[논문 리뷰] LD-SDS: Towards an Expressive Spoken Dialogue System based on Linked-Data

Alexandros Papangelis, Panagiotis Papadakos외 4명|arXiv (Cornell University)|2017. 10. 09.

Natural Language Processing Techniques참고 문헌 28인용 수 7

한 줄 요약

이 논문은 전통적인 슬롯 채우기 방식을 뛰어넘어 표현력 있고 다단계, 탐색형 대화를 가능하게 하는 새로운 구두 대화 시스템 LD-SDS를 제안한다. 연결된 데이터와 의미론적 기술을 통합함으로써, 의미론적 추론, 동적 엔터티 연결, 사용자 선호도 모델링을 활용하여, 개방형 지식 기반에서 복잡한 질의, 주도적 대화, 비교적 추론을 지원한다. 호텔 선택 사례에서의 구현을 통해 실현 가능성을 입증하였다.

ABSTRACT

In this work we discuss the related challenges and describe an approach towards the fusion of state-of-the-art technologies from the Spoken Dialogue Systems (SDS) and the Semantic Web and Information Retrieval domains. We envision a dialogue system named LD-SDS that will support advanced, expressive, and engaging user requests, over multiple, complex, rich, and open-domain data sources that will leverage the wealth of the available Linked Data. Specifically, we focus on: a) improving the identification, disambiguation and linking of entities occurring in data sources and user input; b) offering advanced query services for exploiting the semantics of the data, with reasoning and exploratory capabilities; and c) expanding the typical information seeking dialogue model (slot filling) to better reflect real-world conversational search scenarios.

연구 동기 및 목표

• 유연한 슬롯 채우기와 정적 데이터베이스에 의존하는 현재의 구두 대화 시스템의 한계를 해결한다.
• 탐색형 검색과 변화하는 사용자 의도를 지원하는 자연스럽고 다단계의 대화를 가능하게 한다.
• 실시간으로 이용 가능한 개방형 지식 기반의 연결된 데이터 소스를 의미론적 추론과 엔터티 정규화와 통합한다.
• 계층적이고 다중 값 기반의 데이터 모델을 통해 사용자 선호도와 유연한 제약 조건을 지원한다.
• 데이터 분포와 사용자 집중도를 바탕으로 명시적 질문을 제안할 수 있는 대화 시스템을 개발한다.

제안 방법

• 사용자 의도와 제약 조건(범위 내 또는 그 사이 값 포함)을 유지하고 업데이트하기 위해 확률적 규칙 기반의 믿음 추적기를 사용한다.
• 도메인 독립적 특징(예: 슬롯 엔트로피, 일치 수 등)을 기반으로 작동하는 딥 Q-네트워크(DQN) 기반 대화 정책을 적용하여 도메인 간 일반화를 가능하게 한다.
• 이질적인 지식 기반 간의 엔터티 연결, 정규화, 스키마 통합을 수행하는 의미론적 레이어를 구현한다.
• 사용자가 지정한 요소 기반으로 최대 세 개의 항목을 요약하고 비교하기 위해 템플릿 기반 자연어 생성(NLG)을 적용한다.
• 점진적인 의사결정과 맥락 기억을 지원하기 위해 세션 기반 상호작용 모델을 설계한다.
• 이중 제약 조건을 넘어서 '약 X 주변'이나 'Y 이하'와 같은 복잡한 질의를 지원하기 위해 대화 철학을 확장한다.

실험 결과

연구 질문

• RQ1 어떻게 구두 대화 시스템이 개방형, 이질적인 지식 기반에서 탐색적이고 표현적인 사용자 질의를 효과적으로 지원할 수 있는가?
• RQ2 의미론적 기술이 구두 대화 시스템에서 엔터티 식별, 정규화, 연결에 얼마나 기여할 수 있는가?
• RQ3 재학습 없이도 동적 도메인 간에서 확장성 있고 적응 가능한 대화 정책을 어떻게 설계할 수 있는가?
• RQ4 데이터 분포와 사용자 선호도를 바탕으로 대화 시스템에서 주도적 행동을 어떻게 실현할 수 있는가?
• RQ5 의미론적 대화 시스템에서 비교적 추론과 요약을 지원하기 위해 자연어 생성을 어떻게 향상시킬 수 있는가?

주요 결과

• LD-SDS 프로토타입은 연결된 데이터 소스 기반의 복잡한 다단계 대화, 비교적 추론, 선호도 기반 순위 매기기를 성공적으로 지원한다.
• 시스템은 실생활의 호텔 선택 시나리오에서의 구현 가능성을 입증하였으며, 부드러운 제약 조건과 동적 값 범위를 포함한 질의를 지원한다.
• DQN 기반 정책에서 도메인 독립적 특징을 사용함으로써 재학습 없이도 도메인 간 일반화가 가능하다.
• 의미론적 추론과 엔터티 정규화 통합으로 사용자 의도 인식의 정확성과 표현력이 향상된다.
• 템플릿 기반 NLG를 통해 사용자가 지정한 요소 기반으로 최대 세 개의 항목을 일관성 있게 요약하고 비교할 수 있다.
• 대화 관리자가 데이터 분포와 사용자 집중도를 바탕으로 명시적 질문을 제안하는 주도적 행동을 지원한다.