Convolutional neural network을 이용한 slot filling 방법
저자
발행사항
서울 : 성균관대학교 일반대학원, 2017
학위논문사항
학위논문(석사)-- 성균관대학교 일반대학원 : DMC공학과 2017. 8
발행연도
2017
작성언어
한국어
주제어
발행국(도시)
서울
기타서명
An approach for slot filling in spoken language understanding
형태사항
v, 28 p. : 삽화, 표 ; 30 cm
일반주기명
지도교수: 이지형
참고문헌 : p. 24-26
DOI식별코드
소장기관
인공지능에 대한 대중의 관심으로 인하여 지능형 음성 인터페이스에 대한 많은 연구가 진행 되고 있다. 지능형 음성 인터페이스에 존재하는 여러 구성요소 중 Spoken language understanding 모듈은 사용자의 발화를 기계가 이해할 수 있도록 변환해주는 가장 핵심적인 역할을 담당하고 있다.
Spoken language understanding 분야에는 도메인 분류, 사용자 의도 추론, 슬롯 채우기 작업이 존재하는데 본 논문에서는 슬롯 채우기 작업을 위한 모델을 제안하고자 한다. 슬롯 채우기 문제를 해결하기 위해서는 사용자 발화에서 각 단어에 대한 슬롯을 예측해야 하는데 이는 순차적인 데이터에 대한 레이블을 분류하는 문제로 다루어 지고 있다. 이러한 문제를 위하여 Conditional random fields와 같은 조건부 모델 과 Recurrent Neural Network 같은 Deep learning 모델 등이 연구되고 있다. 본 논문에서는 이미지 분야에서 널리 사용되는 Convolutional neural network를 입력 레이어로 사용하고 은닉 레이어 및 출력 레이어에는 Recurrent Neural Network를 사용하는 구조를 제안하였다. Convolutional neural network를 사용하면 Convolution 연산을 통해서 목적 단어 이외에 주변 단어의 정보도 같이 고려하면서 모델의 복잡도를 유지할 수 는 장점이 있다. 또한 개체명 정보도 함께 사용하였을 때 모델의 성능을 더 높일 수 있었다. 모델의 성능을 측정하기 위해서 가장 널리 사용되는 ATIS 데이터셋을 사용하여 F1 Score를 측정하였다. 단어 정보만 사용하였을 때는 Word embedding 방법 대비 0.20의 모델 성능을 향상 시킬 수 있었고, 개체명 정보까지 함께 사용하였을 때는 Word embedding 방법 대비 0.57의 모델 성능을 향상 시킬 수 있었다. 또한 개체명 정보까지 함께 사용한 결과는 기존 연구 결과 대비 가장 높은 96.67의 성능을 확인할 수 있었다.
In these days, many studies are in progress on intelligence voice interface because of public interest in artificial intelligence. Spoken language understanding component has a key role of converting utterances to structured form that the machine can handle among various of components on intelligence voice interface. There are domain classification, intent classification and slot filling in spoken language understanding. In this paper, we propose a model for slot filling. In order to solve the slot filling problem, we have to predict a slot for each word in utterance. It is usually treated as a sequence classification problem. There are approaches to solving this problem include conditional models such as the conditional random fields, deep learning models such as the recurrent neural network and etc. In this thesis, we propose a structure of the recurrent neural network and the convolutional neural network, which is widely used in image processing, as input layer. The convolutional neural network has the advantage of maintaining the complexity of the model while considering context information of the target word through convolution operation. Furthermore, when the named entity is used together, the performance of model can be improved. We use the ATIS dataset which is widely used in spoken language understanding, and evaluated them using 𝐹1 score. When words are only used, the performance of the model was improved 0.20 compared to the word embeddings method, and when words and named entities are used together, the performance was improved 0.57 compared to the word embeddings method. In addition, the result of using named entities with words showed the highest performance of 96.67.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)