KR100546743B1 - 언어분석 기반 자동 질문/정답 색인 방법과 그 질의응답방법 및 시스템 - Google Patents

언어분석 기반 자동 질문/정답 색인 방법과 그 질의응답방법 및 시스템 Download PDF

Info

Publication number
KR100546743B1
KR100546743B1 KR1020030068931A KR20030068931A KR100546743B1 KR 100546743 B1 KR100546743 B1 KR 100546743B1 KR 1020030068931 A KR1020030068931 A KR 1020030068931A KR 20030068931 A KR20030068931 A KR 20030068931A KR 100546743 B1 KR100546743 B1 KR 100546743B1
Authority
KR
South Korea
Prior art keywords
question
correct
user
natural language
answer
Prior art date
Application number
KR1020030068931A
Other languages
English (en)
Other versions
KR20050032937A (ko
Inventor
허정
황이규
장명길
Original Assignee
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020030068931A priority Critical patent/KR100546743B1/ko
Publication of KR20050032937A publication Critical patent/KR20050032937A/ko
Application granted granted Critical
Publication of KR100546743B1 publication Critical patent/KR100546743B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/338—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/3332—Query translation
    • G06F16/3338—Query expansion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/268—Morphological analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 다양한 문서들에 대한 언어분석을 통해 정답후보 어휘나 구들을 선별하고 이와 관련된 자연어 질문을 자동 생성하여 그 질문/정답 쌍들을 미리 색인 저장함으로써, 사용자 질의시 질문의 유사도 비교를 통해 질의에 대한 양질의 정답후보들을 순위적으로 빠르게 제시하는 언어분석 기반 질의응답 시스템 및 그 방법에 관한 것이다.
본 발명은 문서들의 언어적 구조를 분석하여 문서의 정답유형 및 의미구조를 파악하는 단계; 문서에서 정답 후보문을 선정하는 단계; 정답유형 및 의미구조를 기반으로 정답 후보문에 대한 자연어 질문을 생성하는 단계; 생성된 자연어 질문과 그 정답 후보문을 쌍으로 하여 데이터베이스화하는 단계; 사용자 질의문에 대해 언어구조를 분석하여 적합한 정답유형을 인식하고 그 질의문 의미구조를 파악하는 단계; 사용자 질의문의 내용을 분석하는 단계; 질문분석 결과를 바탕으로 질문/정답쌍 데이터베이스로부터 유사한 자연어 질문들을 검색하는 단계; 및 검색된 자연어 질문들 및 그 정답 후보문을 순위화하여 사용자에게 제시하는 단계로 이루어진다.
정답유형, 질의응답, 자연어 질문, 언어분석, 온톨로지, 개체명 인식

