정보처리학회 논문지 소프트웨어 및 데이터 공학
Current Result Document :
| 한글제목(Korean Title) |
WiseQA를위한정답유형인식 |
| 영문제목(English Title) |
Recognition of Answer Type for WiseQA |
| 저자(Author) |
Heo Jeong
Ryu Pum Mo
Kim Hyun Ki
Ock Cheol Young
허법정
류법모
김현기
옥철영
|
| 원문수록처(Citation) |
VOL 04 NO. 07 PP. 0283 ~ 0290 (2015. 07) |
한글내용
(Korean Abstract) |
본 논문에서는 WiseQA 시스템에서 정답유형을 인식하기 위한 하이브리드 방법을 제안한다. 정답유형은 어휘정답유형과 의미정답유형으로 구분된다. 본 논문은 어휘정답유형 인식을 위해서 질문초점에 기반한 규칙모델과 순차적 레이블링에 기반한 기계학습모델을 제안한다.
의미정답유형 인식을 위해 다중클래스 분류에 기반한 기계학습모델과 어휘정답유형을 이용한 필터링 규칙을 소개한다. 어휘정답유형 인식성능은 F1-score 82.47%이고, 의미정답유형 인식성능은 정확률 77.13%이다. 어휘정답유형 인식성능은 IBM 왓슨과 비교하여, 정확률은
1.0% 저조하고, 재현율은7 .4% 높다.
|
영문내용
(English Abstract) |
In this paper, we propose a hybrid method for the recognition of answer types in the WiseQA system. The answer types are classified into two categories: the lexical answer type (LAT) and the semantic answer type (SAT). This paper proposes two models for the LAT detection. One is a rule-based model using question focuses. The other is a machine learning model based on sequence labeling. We also propose two models for the SAT classification. They are a machine learning model based on multiclass classification and a filtering-rule model based on the lexical answer type. The performance of the LAT detection and the SAT classification shows F1-score of 82.47% and precision of 77.13%, respectively. Compared with IBM Watson for the performance of the LAT, the precision is 1.0% lower and the recall is 7.4% higher.
|
| 키워드(Keyword) |
Question Answering
Answer Type
Question Analysis
WiseQA
질의응답 정답유형 질문분석 와이즈A
|
| 파일첨부 |
PDF 다운로드
|
