정보과학회논문지 (Journal of KIISE)
Current Result Document : 7 / 17
이전건
다음건 
| 한글제목(Korean Title) |
기계 독해 성능 개선을 위한 데이터 증강 기법 |
| 영문제목(English Title) |
Data Augmentation Methods for Improving the Performance of Machine Reading Comprehension |
| 저자(Author) |
이선경
최은성
정선호
이종욱
Sunkyung Lee
Eunseong Choi
Seonho Jeong
Jongwuk Lee
|
| 원문수록처(Citation) |
VOL 48 NO. 12 PP. 1298 ~ 1304 (2021. 12) |
한글내용
(Korean Abstract) |
기계 독해(Machine Reading Comprehension)란 컴퓨터가 주어진 텍스트의 의미를 이해 및 이를 평가하는 방법으로, 자연어 이해를 위한 중요한 기술 중 하나이다. 주어진 글에 대해서 질의가 주어졌을 때, 이에 대한 올바른 응답을 찾는 질의-응답이 가장 대표적인 기계 독해 과제이다. 기계 독해 기술은 최근 심층 인공신경망 기반의 자연어 처리 기술의 발달에 따라 획기적인 성능 개선을 보였다. 그럼에도 불구하고, 주어진 데이터가 희소할 때 성능 개선에 어려움이 있을 수 있다. 이를 해결하기 위해 본 논문에서는 단어 단위 및 문장 단위의 텍스트 편집을 통한 데이터 증강 기법을 활용하여 기존 모델의 변경을 최소화하며 성능 개선을 하고자 한다. 즉, 본 연구에서는 영어 질의응답 데이터에서 가장 널리 활용되고 있는 사전 학습된 언어 모델 기반의 기계 독해 모델에 데이터 증강 기법을 적용하여 기존 모델 대비 성능이 향상되는 것을 확인하였다. |
영문내용
(English Abstract) |
Machine reading comprehension is a method of understanding the meaning and performing inference over a given text by computers, and it is one of the most essential techniques for understanding natural language. The question answering task yields a way to test the reasoning ability of intelligent systems. Nowadays, machine reading comprehension techniques performance has significantly improved following the recent progress of deep neural networks. Nevertheless, there may be challenges in improving performance when data is sparse. To address this issue, we leverage word-level and sentence-level data augmentation techniques through text editing, while minimizing changes to the existing models and cost. In this work, we propose data augmentation methods for a pre-trained language model, which is most widely used in English question answering tasks, to confirm the improved performance over the existing models. |
| 키워드(Keyword) |
기계 독해
데이터 증강
질의응답
언어 모델
machine reading comprehension
data augmentation
question answering
language model
|
| 파일첨부 |
PDF 다운로드
|
