순차적 매칭 네트워크: 검색 기반 챗봇에서 다중 턴 응답 선택을 위한 새로운 아키텍처

우리는 검색 기반 챗봇에서 다단계 대화의 응답 선택에 대해 연구합니다. 기존 연구에서는 문맥 내의 발화들을 연결하거나, 또는 높은 수준의 추상적 문맥 벡터와 응답을 최종적으로 매칭하는 방식을 사용하여, 이로 인해 발화들 간의 관계나 중요한 문맥 정보가 손실될 가능성이 있습니다. 이러한 문제를 해결하기 위해 우리는 순차적 매칭 네트워크(SMN, Sequential Matching Network)를 제안합니다. SMN은 먼저 문맥 내의 각 발화와 응답을 여러 단계의 세밀도로 매칭하고, 각 쌍에서 중요한 매칭 정보를 합성곱과 풀링 연산을 통해 벡터로 추출합니다. 그런 다음 이러한 벡터들은 발화들 간의 관계를 모델링하는 순환 신경망(RNN, Recurrent Neural Network)을 통해 시간순으로 누적됩니다. 최종적인 매칭 점수는 RNN의 은닉 상태를 이용하여 계산됩니다. 두 개의 공개 데이터셋에 대한 실증 연구 결과, SMN이 다단계 대화에서 응답 선택에 있어 최신 방법론보다 유의미하게 우수한 성능을 보임을 확인할 수 있었습니다.