을 통해서 문서 질문과 연관성이 높은 단락들을 선별하여 기계 독해 모델에서 처리해야 할 입력의 수를 줄였다. 문서 선별모델에서 선별된 여러 단락에서 추출된 정답 후보에서 여러 가지 정답 모형을 적용하여 성능을 비교하는 실험을 하였다. 본 논문에서 제안한 오픈도메인 질의응답 시스템을 KorQuAD에 적용했을 때, 개발 데이터에서 EM 40.42%, F1 55.34%의 성능을 보였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 가을 학술발표논문집 Vol.28 No.2 (3)
• /
• pp.478-480
• /
• 2001

최근 이동 에이전트를 이용한 네트워크 관리는 기존의 RFC 방식인 SNMP의 중앙 집중형 관리 모델에 비해 효과적임이 연구되고 있다. 그러나 이동 에이전트의 크기는 관리해야 될 노드를 순회하는 동안 점점 커지게 된다. 또한, 질문의 수가 많아질 경우 이동 에이전트의 크기는 노드를 순회하는 동안 질문의 수에 비례하여 커지게 된다. 이는 네트워크 오버헤드를 증가시키게 되므로 전체 통신비용이 증가하게 된다. 따라서 본 논문에서는 전체 노드를 순회하는 데에 있어 질문의 수와 관리 노드의 수에 크게 영향을 받지 않는 최적의 관리영역으로 나누어 각각 이동 에이전트에게 작업을 분담시켜 관리함으로써, 전체 통신비용을 줄일 수 있는 분말 관리 정책을 제시한다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2012년도 제24회 한글 및 한국어 정보처리 학술대회
• /
• pp.201-205
• /
• 2012

지식검색은 방대한 지식정보 데이터를 바탕으로 사용자의 질문에 대한 답변을 검색하는 시스템이다. 이러한 사용자 참여로 구축된 지식정보는 잘못된 답변으로 인한 신뢰성 부족과 중복 답변 등의 문제점이 있어, 원하는 답변을 찾기 위해서는 지식검색에서 다수의 답변을 읽고 그 답변의 진위여부를 판단해야만 한다. 만일 정답에 포함되는 단어나 어구가 답변들에서 나타내는 통계적 특성을 활용하여 사용자가 원하는 답변을 제시할 수 있다면, 지식검색의 효용성과 신뢰성이 크게 향상될 수 있다. 본 논문에서는 지식정보 데이터 분석을 통해 사용자의 질문의 유형을 단어, 목록, 도표, 글의 4가지 유형으로 분류하고, 각 분류에 대한 사용자 질의어의 답변을 요약하는 방식을 제안한다. 단어, 목록, 글 유형은 TF와 IDF, 어휘 간의 거리 정보를 통해서 중요 단어를 추출하여 각 유형에 적합한 형식의 답변을 사용자에게 제시한다. 도표형은 답변들에서 사용자의 의견 정보를 추출하여 의견 통계를 도표로서 제시한다.

• 정보관리학회지
• /
• 제17권4호
• /
• pp.171-186
• /
• 2000

도서관서비스를 웹정보로 제공하는 국내 대학도서관 총178곳을 대상으로 전자 참고정보원 안내서비스와 전자 참고질의서비스 제공실태를 조사하였다. 국내 대학도서관의 25.8%만이 전자참고정보원 안내서비스를 불과 20.8%만이 전자 참고질의서비스를 제공하고 있어 대학도서관의 전자 참고정보서비스 사업은 그리 활발하지 않은 것으로 파악되었다. 또한 대학도서관은 한 달 평균 3.2건의 질문을 접수하는 것으로 조사되어 이용자의 전자 참고질의서비스 사용은 극히 저조하였다. 전자 참고질의서비스를 통한 접수한 총1,128개 질문중 19.8%만이 순수한 참고질문에 해당하는 것으로 나타났다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(B)
• /
• pp.315-317
• /
• 2012

지식iN 등의 지식검색 서비스는 잘못된 답변으로 인한 낮은 신뢰성과 다수의 중복 답변 등의 문제점을 가진다. 질의문 '세상에서 가장 큰 나라'에 대해서 관련된 모든 질문과 답변을 제시하지 않고 질의문과 관련된 다수의 답변을 분석하여 답변 '러시아'를 추천하여 제시할 수 있다면 지식검색의 효용성과 신뢰성이 크게 향상될 수 있다. 본 논문에서는 질문-답변의 유형을 단어, 글, 도표, 목록의 네가지로 분류하고, 그 중 단어 유형에 대한 답변 추천 방법을 제시한다. 질의문에 대해 검색된 질문을 군집화하고, 질문에 대한 답변들에 대해서 TF, IDF, 어휘간 거리 정보를 다양하게 결합하여 어휘의 점수를 계산한다. 각 군집에서 가장 높은 점수를 가지는 어휘를 해당 군집에서 가장 중요한 어휘로 보고 추천 정답으로 제시한다. 단어 유형인 질문 100개에 대한 네이버 지식iN에 대한 시스템 평가에서 추천된 상위 1위에 대해서는 68%의 정답률을, 상위 5위까지에 대해서는 89%의 정답률을 보였다.

• 한국지구과학회지
• /
• 제26권6호
• /
• pp.551-559
• /
• 2005

본 논문에서는 한국천문연구원에서 2000년부터 운영중인 홈페이지 질문상자의 질문 및 조회 수를 통계적으로 분석하고, 그 질문 내용에 나타난 인지적 측면에서 과학탐구 유형을 분석하였다. 이를 위해 홈페이지 질문상자에 올라온 질문 및 조회 수를 월별/연도별로 통계를 작성하였으며, 질문문항이 과학탐구의 어떠한 인지적 측면이 부각되어 있는가를 분석하기 위하여 과학탐구 분석틀을 개발하였다. 질문유형 분석은 인지적 측면에서 과학지식과 과학탐구로 분류하였다. 과학적 지식의 하위유형으로 내용지식, 방법지식, 지식본성 이해로 분류하였다. 과학탐구의 하위 요소는 과학탐구 수행능력으로 분류하고 각 세부 요소를 고려하였다. 질문유형 분석틀에 따른 과학탐구 유형의 분석은 분석틀을 통해, 2004년 7월부터 12월까지 6개월간 질문상자에 질문한 703개 질문 항목에 대해 질문들의 세부 사항 및 속성들을 세부적으로 살펴서 질문유형 분석틀에 따라 분석을 시행하였다. 이 분석을 통하여 질문상자의 질문에 대한 이해와 잦은 질문들에 대한 응답을 마련하는 등, 앞으로 질문상자의 운영 방안에 대한 방향을 설정할 수 있었다. 이 분석을 통해 질문수의 증가와 함께, 질문의 내용도 일상생활 과학 지식수준을 넘어 해마다 난해해 지고 전문화 되어가고 있음을 알 수 있었다. 앞으로 질문상자의 이용자 수가 계속 증가될 것으로 예상되고, 지적 요구의 증대와 함께, 질문의 내용도 더욱 난해해 질 것으로 예상됨으로 심도 있는 콘텐츠의 개발이 필요하다.