초록
신경망 모델은 대화 시스템에서 경쟁력 있는 결과를 달성했지만, 핵심 의미론을 표현하는 데 한계가 있어 중요한 실체를 무시하는 등의 문제가 발생했습니다. 이를 해결하기 위해 우리는 추상적 의미 표현(Abstract Meaning Representation, AMR)을 활용하여 대화 모델링을 지원합니다. 텍스트 입력과 비교할 때, AMR은 명시적으로 핵심 의미 지식을 제공하고 데이터 희소성을 줄입니다. 우리는 문장 수준의 AMR로부터 대화 수준의 AMR 그래프를 구성하는 알고리즘을 개발하였으며, AMR을 대화 시스템에 통합하는 두 가지 방법을 탐구하였습니다. 대화 이해 및 응답 생성 작업에 대한 실험 결과는 우리 모델의 우수성을 보여줍니다. 우리의 지식으로는, 우리는 처음으로 형식적인 의미 표현을 신경망 기반 대화 모델링에 도입한 사례입니다.