http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Fact 검증 기반 정답 재순위화를 이용한 다중추론 질의응답
이정두(Jeong-Doo Lee),나승훈(Seung-Hoon Na),김태형(Tae-Hyeong Kim),최윤수(Yun-Su Choi),장두성(Du-Seong Chang) 한국정보과학회 2021 한국정보과학회 학술발표논문집 Vol.2021 No.6
최근 딥러닝 기술의 발전에 따라 오픈 도메인 질의응답 시스템의 발전 또한 가속화 되고 있다. 오픈 도메인 질의응답의 최신 기계 독해 모델은 일반적으로 상위 K개의 예측에서 높은 재현율을 보이지만 전체 정확도가 낮아 답변 순위를 다시 매길 필요가 있다는 것을 기존 연구를 통해 알 수 있다. 본 논문에서는 자동 사실 검증 모듈을 활용해 예측된 상위 정답 후보들의 순위 재지정 방법을 제안한다. 결과적으로 다중추론 질의응답 모델의 성능을 개선시켰고 이 방법은 기존 모든 오픈 도메인질의응답 시스템에 적용할 수 있어 활용가치가 높다.
불균형 딥러닝 학습 성능 향상을 위한 잠재 공간 편향 외삽 샘플링
정수현(Suhyeon Jeong),이승규(Seungkyu Lee) 한국정보과학회 2021 한국정보과학회 학술발표논문집 Vol.2021 No.6
딥러닝을 이용한 학습 문제에서 클래스 간 학습데이터가 불균형한 문제를 해결하는 것은 어려우면서도 매우중요한 문제이다. 제한된 개수와 불균형한 데이터를 이용한 학습을 위하여, SMOTE와 같은 기존의 데이터 증강 방식이나 딥러닝 알고리즘을 활용하는 방식들은 제한적인 성능을 보여왔다. 본 연구에서는, 외삽 방식의 샘플링을 이용하는 알고리즘의 데이터 불균형 문제 해결 가능성을 탐구한다. 효과적인 샘플링 수행을 위하여, 편향된 노멀 데이터를 기반으로 하는 외삽 알고리즘을 제안한다. 이를 위하여, 두 종류의 편향 extrapolation 방식을 제안한다. 이러한 문제가 자주 발생하는 의료영상 인식 중 내시경 영상을 이용한 위궤양 판별 실험을 통하여 제안 방식의 성능을 검증한다.