의미적 특성을 고려한 지식 기반의 다중 전환 개방형 대화에서의 응답 선택

응답 선택은 웹 기반 응용에서 중요한 과제로 여겨지는 AI 분야의 핵심 문제이다. 그러나 특히 개방형 대화 환경에서 단어가 다양한 맥락에서 여러 의미를 가질 수 있기 때문에, 맥락 인식 능력의 부족으로 인해 선택된 응답의 정확도가 부족한 경향이 있다. 본 연구에서 제안하는 SemSol은 대화 내 사용자들 간에 암묵적으로 공유되는 단어의 맥락 특화 의미를 활용함으로써 이 문제를 해결하는 지식 기반 응답 선택 모델이다. SemSol은 개방형 지식 그래프인 WordNet을 기반으로 대화 내 단어들에 대한 단어의 의미 해석(Word Sense Disambiguation, WSD)을 동시에 학습하면서, 대화 맥락과 응답 후보 간의 매칭을 학습한다. 이후 SemSol은 대화 맥락에 부합하는 지식 그래프 내의 의미 정보를 활용하여 응답 선택 정확도를 향상시킨다. 본 모델은 전체 학습 데이터셋의 맥락에서 발화의 주제를 학습하며, 이 주제 수준의 지식은 대화 맥락에서 특정 주제에 기반한 정보를 제공함으로써 WSD 및 응답 선택 정확도를 개선한다. 중국어 대화 데이터셋인 Douban과 영어 대화 데이터셋인 Reddit을 대상으로 수행한 실험 결과, SemSol은 최신 기준 모델들을 모두 상회하며, Douban 리더보드에서 1위를 기록하였다.