초록
최근 주의 기반 인코더-디코더 신경망 모델은 목표 지향 대화 시스템에서 유망한 결과를 보여주고 있습니다. 그러나 이러한 모델은 상태 정보를 유지하면서 추론하고 지식을 통합하는 데 어려움을 겪고 있으며, 엔드투엔드 텍스트 생성 기능을 유지하는 데도 문제가 있습니다. 이러한 모델들은 사용자 의도와 지식 그래프 통합으로부터 크게 이점을 얻을 수 있으므로, 본 논문에서는 지식 그래프와 말뭉치의 공동 임베딩을 입력으로 사용하여 훈련된 RNN 기반 엔드투엔드 인코더-디코더 아키텍처를 제안합니다. 제안된 모델은 텍스트 생성과 함께 사용자 의도를 추가로 통합하며, 다중 작업 학습 패러다임과 잘못된 엔티티 생성에 대한 처벌을 위한 추가적인 정규화 기법으로 훈련됩니다. 또한, 추론 과정에서 지식 그래프 엔티티 조회(Knowledge Graph entity lookup)를 통해 로컬 지식 그래프에 근거한 상태 정보를 포함하도록 출력이 생성되도록 하는 기능을 더합니다. 마지막으로, BLEU 점수를 사용하여 모델을 평가하였으며, 경험적 평가는 제안된 아키텍처가 목표 지향 대화 시스템의 성능 개선에 도움이 될 수 있음을 나타냈습니다.