비교-집계 모델과 잠재 클러스터링을 이용한 답변 선택

본 논문에서는 자연어 처리의 기본적인 문제인 문장 수준의 답변 선택 작업을 위한 새로운 방법을 제안합니다. 첫째, 사전 학습된 언어 모델을 사용하여 입력 텍스트의 벡터 표현을 계산하고 대규모 코퍼스에서 전이 학습을 적용함으로써 추가 정보의 효과를 탐구합니다. 둘째, 목표 코퍼스 내에서 추가 정보를 계산하기 위해 새로운 잠재 클러스터링 방법을 제안하고, 목적 함수를 리스트와이즈(listwise)에서 포인트와이즈(pointwise)로 변경하여 비교-집계 모델을 개선합니다. 제안된 접근법의 성능을 평가하기 위해 WikiQA 및 TREC-QA 데이터셋을 사용한 실험이 수행되었습니다. 경험적 결과는 두 데이터셋 모두에 대해 최고 수준의 성능을 달성한 본 연구팀의 접근법이 우수함을 입증합니다.