챗봇의 의도 예문 자동 입력을 위한 Text-CNN 기반 의도 분류 방법 (Text-CNN Based Intent Classification Method for Automatic Input of Intent Sentences in Chatbot)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 18권 / 1호 / 19 ~ 25페이지
· 저자명 : 박필원

초록

본 논문에서는 기존 챗봇 프레임워크의 추론율을 높이기 위해 주어진 인텐트에 대한 예문을 Text-CNN을 이용하여 자동으로 분류해서 생성하는 방법을 제안하였다. 의도 분류시스템은 전처리 과정을 거쳐서 준비된 각 문장들의 단어들에 대한 워드벡터, 위치벡터들로 구성된 데이터를 Text-CNN을 이용하여 학습한다. 제안된 Text-CNN 구조는 컨볼루션 층, 맥스 풀링 층을 가지며 완전연결 소프트 맥스 층을 출력으로 갖는다. 또한, 드롭아웃(dropout)을 적용하여 정규화를 수행한다.
본 논문은 국립휴양림 사이트의 질의응답 및 휴양림 후기를 웹스크래핑을 이용하여 총 9000건의 문장을 수집하여 실험하였다. 취사안내 의도에 대한 Text-CNN 학습 결과로 얻은 정확도는 약 94%였다. Text-CNN 학습 결과로 생성한 모델로 레이블링되지 않은 나머지 문장을 분류하였으며 총 63건의 취사 관련 예문을 추출하였으며 이를 챗봇의 의도 예문으로 추가하였다.

영어초록

In this paper, we propose how to automatically categorize and generate examples of given intents using Text-CNN in order to increase the inference rate of the existing chatbot framework. The Intent Classification System uses Text-CNN to learn data consisting of word vectors and position vectors for each prepared sentence through the preprocessing process. The proposed Text-CNN structure has a construction layer, a max pooling layer, and a fully connected soft max layer as its output. In addition, dropout is applied to perform regularization.
For the experiment, a total of 9,000 sentences were collected using webscraping. An experiment showed that the accuracy obtained from Text-CNN's learning of kitchen intents was about 94%. The rest of the sentences, not labeled with the model produced by Text-CNN, were grouped and 63 cases of cooking were extracted in total and the sentences were input in Chatbot.

참고자료

· 없음