Current Result Document :
| 한글제목(Korean Title) |
SBERT-IQ: 키워드 정보량을 고려한 Sentence-BERT 기반의 임베딩 모델 |
| 영문제목(English Title) |
SBERT-IQ: Sentence-BERT based Embedding Model Considering Information Quantity of Keywords |
| 저자(Author) |
박상민
이재윤
손유리
김재은
Sangmin Park
Jaeyun Lee
Yuri Son
Jaieun Kim
|
| 원문수록처(Citation) |
VOL 49 NO. 01 PP. 1058 ~ 1060 (2022. 06) |
한글내용
(Korean Abstract) |
문장에 대한 의미를 벡터로 표상하는 문장 임베딩(Sentence Embedding)은 검색, 클러스터링, 유사도 비교 등이 필요한 자연어처리 응용 분야에 활용될 수 있다. 특히 NLI(Natural Language Inference), STS(Semantic Textual Similarity) 데이터를 통해 문장의 의미론적 정보를 잘 표상할 수 있도록 학습한 Sentence-BERT(SBERT)는 최근 문장 임베딩 모델로 많이 사용되고 있다. 그러나 SBERT는 NLI, STS 데이터에 기반한 지도학습 모델이기 때문에 문장의 키워드 정보량이 충분하게 있음에도 구조적 차이가 있는 문장에 대해서는 의미론적으로 유사한 벡터가 표상되지 않는 문제가 발생한다. 하지만 대화형 인공지능을 위한 현실 세계의 다양한 어플리케이션에서는 구조적으로 완벽하지 않은 문장이 빈번하게 사용된다. 본 논문에서는 이와 같은 문제를 해결하기 위해 문장의 키워드 정보량을 고려하여 의미적으로 적절한 벡터를 표상할 수 있는 SBERT-IQ 모델을 학습하는 방법을 제안하고 정보량에 따른 문장 유사도 비교 실험을 통해 제안하는 모델의 우수성을 입증한다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
