지식 기반 작업 지향 대화 시스템을 위한 템플릿 유도 하이브리드 포인터 네트워크

기존의 대부분의 신경망 기반 작업 지향 대화 시스템은 인코더-디코더 아키텍처를 따르며, 디코더가 소스 텍스트에만 의존하여 단어 시퀀스를 생성하는 방식을 채택하고 있다. 이는 일반적으로 안정성 부족과 난해한 가독성 문제를 야기한다. 기존의 템플릿 기반 생성 방법론에 영감을 받아, 지식 기반 작업 지향 대화 시스템을 위한 템플릿 유도형 하이브리드 포인터 네트워크를 제안한다. 본 모델은 미리 구축된 도메인 특화 대화 레포지터리에서 관련성이 높은 잠재적 답변들을 검색하여 가이드 답변으로 활용하고, 이를 인코딩 및 디코딩 과정에 통합한다. 구체적으로, 검색된 답변과 진짜 응답 간의 의미적 상관관계를 극대화하기 위해 게이팅 메커니즘을 갖춘 메모리 포인터 네트워크 모델을 설계하였다. 제안된 모델은 시뮬레이션된 데이터셋 1개와 수작업으로 생성된 데이터셋 3개를 포함한 네 가지 널리 사용되는 작업 지향 대화 데이터셋에서 평가되었으며, 실험 결과는 다양한 자동 평가 지표에서 기존 최고 성능 모델들을 상회하는 유의미한 성능 향상을 보였다.