다시점 분석을 통한 새로운 의도 발견 방법 = New Intent Discovery through Multi-view Analysis

국문 초록 (Abstract)

최근 대규모 언어 모델(LLM)의 발전으로 ChatGPT와 같은 AI 챗봇 서비스가 다양한 분야에서 활용되고 있다. 이러한 챗봇 서비스는 사용자 발화의 의도를 파악하여 상황에 맞는 응답을 제공하는 것을 핵심으로 하며, 이를 위해 의도 분류기는 필수적인 구성 요소이다. 그러나 새로운 서비스의 등장이나 사회적 변화로 인해 발생하는 새로운 의도를 기존 분류기가 인식하지 못하면, 챗봇의 성능이 저하되고 사용자 요구에 부합하지 않는 응답을 생성할 위험이 있다. 본 연구는 기존 의도 데이터와 의도가 알려지지 않은 데이터를 통합하여 새로운 의도를 효율적으로 발견하는 방법을 탐구한다. 이를 위해 문장을 다각도로 분석하는 "다시점 분석" 기법을 제안하며, 문장 임베딩뿐만 아니라 핵심어구인 키워드를 활용하여 문장의 의도를 더욱 효과적으로 파악하고자 하였다. 문장 임베딩 추출기로는 다양한 자연어 처리 목적에 적합한 모델을 선택하여 비교 실험을 수행하였다. 실험 결과, 3가지 공인 데이터세트에서 기존 연구 대비 높은 성능을 달성하였다.

다국어 초록 (Multilingual Abstract)

With the recent advancements in large language models (LLMs), AI chatbot services such as ChatGPT are being utilized across various domains. These chatbot services rely on understanding the intent of user utterances to provide contextually appropriate responses, making intent classifiers an essential component. However, if existing classifiers fail to recognize new intents that emerge due to the introduction of new services or societal changes, the chatbot's performance may deteriorate, posing the risk of generating responses that do not meet user expectations. This study explores an efficient method for discovering new intents by integrating existing intent data with data containing unknown intents. To achieve this, we propose a "multi-view analysis" technique that analyzes sentences from multiple angles, leveraging not only sentence embeddings but also keywords as critical phrases to better understand sentence intent. Various models suitable for natural language processing were selected as sentence embedding models and comparative experiments were conducted. Experimental results demonstrated superior performance compared to previous studies across three publicly available datasets.