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
학술저널
저자정보
최대웅 (서울대학교) 이석용 (서울대학교) 양종현 (서울대학교) 유기윤 (서울대학교)
저널정보
대한공간정보학회 대한공간정보학회지 대한공간정보학회지 제31권 제4호
발행연도
2023.12
수록면
83 - 93 (11page)
DOI
10.7319/kogsis.2023.31.4.083

이용수

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

초록· 키워드

오류제보하기
최근 인공지능과 자연어 처리 기술의 급속한 발전에 따라, 사람과 기계 간의 질의응답(QA) 시스템의 중요성이 증가하고 있다. 이러한 맥락에서, 지식 베이스 질의응답(KBQA) 시스템은 사용자의 다양한 정보 요구를 충족시키는 핵심 역할을 하고 있다. KBQA 시스템은 지식 베이스(knowledge base)에 저장된 정보를 기반으로 사용자의 질문에 대한 답변을 제공하는 시스템을 의미한다. 이런 일반적인 KBQA 시스템의 파이프라인은 자연어가 입력되면 개체 링킹을 수행해 Entity를 식별 후 Knowledge Base내의 관련 entity에 연결하고 logical form을 생성한다. 그러나 KBQA의 확장 분야인 지리 정보 기반의 질의응답 시스템(GeoKBQA)은 입력된 공간 관련 질문을 개체 링킹 과정 없이 Logical Form으로 변환한다. 본 연구는 이러한 한계점을 극복하기 위해 GeoKBQA에 개체 링킹을 적용하는 새로운 방법론을 제안한다. 이를 위해 딥러닝 모델인 BERT, RoBERTa 그리고 ChatGPT를 사용하여 개체 링킹의 첫번째 과정인 멘션 탐지(mention detection)을 수행하였다. 특히, BERT와 RoBERTa 모델은 지리 질문에 특화된 멘션 탐지 작업을 위해 지리 질문으로 구성된 NLMAPS 데이터셋으로 fine-tuning을 진행하였으며, ChatGPT는 few-shot prompting 방식을 사용하여 멘션 탐지를 수행하였다. 실험 결과, fine-tuning된 BERT와 RoBERTa 모델의 F1 스코어는 각 0.96, 0.97으로 측정되었으며, ChatGPT 모델의 F1 스코어는 0.99로 확인되었다.

목차

要旨
Abstract
1. 서론
2. 이론적 배경
3. 연구 방법
4. 실험 설계
5. 결과 및 분석
6. 결론
References

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