일반화 가능한 신경-기호 시스템을 통한 일반지식 질문 응답 연구

비추출적 공리적 질문 응답(QA)은 시스템이 다양한 정보 조각들을 이해하고 통합하며 추론하여 질의에 대한 응답을 생성해야 하는 데 있어 여전히 도전적인 AI 과제로 남아 있다. 최근의 이러한 과제에 대한 접근 방식들은 모델이 추가 정보로 사전 학습되거나 도메인 특화 히우리스틱을 사용하는 경우에만 성능이 향상되는 것으로 나타났으며, 지식 자원의 유형에 대한 특별한 고려 없이 이루어진다. 본 논문에서는 최근의 공리적 QA 방법을 조사하고, 다양한 공리적 데이터셋에서의 벤치마크를 기반으로 대표적인 지식 자원과 지식 통합 방법에 대한 체계적인 분석을 수행한다. 우리의 실험 결과와 분석을 통해, 주의 기반 주입(attention-based injection)이 지식 통합에 있어 선호되는 방식임을 확인하였으며, 지식베이스와 데이터셋 간의 도메인 겹침 정도가 모델 성공 여부를 결정하는 데 핵심적인 역할을 함을 밝혔다.