[논문 리뷰] Knowledge-based Conversational Search

Svitlana Vakulenko|arXiv (Cornell University)|2019. 12. 01.

Speech and dialogue systems참고 문헌 192인용 수 3

한 줄 요약

이 학위논문은 지식 기반 대화 검색 프레임워크를 제안하며, 질문 응답과 대화형 브라우징을 통합하여 복잡한 다단계 정보 탐색 대화를 지원한다. 지식 그래프와 구조화된 대화 모델링을 활용함으로써, 어휘 불일치 문제를 해결하고 상호작용 기반 스토리텔링을 통해 능동적인 탐색을 가능하게 하여 정보 검색의 효율성과 효과성을 향상시킨다.

ABSTRACT

Conversational interfaces that allow for intuitive and comprehensive access to digitally stored information remain an ambitious goal. In this thesis, we lay foundations for designing conversational search systems by analyzing the requirements and proposing concrete solutions for automating some of the basic components and tasks that such systems should support. We describe several interdependent studies that were conducted to analyse the design requirements for more advanced conversational search systems able to support complex human-like dialogue interactions and provide access to vast knowledge repositories. In the first two research chapters, we focus on analyzing the structures common to information-seeking dialogues by capturing recurrent patterns in terms of both domain-independent functional relations between utterances as well as domain-specific implicit semantic relations from shared background knowledge. Our results show that question answering is one of the key components required for efficient information access but it is not the only type of dialogue interactions that a conversational search system should support. In the third research chapter, we propose a novel approach for complex question answering from a knowledge graph that surpasses the current state-of-the-art results in terms of both efficacy and efficiency. In the last research chapter, we turn our attention towards an alternative interaction mode, which we termed conversational browsing, in which, unlike question answering, the conversational system plays a more pro-active role in the course of a dialogue interaction. We show that this approach helps users to discover relevant items that are difficult to retrieve using only question answering due to the vocabulary mismatch problem.

연구 동기 및 목표

• 단순한 질문 응답을 넘어서 인간과 유사한 복잡한 대화 상호작용을 지원하는 대화 검색 시스템을 설계하기.
• 능동적이고 지식 기반의 탐색을 통해 어휘 불일치 문제를 해결함으로써 정보 검색의 정확성을 향상시키기.
• 내용 구성, 생성 및 사용자 기반 대화를 통합하는 상호작용 기반 스토리텔링을 위한 프레임워크 개발하기.
• 지식 그래프 기반 질문 응답의 효율성과 효과성을 구조적 최적화를 통해 향상시키기.
• 사용자 상호작용 기반으로 대화 행동을 지속적으로 학습하고 적응시킬 수 있는 메커니즘 제공하기.

제안 방법

• 메시지 전달과 그래프 기반 추론을 활용한 지식 그래프 기반 복잡한 질문 응답을 위한 새로운 접근법을 제안하여 정확도와 속도를 향상시켰다.
• 지식 그래프의 구조를 활용해 시스템이 사용자를 능동적으로 안내하는 대화형 브라우징 상호작용 모드를 설계하였다.
• 공유 배경 지식에 기반한 발화 간의 功能적 및 의미적 관계를 분석하는 대화 구조 분석 방법을 도입하였다.
• 지식 모델의 구조적 및 의미적 단서를 활용한 대화의 일관성 측정 프레임워크를 개발하였다.
• 기계적 독해 및 요약 기법을 통해 구조화된(예: DBpedia, Wikidata) 및 비구조화된 자료(예: 위키백과)의 지식을 통합하였다.
• 정보 모델의 구조에 기반한 대화 턴 순서 최적화 기준을 설정하여 더 정보가 많은 개념을 우선순위로 배치함으로써 탐색 시간을 단축시켰다.

실험 결과

연구 질문

• RQ1 다양한 도메인에서 효과적인 정보 탐색 대화의 구조적 패턴은 무엇인가?
• RQ2 어떻게 지식 그래프를 활용하여 복잡한 질문 응답의 효율성과 정확성을 향상시킬 수 있는가?
• RQ3 능동적인 대화형 브라우징은 정보 검색에서 어휘 불일치의 영향을 어느 정도 줄일 수 있는가?
• RQ4 대화 시스템은 어떻게 상호작용 기반 스토리텔링과 내러티브 기반 탐색을 지원할 수 있는가?
• RQ5 실시간 사용자 상호작용에서 대화 행동의 지속적 학습과 적응을 가능하게 하는 메커니즘은 무엇인가?

주요 결과

• 제안된 지식 기반 질문 응답 방법은 정확도와 응답 시간 측면에서 최신 기술들을 능가하며, 명확한 성능 향상을 입증하였다.
• 대화형 브라우징은 어휘적 또는 의미적 불일치로 인해 질문 응답만으로는 어려운 관련 항목의 탐색을 크게 향상시켰다.
• 대화의 구조적 분석을 통해 반복적으로 나타나는 功能적 및 의미적 관계를 규명하여 인간과 유사한 대화 역학을 더 잘 모델링할 수 있었다.
• 대화 턴 순서에서 더 정보가 많은 개념을 우선순위로 배치함으로써 평균 탐색 시간이 감소하여 시스템의 반응성과 사용자 통제력이 향상되었다.
• 구조화된 및 비구조화된 자료의 지식 통합을 통해 더 풍부하고 맥락 인식 능력이 향상된 대화 상호작용이 가능해졌다.
• 특히 탐색적 검색 시나리오에서 시스템이 능동적인 역할을 할 경우, 사용자 참여도와 정보 탐색 능력이 향상됨을 확인하였다.