| 1 |
1
비정형 질문 또는 요구 발화의 구조화된 패러프레이징(structured-paraphrasing) 시스템(10)으로서,질문 또는 요구 문장과 상기 문장의 논항(argument)이 한 쌍으로 병기된 병렬 코퍼스(parallel corpus)를 학습 입력 데이터로 수집하는 데이터 수집부(100);상기 데이터 수집부(100)에서 수집된 병렬 코퍼스의 질문 또는 요구 문장과 논항의 연관성 및 의미(semantic) 관계를 이해하도록 패러프레이징 모델을 학습하는 학습부(200); 및사용자로부터 질문 또는 요구 발화가 입력되면, 상기 학습된 패러프레이징 모델을 이용하여, 입력된 질문 또는 요구 문장을 분류 및 분석하고, core content로서 논항을 추출하는 패러프레이징부(300)를 포함하는 것을 특징으로 하는, 비정형 질문 또는 요구 발화의 구조화된 패러프레이징 시스템(10)
|
| 2 |
2
제1항에 있어서, 상기 데이터 수집부(100)는,상기 병렬 코퍼스의 질문 또는 요구 문장의 종류에 따라 yes/no question, alternative question, wh-question, prohibition, requirement, strong requirement의 여섯 가지 유형으로 나뉘어 수집하는 것을 특징으로 하는, 비정형 질문 또는 요구 발화의 구조화된 패러프레이징 시스템(10)
|
| 3 |
3
제2항에 있어서, 상기 패러프레이징부(300)는,사용자로부터 입력된 상기 질문 또는 요구 문장을 character 단위로 분석하여, 문장 내 지우거나 변환해야 할 부분을 판단하는 분석부(310); 및상기 분석부(310)에서의 판단에 따라 상기 질문 또는 요구 문장의 core content로서 논항을 추출하는 추출부(320)를 포함하는 것을 특징으로 하는, 비정형 질문 또는 요구 발화의 구조화된 패러프레이징 시스템(10)
|
| 4 |
4
제3항에 있어서, 상기 분석부(310)는,사용자로부터 입력된 상기 질문 또는 요구 문장의 종류에 따라 yes/no question, alternative question, wh-question, prohibition, requirement, strong requirement의 여섯 가지 유형 중 어느 하나의 유형으로 분류하여, 분류된 문장을 character 단위로 분석하고, 문장 내 지우거나 변환해야 할 부분을 판단하는 것을 특징으로 하는, 비정형 질문 또는 요구 발화의 구조화된 패러프레이징 시스템(10)
|
| 5 |
5
제1항에 있어서, 상기 패러프레이징 모델은,seq2seq 모델(시퀀스-투-시퀀스 모델, 인코더-디코더 모델)을 사용하여 상기 입력된 문장을 분석하고, 논항을 추출하는 것을 특징으로 하는, 비정형 질문 또는 요구 발화의 구조화된 패러프레이징 시스템(10)
|
| 6 |
6
제5항에 있어서, 상기 seq2seq 모델은,두 개의 RNN(Recurrent Neural Network, 순환 신경망)으로 구성되며, RNN encoder-decoder with Attention 또는 Transformer 접근 방식을 이용하는 것을 특징으로 하는, 비정형 질문 또는 요구 발화의 구조화된 패러프레이징 시스템(10)
|
| 7 |
7
비정형 질문 또는 요구 발화의 구조화된 패러프레이징(structured-paraphrasing) 방법으로서,(1) 데이터 수집부(100)가, 질문 또는 요구 문장과 상기 문장의 논항(argument)이 한 쌍으로 병기된 병렬 코퍼스(parallel corpus)를 학습 입력 데이터로 수집하는 단계;(2) 학습부(200)가, 상기 단계 (1)에서 수집된 병렬 코퍼스의 질문 또는 요구 문장과 논항의 연관성 및 의미(semantic) 관계를 이해하도록 패러프레이징 모델을 학습하는 단계; 및(3) 사용자로부터 질문 또는 요구 발화가 입력되면, 상기 단계 (2)에서 학습된 패러프레이징 모델을 이용하여, 패러프레이징부(300)가, 입력된 질문 또는 요구 문장을 분류 및 분석하고, core content로서 논항을 추출하는 단계를 포함하는 것을 특징으로 하는, 비정형 질문 또는 요구 발화의 구조화된 패러프레이징 방법
|
| 8 |
8
제7항에 있어서, 상기 단계 (1)에서는,상기 병렬 코퍼스의 질문 또는 요구 문장의 종류에 따라 yes/no question, alternative question, wh-question, prohibition, requirement, strong requirement의 여섯 가지 유형으로 나뉘어 수집하는 것을 특징으로 하는, 비정형 질문 또는 요구 발화의 구조화된 패러프레이징 방법
|
| 9 |
9
제8항에 있어서, 상기 단계 (3)은,(3-1) 분석부(310)가, 사용자로부터 입력된 상기 질문 또는 요구 문장을 character 단위로 분석하여, 문장 내 지우거나 변환해야 할 부분을 판단하는 단계; 및(3-2) 추출부(320)가, 상기 단계 (3-1)에서의 판단에 따라 상기 질문 또는 요구 문장의 core content로서 논항을 추출하는 단계를 포함하는 것을 특징으로 하는, 비정형 질문 또는 요구 발화의 구조화된 패러프레이징 방법
|
| 10 |
10
제9항에 있어서, 상기 단계 (3-1)에서는,사용자로부터 입력된 상기 질문 또는 요구 문장의 종류에 따라 yes/no question, alternative question, wh-question, prohibition, requirement, strong requirement의 여섯 가지 유형 중 어느 하나의 유형으로 분류하여, 분류된 문장을 character 단위로 분석하고, 문장 내 지우거나 변환해야 할 부분을 판단하는 것을 특징으로 하는, 비정형 질문 또는 요구 발화의 구조화된 패러프레이징 방법
|
| 11 |
11
제7항에 있어서, 상기 패러프레이징 모델은,seq2seq 모델(시퀀스-투-시퀀스 모델, 인코더-디코더 모델)을 사용하되,상기 seq2seq 모델은, 두 개의 RNN(Recurrent Neural Network, 순환 신경망)으로 구성되며, RNN encoder-decoder with Attention 또는 Transformer 접근 방식을 이용하는 것을 특징으로 하는, 비정형 질문 또는 요구 발화의 구조화된 패러프레이징 방법
|
