페르소나 사중항 분석과 하이퍼그래프 확장을 통한 개인화 대화 시스템

국문 초록 (Abstract)

개인화된 대화를 생성하는 시스템 구축에 있어 페르소나(Persona)는 사용자의 특성을 반영하는 중요한 역할을 한다. 기존 페르소나 기반 대화 시스템은 정적 페르소나 정보에 의존하고, 페르소나 속성 간의 복잡한 관계를 모델링하는 데에 한계가 있었다. 본 연구에서는 페르소나의 속성 간의 고차원적 관계를 모델링하는 ‘페르소나 사중항(Quadruple) 분석 및 하이퍼그래프 확장 프레임워크’를 제안한다.
먼저, 페르소나 정보를 효과적으로 구조화하기 위해 핵심항, 표현항, 감성항, 범주항으로 구성된 페르소나 사중항 표현법을 새롭게 정의하였다. 거대 언어 모델을 활용해 페르소나 사중항 데이터셋을 구축하고, 추출 모델을 학습시켜 페르소나 문장과 대화 발화로부터 사중항을 분석하였다.
다음으로, 분석된 사중항 정보를 기반으로 페르소나 하이퍼그래프를 구축하였다. 페르소나 문장 및 속성을 노드로, 이들이 공유하는 ‘감성항’과 ‘범주항’을 하이퍼엣지로 설정하여 페르소나 요소 간의 다대다 관계를 모델링하였다. 하이퍼그래프 신경망을 통해 학습된 구조적 정보는 ‘페르소나 요약 벡터’와 ‘개별 페르소나 노드’의 형태로 응답 생성 모델에 주입된다.
제안 프레임워크는 사중항 추출을 통한 페르소나 분석 작업과 페르소나 기반 응답 생성 작업에 대해 각각 PGDataset을 기반으로 확장하여 생성한 데이터셋, PersonaChat 데이터셋으로 평가되었다. 추출 모델 평가 결과, 하이퍼그래프 구축에 효과적으로 활용될 수 있는 수준의 분석 결과를 달성하였다. 이를 바탕으로 하이퍼그래프 확장을 통해 응답 생성을 진행한 결과, 비교 모델보다 우수한 성능을 보이며 그 효과를 입증하였다.
본 연구는 페르소나 사중항이라는 새로운 표현법을 제시하고, 하이퍼그래프를 통해 페르소나 속성 간의 내재된 관계를 효과적으로 모델링하여, 기존보다 일관되고 풍부한 페르소나 기반 응답 생성이 가능함을 입증하였다.

다국어 초록 (Multilingual Abstract)

In building systems that generate personalized dialogue, persona plays a crucial role in reflecting user characteristics. Existing persona-based dialogue systems have limitations as they rely on static persona information and struggle to model the complex relationships between persona attributes. In this study, we propose a ‘Persona Quadruple Analysis and Hypergraph Expansion Framework’ that models the rich semantics of persona and the high-order relationships between its attributes.
First, to effectively structure persona information, we newly define a persona quadruple representation consisting of Core, Expression, Sentiment, and Category. We constructed a persona quadruple dataset using a large language model and trained an extraction model to analyze quadruples from persona sentences and dialogue utterances.
Next, we constructed a persona hypergraph based on the analyzed quadruple information. Persona sentences and attributes were set as nodes, and the ‘Sentiment’ and ‘Category’ elemets they share were set as hyperedges, thereby modeling the many-to-many relationships between persona elements. The structural information, learned through a hypergraph neural network, is injected into the response generation model in the form of a ‘persona summary vector’ and ‘separate persona nodes.’
The proposed framework was evaluated for the persona analysis task (quadruple extraction) using a dataset expanded from PGDataset, and for the persona-based response generation task using the PersonaChat dataset. The extraction evaluation results achieved a level of analysis sufficient for effective use in hypergraph construction. Based on this, response generation conducted through hypergraph expansion demonstrated superior performance compared to baseline models, proving its effectiveness.
This study presents a new representation method called persona quadruple and demonstrates that by effectively modeling the inherent relationships between persona attributes through a hypergraph, it is possible to generate more consistent and richer persona-based responses than before.

목차 (Table of Contents)

• 제1장 서 론 1
• 1. 연구 필요성 1
• 2. 연구 목표 및 제안 방법 3
• 제2장 관련 연구 5
• 1. 페르소나 기반 대화 시스템 5
• 2. 동적 페르소나 추출 6
• 3. 사중항 문장 분석 7
• 4. 하이퍼그래프 뉴럴 네트워크 8
• 제3장 제안 방법 9
• 1. 제안 프레임워크 구조 9
• 2. 페르소나 사중항 분석 모델 11
• 가. 페르소나 사중항 정의 11
• 나. 페르소나 사중항 데이터 구축 11
• 다. 사중항 분석 모델 학습 13
• 라. 분석 모델 기반 데이터 개선 14
• 3. 페르소나 하이퍼그래프 기반 응답 생성 16
• 가. 페르소나 하이퍼그래프 16
• 나. 하이퍼그래프 뉴럴 네트워크 16
• 다. 모델 입력 17
• 라. 학습 전략 18
• 제 4장 실험 및 평가 20
• 1. 데이터셋 20
• 2. 실험 설정 21
• 3. 성능 평가 지표 22
• 가. 정량 평가 지표 22
• 나. 정성 평가 지표 23
• 4. 사중항 분석 실험 결과 24
• 5. 응답 생성 실험 결과 25
• 가. 정량 평가 25
• 나. 정성 평가 26
• 6. 추가 분석 28
• 제5장 결 론 29
• 1. 연구 성과 29
• 2. 향후 연구 31
• 부 록 37