뉴럴 및 심볼릭 방법을 통합한 하이브리드 단락 검색 (Hybrid Passage Retrieval Combing Neural and Symbolic Methods)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 20권 / 7호 / 11 ~ 17페이지
· 저자명 : 배용진, 이공주

초록

뉴럴 검색은 심볼릭 검색의 미스매칭 문제를 해결하는 장점이 있으나, 여전히 특정 질문과 단락 환경에서는 심볼릭 검색의 효율이 높아 두 방법론이 병행되어 연구되고 있다. 본 논문에서는 한국어 텍스트 환경에서 두 검색 방법을 통합한, 뉴럴-심볼릭 하이브리드 검색을 제안한다. 하이브리드 검색시 사용되는 자질은 텀 빈도 기반의 심볼릭 자질 벡터와 언어모델 기반의 인코더로 생성한 뉴럴 자질 벡터이다. 유사도를 계산할 때는 생성된 두 자질 벡터를 결합하여 질문-단락 간 적합성 점수를 계산하였다. 실험 결과 단일 검색 방법 대비 위키피디아 및 오피스 문서 컬렉션에서 BR@Top1이 6.35%, 4.41% 각각 성능이 향상되었고, BR@Top50에서도 1.00%, 0.73% 성능이 향상되었다.

영어초록

Neural retrieval has the advantage of resolving the mismatch problem of symbolic retrieval, but the efficiency of symbolic retrieval is still high in a specific question and paragraph environment, so both methodologies are being studied in parallel. In this paper, we proposed a hybrid retrieval that integrates the two search methods in the Korean text. The features used in the hybrid search are a term frequency-based symbolic feature vector and a neural feature vector represented by language model based encoder. We calculated the relevance score of the question-passage by combining the two feature vectors. As a result of the experiment, the BR@Top1 improved by 6.35% and 4.41% compared to the single retrieval method in the wikipedia and office document collections, and also improved 1.00% and 0.73% via BR@Top50.

참고자료

· 없음