지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.46 No.3
- 발행연도
- 2019.3
- 수록면
- 234 - 240 (7page)
- DOI
- 10.5626/JOK.2019.46.3.234
이용수
초록· 키워드
오류제보하기
S³-Net은 Simple Recurrent Unit (SRU)과 자기 자신의 RNN sequence에 대하여 어텐션 가중치(attention weight)를 계산하는 Self-Matching Networks를 기반으로 기계 독해 질의 응답을 해결하는 딥 러닝 모델이다. 기계 독해 질의 응답에서 질문에 대한 답은 문맥 내에서 발생하는데, 하나의 문맥은 여러 문장으로 이뤄지기 때문에 입력 시퀀스의 길이가 길어져 성능이 저하되는 문제가 있다. 본 논문에서는 이와 같이 문맥이 길어져 성능이 저하되는 문제를 해결하기 위하여 문장 단위의 인코딩을 추가한 계층모델과, 단어 순서 정보를 확인하는 포지션 인코딩을 적용한 S³-Net을 제안한다. 실험 결과, 본 논문에서 제안한 S³-Net 모델이 한국어 기계 독해 데이터 셋에서 기존의 S²-Net보다 우수한(single test) EM 69.43%, F1 81.53%, (ensemble test) EM 71.28%, F1 82.67%의 성능을 보였다.
목차
요약
Abstract
1. 서론
2. 관련 연구
3. 포지션 인코딩 기반 S³-Net을 이용한 한국어 기계 독해
4. 실험
5. 결론
References
참고문헌 (21)
참고문헌 신청
F. Hill, et al., The Goldilocks Principle: Reading Children's Books with Explicit Memory Representations, arXiv preprint arXiv:1511.02301, 2015.
P. Rajpurkar, et al., Squad: 100,000+ questions for machine comprehension of text, arXiv preprint arXiv:1606.05250, 2016.
T. Nguyen, et al., MS MARCO: A Human Generated MAchine Reading COmprehension Dataset, arXiv preprint arXiv:1611.09268, 2016.
Cheoneum Park, et al., 2017, S2-Net: Korean Machine Reading Comprehension with SRU-based Self Matching Network, Proc. of the KIISE for HCLT 2017, pp. 35-40, 2017.
D. Chen, et al., Reading Wikipedia to Answer Open-Domain Questions, arXiv preprint arXiv: 1704.00051, 2017.
D. Chen, et al., Reading Wikipedia to Answer Open-Domain Questions, arXiv preprint arXiv: 1704.00051, 2017.
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0