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
- 학위논문
- 저자정보
- 지도교수
- 임희석
- 발행연도
- 2022
- 저작권
- 고려대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
기계독해(Machine Reading Comprehension, MRC)란 주어진 문서를 읽고 질문의 의도를 분석하고 추론하여 문서 내에서 답변을 찾는 과제이다. 기계독해 분야는 구글에서 공개한 사전학습(Pre-training)된 언어모델인 BERT를 시작으로 다양한 언어모델들이 높은 성과를 보여주고 있고, 일부 모델들은 사람보다 더 정확한 높은 정확도를 보여주고 있다.
본 논문에서는 금융이라는 특정 도메인을 기반으로 질의응답 시스템을 구현하고자 한다. 경제/사회 전반적인 보고서나 약관, 규정, 뉴스 지식을 이해하고 해당 질의에 대한 전문적인 답변을 예측하고 답변하는 시스템을 목표로 한다. 이미 나와 있는 오픈 도메인 기반의 모델의 한계는 금융이나 특허 등 특정 분야에 특화한 문제는 잘 해결하지 못하는 경향이 있다. 이에 따라 본 논문에서는 금융 분야의 언어를 잘 이해하는 모델을 구현해보고자 한다.
따라서 BERT 모델에 KorQuAD와 경제뉴스 2만 건으로 post-training을 진행하고, 형태소 분석으로 명사 형태로 만들어서 평가를 진행하였고, 평가 데이터를 위해 금융데이터를 크롤링하여 KorQuAD 형태로 생성하였다. 그 결과 EM 55.00%, F1-score 69.02%로 가장 좋은 성능을 보여주었다.
본 논문에서는 금융이라는 특정 도메인을 기반으로 질의응답 시스템을 구현하고자 한다. 경제/사회 전반적인 보고서나 약관, 규정, 뉴스 지식을 이해하고 해당 질의에 대한 전문적인 답변을 예측하고 답변하는 시스템을 목표로 한다. 이미 나와 있는 오픈 도메인 기반의 모델의 한계는 금융이나 특허 등 특정 분야에 특화한 문제는 잘 해결하지 못하는 경향이 있다. 이에 따라 본 논문에서는 금융 분야의 언어를 잘 이해하는 모델을 구현해보고자 한다.
따라서 BERT 모델에 KorQuAD와 경제뉴스 2만 건으로 post-training을 진행하고, 형태소 분석으로 명사 형태로 만들어서 평가를 진행하였고, 평가 데이터를 위해 금융데이터를 크롤링하여 KorQuAD 형태로 생성하였다. 그 결과 EM 55.00%, F1-score 69.02%로 가장 좋은 성능을 보여주었다.
목차
1. 서론 11.1 연구의 배경 11.2 연구의 목적 21.3 논문의 구성 22. 관련 연구 32.1 질의응답 데이터셋 32.2 기계독해 72.3 BERT 83. 실험 데이터 및 실험 환경 113.1 실험 데이터 113.2 실험 환경 114. 실험방법 및 평가방법 124.1 실험방법 124.2 평가방법 125. 실험 결과 146. 결론 및 향후 연구 과제 177. 참고 문헌 18
최근 본 자료
댓글(0)
0