정보처리학회 논문지 소프트웨어 및 데이터 공학
Current Result Document :
| 한글제목(Korean Title) |
다중 작업, 다중 홉 질문 응답을 위한 그래프 추론 및 맥락 융합 |
| 영문제목(English Title) |
Graph Reasoning and Context Fusion for Multi-Task, Multi-Hop Question Answering |
| 저자(Author) |
이상의
김인철
Sangui Lee
Incheol Kim
|
| 원문수록처(Citation) |
VOL 10 NO. 08 PP. 0319 ~ 0330 (2021. 08) |
한글내용
(Korean Abstract) |
최근 오픈 도메인 자연어 질문 응답 분야에서는 다중 작업, 다중 홉 질문 응답에 관한 연구들이 활발히 진행되어 오고 있다. 본 논문에서는 이러한 다중 작업, 다중 홉 질문들에 효과적으로 응답하기 위해, 계층적 그래프 기반의 새로운 심층 신경망 모델을 제안한다. 제안 모델에서는 계층적 그래프와 그래프 신경망을 이용해 여러 문단들로부터 서로 다른 수준의 맥락 정보를 얻어낸 후, 이들을 활용하여 답변 유형, 뒷받침 문장들과 답변 영역 등을 동시에 예측해낸다. 본 논문에서는 오픈 도메인 자연어 질문 응답 데이터 집합인 HotpotQA를 이용한 실험들을 통해, 제안 모델의 높은 성능과 긍정적 효과를 입증한다. |
영문내용
(English Abstract) |
Recently, in the field of open domain natural language question answering, multi-task, multi-hop question answering has been studied extensively. In this paper, we propose a novel deep neural network model using hierarchical graphs to answer effectively such multi-task, multi-hop questions. The proposed model extracts different levels of contextual information from multiple paragraphs using hierarchical graphs and graph neural networks, and then utilize them to predict answer type, supporting sentences and answer spans simultaneously. Conducting experiments with the HotpotQA benchmark dataset, we show high performance and positive effects of the proposed model. |
| 키워드(Keyword) |
오픈 도메인 질문 응답
다중 홉 추론
다중 작업 질문
계층적 그래프
그래프 신경망
Open Domain Question Answering
Multi-hop Reasoning
Multi-task Question
Hierarchical Graph
Graph Neural Network
|
| 파일첨부 |
PDF 다운로드
|
