텍스트 바꿔 쓰기 과제를 위한 분류 모델 기반의 손실 함수 설계와 평가

김경훈; 박진욱; 이지은; 박상현; Kyeonghun Kim; Jinuk Park; Jieun Lee; Sanghyun Park; 전현규; 정윤경; Hyun-Kyu Jeon; Yun-Gyung Cheong

연구문헌

국내 논문지

홈 > 연구문헌 > 국내 논문지 > 한국정보과학회 논문지 > 정보과학회논문지 (Journal of KIISE)

정보과학회논문지 (Journal of KIISE)

Current Result Document :

한글제목(Korean Title)	텍스트 바꿔 쓰기 과제를 위한 분류 모델 기반의 손실 함수 설계와 평가
영문제목(English Title)	Design and Evaluation of Loss Functions based on Classification Models
저자(Author)	김경훈 박진욱 이지은 박상현 Kyeonghun Kim Jinuk Park Jieun Lee Sanghyun Park 전현규 정윤경 Hyun-Kyu Jeon Yun-Gyung Cheong
원문수록처(Citation)	VOL 48 NO. 10 PP. 1132 ~ 1141 (2021. 10)
한글내용 (Korean Abstract)	바꿔 쓰기(paraphrase generation)는 입력 문장에 대하여 의미는 같지만, 단어나 통사 구조와 같은 표현이 다른 문장을 생성하는 과제이다. 최근 이를 구현하기 위해 인공 신경망 기반의 모델이 널리 사용되며, 학습 방법으로서 지도 학습이 주로 사용된다. 그러나 생성된 문장과 레이블 문장 간의 차이를 줄이는 지도 학습 방법은 모델에 제한된 의미 정보만을 제공한다. 따라서 본 논문에서는 분류 과제를 학습한 별도의 모델을 활용하여, 바꿔 쓰기 모델 학습 시 의미 정보를 추출하고 이를 활용하는 방법을 제안하고 실험하였으며, 그 결과 기존 방법과 비교하여 더 좋은 성능을 보였다.
영문내용 (English Abstract)	Paraphrase generation is a task in which the model generates an output sentence conveying the same meaning as the given input text but with a different representation. Recently, paraphrase generation has been widely used for solving the task of using artificial neural networks with supervised learning between the model’s prediction and labels. However, this method gives limited information because it only detects the representational difference. For that reason, we propose a method to extract semantic information with classification models and use them for the training loss function. Our evaluations showed that the proposed method outperformed baseline models.
키워드(Keyword)	자연어 처리 멀티 모달 감성 분석 감정 탐지 단일 입출력 트랜스포머 BERT natural language processing multimodal sentiment analysis emotion detection singlestream transformer BERT 바꿔 쓰기 분류 모델 모델기반 학습 손실 함수 paraphrase generation classification model model-based learning loss function
파일첨부	PDF 다운로드