Hierarchical attention based CNN-RNN networks for The Korean Speech-Act Analysis

계층 구조 어텐션 매커니즘에 기반한 CNN-RNN을 이용한 한국어 화행 분석 시스템

  • Seo, Minyeong (Department of Computer Science and Engineering, Sogang University) ;
  • Hong, Taesuk (Department of Computer Science and Engineering, Sogang University) ;
  • Kim, Juae (Department of Computer Science and Engineering, Sogang University) ;
  • Ko, Youngjoong (Department of Computer Science and Engineering, Dong-A University) ;
  • Seo, Jungyun (Department of Computer Science and Engineering, Sogang University)
  • 서민영 (서강대학교, 컴퓨터공학과) ;
  • 홍태석 (서강대학교, 컴퓨터공학과) ;
  • 김주애 (서강대학교, 컴퓨터공학과) ;
  • 고영중 (동아대학교 컴퓨터공학과) ;
  • 서정연 (서강대학교, 컴퓨터공학과)
  • Published : 2018.10.12

Abstract

최근 사용자 발화를 이해하고 그에 맞는 피드백을 생성할 수 있는 대화 시스템의 중요성이 증가하고 있다. 따라서 사용자 의도를 파악하기 위한 화행 분석은 대화 시스템의 필수적인 요소이다. 최근 많이 연구되는 심층 학습 기법은 모델이 데이터로부터 자질들을 스스로 추출한다는 장점이 있다. 발화 자체의 연속성과 화자간 상호 작용을 포착하기 위하여 CNN에 RNN을 결합한 CNN-RNN을 제안한다. 본 논문에서 제안한 계층 구조 어텐션 매커니즘 기반 CNN-RNN을 효과적으로 적용한 결과 워드 임베딩을 추가한 조건에서 가장 높은 성능인 91.72% 정확도를 얻었다.

Acknowledgement

Grant : 기계학습용 텍스트 데이터 레이블 자동생성 및 검증도구 개발

Supported by : 정보통신기술진흥센터