다중 대화에서 화자 상호작용 RNN을 이용한 수신자 및 응답자 선택

본 논문에서는 다중 대화 참여자 간의 수신자 및 응답자 선택 문제를 연구합니다. 다중 대화 참여자의 대화를 이해하는 것은 여러 발화자가 서로 메시지를 주고받으며, 각각 다른 역할(발신자, 수신자, 관찰자)을 수행하고 이러한 역할이 턴마다 변화하기 때문에 복잡한 발화 상호작용으로 인해 어려움이 따릅니다. 이 문제를 해결하기 위해 본 연구에서는 역할에 따라 발화자를 감안한 새로운 대화 인코더를 사용하여 발화자 임베딩을 업데이트하는 Speaker Interaction Recurrent Neural Network (SI-RNN)을 제안합니다. 기존의 최첨단 시스템은 발신자만의 발화자 임베딩을 업데이트하였으나, SI-RNN은 이를 개선하였습니다. 또한, 기존 연구가 수신자와 응답자를 별도로 선택한 것과 달리 SI-RNN은 시퀀스 예측 문제로 접근하여 수신자와 응답자를 함께 선택합니다. 실험 결과는 SI-RNN이 특히 많은 발화자가 참여하고 과거의 먼 턴에서 이루어진 메시지에 대한 응답이 있는 복잡한 대화에서 수신자 및 응답자 선택의 정확도를 크게 향상시키는 것을 보여줍니다.