Description

언어분석 기반 자동 질문/정답 색인 방법과 그 질의응답 방법 및 시스템{Method for automatically creating a question and indexing the question-answer by language-analysis and the question-answering method and system}
도 1은 본 발명에 따른 질의응답 시스템의 블록 구성도.
도 2는 본 발명에 따른 언어분석 과정에 대한 구성블록 및 흐름도.
도 3은 본 발명에 따른 질문검색 과정에 대한 구성블록 및 흐름도.
도 4는 본 발명에 따른 정답유형 테이블에 대한 예시 도표도.
<도면의 주요부분에 대한 부호의 설명>
100: 질문/정답쌍 색인 엔진 200: 사용자 질의/응답 엔진
10: 언어 분석부 20: 질문생성 후보문장 선택부
30: 자연어 질문 생성부 40: 질문/정답 색인부
42: 색인 데이터베이스 44: 질문/정답 데이터베이스
50: 질문 분석부 60: 질문 검색부
61: 정답유형 확장부 62: 키워드 확장부
70: 검색결과 출력부
본 발명은 언어분석을 기반으로 하는 자동 질문/정답 색인 방법과 그 질의응답 방법 및 시스템에 관한 것이며, 보다 상세히는 다수의 문서들에 대한 언어 분석을 통해 정답후보 문장에 대한 자연어 질문을 자동 생성하여 질문/정답 쌍을 색인 저장하고, 사용자의 질의시 색인 질문과의 유사도를 계산하여 입력 질문에 가장 근접한 질문 및 정답을 순위화하여 사용자에게 제시하는 언어분석 기반 자동 질문/정답 색인 방법과 그 질의응답 방법 및 시스템에 관한 것이다.
인터넷 및 각종 네트워크가 널리 보급되면서 웹사이트 상에 각종 검색 엔진 및 정보검색 사이트가 제공되고 있으며 사용자들로서는 이를 이용하여 웹상의 각종 문서 등에 존재하는 다양한 정보를 쉽고 빠르게 획득하고 있다. 또한, 최근에는 이와 같이 문서형태로 검색정보를 제공하는 기존의 검색엔진에 진일보하여 사용자의 질의에 해당되는 정답내용만을 제공하는 질의응답시스템이 개발되어 시행되고 있다.
하지만, 종래 질의응답시스템은 기존의 정보검색엔진을 이용하여 검색된 상위 문서만을 대상으로 언어분석을 한 후, 사용자의 질문에 상응하는 정답후보 문장이나 구를 제시하는 형태로 이뤄지고 있다. 따라서, 사용자가 원하는 정보가 포함된 문서가 상위에 출현하지 않을 경우, 양질의 정답을 제시하기가 어려워지는 문제점이 있다. 또한, 검색된 문서를 실시간으로 언어 분석하여 사용자 질문에 응답하기 때문에 그 응답시간이 매우 길게 되는 단점이 있다.
한편, 종래의 질의응답 시스템의 일 예로서, "인공지능과 자연어처리 기술에 기반한 자연어 문장형 질문에 대한 자동 해답 및 검색 제공 방법"{한국특허 10-2000-61428}이 제안된 바 있다. 하지만, 이 방법은 지식 데이터베이스를 이용하기 때문에 그 데이터베이스 구축에 많은 자원이 요구되는 문제점이 있으며, 이를 해결하여 실용적인 질의응답시스템을 위해서는 문서들로부터 자동으로 지식 데이터를 구축할 필요가 있다.
따라서, 본 발명은 상술한 종래의 문제점을 해결하기 위한 것으로서, 본 발명의 목적은 다양한 문서들에 대한 언어분석을 통해 정답후보 어휘나 구들을 선별하고 이와 관련된 자연어 질문을 자동 생성하여 그 질문/정답 쌍들을 미리 색인 저장하여 둠으로써, 사용자의 질의 시 입력 질문과 색인 질문과의 유사도 비교를 통해 사용자의 질의에 대한 양질의 정답을 빠르게 제시할 수 있고, 또한 관련된 질문들을 함께 제시하고 사용자 피드백 기능을 도입함으로써 보다 다양하고 정확한 정보를 제공할 수 있는 언어분석 기반 자동 질문/정답 색인 방법 및 그 질의응답 방법 및 시스템을 제공하는데 있다.
상기 본 발명의 목적을 달성하기 위한 언어분석 기반 자동 질문/정답 색인 방법은, 다수의 입력 문서들의 언어적 구조를 분석하여 중요 어휘나 구에 대해 정답유형을 인식하고 문장의 의미구조를 파악하는 단계; 상기 정답유형 인식 구 또는 어휘를 포함하는 주요 문장을 정답 후보문으로서 선택 추출하는 단계; 상기 추출된 정답 후보문에 대하여 그 정답유형 및 의미구조 정보를 기반으로 자연어 질문을 생 성하는 단계; 및 상기 정답후보 문장과 그 자연어 질문을 쌍으로 하여 색인 저장하는 단계;로 이루어진다.
