[연구의  필요성]
목적지향 대화챗봇은 여러개의 세부 모델로 구성되어 있으며, 그중 대화 상태 추적 모델은 대화 내에서 유저가 중요하게 전달한 단어를 문맥속에서 찾아 상태를 기록하는 역할을 함. 그러나 대화 상태 추적 모델을 학습시키기 위한 데이터를 생성하는것은 시간과 사람의 노력이 많이 들어가는 작업이므로, 태깅된 데이터의 수가 적더라도 좋은 성능을 보일 수 있는 학습방법과 모델이 필요함.

[포스텍이 가진 고유의 기술]
본 연구에서는 질문 – 대화 형식의 대화 상태 추적 모델을 개발하여 대화 내에서 중요 모델을 효과적으로 찾는 연구를 진행하였고, 보다 성능을 높이기 위해 보조 태스크와,
자가학습 방법을 사용함. 메인 태스크에서는 정보를 찾기 원하는 항목에 대한 질문을 모델에게 하고, 모델은 해당하는 질문의 답을 생성함
보조 태스크에서는 정보를 언급을 파악할 수 있는 질문을 모델에게 하고, 모델을 질문에 대한 답이 대화 내에 있는지를 파악하였음.
자가 학습 방법에서는 이전 대화에서 생성된 대화 상태를 모델의 인풋으로 다시 넣어 주어 모델이 대화의 흐름을 더 잘 파악하도록 하였음.

[연구의 의미]
다양한 실험을 통해 질문 형태로 대화 상태 추적 모델을 만드는 것이, 데이터가 적은 환경에서 새로운 도메인에서 전이 학습이 잘 되게 하는 것을 확인하였으며, 보조 태스크에서는 정답의 유무를 확인하는 것에 도움을 주는것을 확인 하였다. 제안한 방법은 기존에 사용하던 데이터의 10% 만을 가지고도, 전체 대화 데이터를 사용한 것과 비교할 만한 성능을 보여주었다.

[연구결과의 진행 상태 및 향후 계획]
이번 연구에서는 게임 엔진에서 직접 추출된 움직임을 기반으로 모션 효과를 생성하고, 사용자 평가를 통해 최적의 모션 효과 생성 방식을 선정하였다. 향후에는 이 과정을 완전 자동화하기 위해 컴퓨터 비전 기술과 결합하여 일반적인 영상에서 움직임을 자동으로 추출하고 조합하여 모션 효과를 생성하고자 한다.

[성과와 관련된 실적]
제안하는 기술은 언어 및 음성 분야 우수 국제학술대회인 Interspeech에서 구두발표 논문으로 선정되었음.

[성과와 관련된 이미지]