데이터베이스 연구회지(SIGDB)
Current Result Document : 23 / 23
| 한글제목(Korean Title) |
비 작업지향 챗봇 모델의 실험적 비교 연구 |
| 영문제목(English Title) |
An Empirical Comparison Study of Non-Task-Oriented Chatbot Models |
| 저자(Author) |
조만재
오남훈
이기훈
Man-Jae Cho
Nam-Hun Oh
Ki-Hoon Lee
|
| 원문수록처(Citation) |
VOL 35 NO. 02 PP. 0003 ~ 0015 (2019. 08) |
한글내용
(Korean Abstract) |
최근 챗봇에 대한 연구가 활발히 진행되고 있다. 챗봇은 작업지향 챗봇과 비 작업지향 챗봇으로 나눌 수 있다. 사람과 다양한 주제의 대화를 나눌 수 있는 비 작업지향 챗봇은 주로 시퀀스 투 시퀀스 (Sequence-to-Sequence) 모델을 기반으로 한다. 본 논문에서는 다양한 시퀀스 투 시퀀스 기반 모델을 비 작업지향 챗봇에 적용해보고 그 성능을 실험적으로 비교한다. 영화 대사 데이터 집합을 사용하여 실험한 결과, 트랜스포머 모델이 정량 및 정성평가에서 가장 우수한 성능을 보였다. 또한, 학습 데이터에 군집화를 적용하면 BLEU 점수가 향상되는 반면 다양성 점수는 저하되는 것을 발견하였다. |
영문내용
(English Abstract) |
Recently, there have been active research efforts on chatbots. Chatbots can be divided into task-oriented and non-task-oriented chatbots. Non-task-oriented chatbots, which can converse with humans on various topics, are mainly based on Sequence-to-Sequence models. In this paper, we apply various Sequence-to-Sequence models to non-task-oriented chatbots and conduct an empirical comparison study. Experimental results using a movie dialogue dataset show that the Transformer model is the best one in quantitative and qualitative evaluation. We also discovered that applying clustering to the train data increases the BLEU score, but decreases the diversity score. |
| 키워드(Keyword) |
챗봇
시퀀스 투 시퀀스
주의집중 기법
트랜스포머
강화학습
군집화
Chatbot
Sequence-to-Sequence
Attention Mechanism
Transformer
Reinforcement Learning
Clustering
|
| 파일첨부 |
PDF 다운로드
|
