메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
김병준 (서울대학교) 이중식 (서울대학교)
저널정보
한국HCI학회 한국HCI학회 학술대회 PROCEEDINGS OF HCI KOREA 2019 학술대회 발표 논문집
발행연도
2019.2
수록면
158 - 162 (5page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (3)

초록· 키워드

오류제보하기
“무엇을 도와드릴지 잘 모르겠어요” 다이얼로그 시스템을 사용하다보면 원치 않게 종종 듣게 되는 답변이다. 현재 다이얼로그 시스템은 대화데이터를 학습하여 사용자의 대화 인텐트를 파악하기 때문에 다양한 표현의 학습데이터가 필요하다. 하지만 기존의 학습데이터 방식은 노동집약적 특성을 갖고 있어 많은 대화데이터 수집이 어렵다. 이에 따라 학습데이터 부족으로 인해 빈번한 인텐트 파악 에러가 발생하여 다이얼로그 시스템에 대한 사용자 경험을 저하시키고 있다. 본 연구에서는 태스크 양에 따라 크라우드 소싱 기반 학습데이터 생성 결과에 미치는 영향을 연구하여, 다양한 표현 수집을 위한 크라우드 소싱 태스크 디자인을 제언하고자 한다. 이를 위해 MTurk을 이용하여 문장 의역 태스크를 요청하였으며, 실험 조건에 따라 문장 의역 양을 달리하였다. 실험 결과, 총 560개의 의역 문장이 수집되었으며, 문장 의역 양이 많을수록 수집하고자 한 의미와 다른 경우가 많아지거나 에러비율이 높아지는 것으로 나타났다. 본 연구는 크라우드 소싱 기반의 학습 데이터 생성 태스크 디자인을 함에 있어 태스크 양을 고려하는 가이드를 제시한다는 점에서 연구 의의가 있다.

목차

요약문
1. 서론
2. 관련 연구
3. 실험 설계
4. 실험 결과
5. 논의
6. 결론
참고문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0