상기 언어구조 분석 단계는, 입력 문서들의 각 문장을 형태소 분석하고 그 분석 결과에 품사를 태깅하는 단계; 상기 형태소 분석 결과의 각 단어들에 대한 의미범주를 파악하는 단계; 주변 단어의 의미범주 및 개체명 사전을 참조하여, 문장내 고유명사에 대한 개체명을 인식하는 단계; 중요 어휘나 구에 부착된 의미범주 또는 개체명 태그를 기반으로 그 어휘 또는 구에 대한 정답유형을 인식하는 단계; 각 문장에 대해 구 단위 청킹을 수행하는 단계; 상기 구 청킹 결과들에 대해 문장에서의 술어를 인식하고, 나머지 구 청킹들을 그 술어에 대한 각각의 논항으로서 인식하는 단계; 및 상기 술어 및 각 논항의 인식 결과에 따라 문장에서의 술어와 논항간의 논리적 관계인 문장 의미구조를 생성하는 단계;로 이루어지는 것이 바람직하다.
또한, 상기 본 발명의 목적을 달성하기 위한 언어분석 기반 자동 질의응답 방법은, 사용자 질의문에 대해 언어구조를 분석하여 사용자 질문에 적합한 정답유형을 인식하고 질의문의 의미구조를 파악하는 단계; 상기 인식된 정답유형 및 의미구조 정보를 통해 사용자 질의문의 내용을 분석하는 단계; 상기 질문분석 결과를 바탕으로, 제 1항에 따라 생성된 질문/정답 쌍 데이터베이스로부터 사용자의 질문과 유사한 자연어 질문들을 검색하는 단계; 및 상기 검색된 각 자연어 질문에 대한 정답 후보문들을 상기 질문/정답 쌍 데이터베이스로부터 추출하여 그 자연어 질문과 함께 사용자에게 제시하는 단계;로 이루어진다.
상기 질문 검색 단계는, 상기 인식된 사용자 질의문의 정답유형에 대하여, 정답유형의 계층 구조에 따라, 그 하위 유형들로 정답유형을 확장하여, 상기 질문/정답 쌍 데이터베이스에 대한 검색을 수행하며, 또한, 온톨로지 및 유의어 사전을 참조하여 사용자 질의문에 포함된 키워드를 그 유사표현들로 확장한 후, 상기 질문/정답 쌍 데이터베이스를 통해 키워드 확장된 사용자 질의문에 대한 검색을 수행하는 것이 바람직하다.
또한, 상기 검색결과 출력 단계는, 낮은 순위의 자연어 질문 및 정답후보도 함께 제시한 후 사용자의 정답선택을 통해 정답순위 정보를 피드백 받고, 정답순위 정보가 피드백되는 경우, 상기 질문검색 단계는 사용자가 선택한 정답 후보문을 원하는 정답에 근접한 것으로 보고, 그 자연어 질문으로 재검색을 실시하여 그에 따른 정답후보들을 제시하는 것이 바람직하다.
또한, 상기 본 발명의 목적을 달성하기 위한 언어분석 기반 자동 질의응답 시스템은, 다수 문서들의 언어적 구조를 분석하여 그 문서내 중요 어휘나 구에 대한 정답유형을 인식하고 문장의 의미구조를 파악하는 언어구조 분석부; 정답유형이 태깅된 주요 문장을 정답 후보문으로 선정하는 정답 후보문 선정부; 상기 파악된 정답유형 및 의미구조 정보를 기반으로 상기 정답 후보문에 대해 자연어 질문을 생성하는 자연어 질문 생성부; 상기 생성된 자연어 질문과 그 정답 후보문을 쌍으로 하여 색인 데이터베이스 및 질문/정답 데이터베이스에 색인 저장하는 질문/정답 색인부; 및 상기 자연어 질문에서 추출된 주요 단어가 사용자 질의검색을 위한 색인 데이터로서 저장되는 색인 데이터베이스와, 상기 생성된 자연어 질문과 그 정답 후 보문 데이터가 쌍으로 저장되는 질문/정답 데이터베이스;를 포함하는 질문/정답쌍 색인 엔진과,
사용자의 질의문에 대해 언어구조를 분석하여 사용자 질문에 적합한 정답유형을 인식하고 그 질의문 의미구조를 파악하는 언어구조 분석부; 상기 인식된 정답유형 및 의미구조 정보를 통해 사용자 질의문의 내용을 분석하는 질문 분석부; 상기 질문분석 결과를 바탕으로 상기 색인 데이터베이스로부터 사용자 질문과 유사한 자연어 질문들을 검색하는 질문 검색부; 및 상기 검색된 각 자연어 질문들을 사용자 질문과의 유사도에 따라 순위화하고, 상기 질문/정답 데이터베이스로부터 각 자연어 질문 및 그 정답 후보문들을 추출하여 순위대로 사용자에게 제시하는 검색결과 출력부;를 포함하는 사용자 질의/응답 엔진으로 구성된다.
이하, 본 발명에 따른 실시예를 첨부한 도면을 참조하여 상세히 설명하기로 한다.
도 1은 본 발명의 질의응답 시스템에 대한 블록 구성도이다.
도 1을 참조하면, 본 발명의 질의응답 시스템은 크게 질문/정답쌍 색인 엔진(100)과 사용자 질의/응답 엔진(200)으로 이루어진다. 또한, 상기 질문/정답쌍 색인 엔진(100)은 언어 분석부(10), 질문생성 후보 문장 선택부(20), 자연어 질문 생성부(30), 질문/정답 색인부(40)로 구성되고, 생성된 질문/정답쌍을 색인 저장하기 위한 색인 데이터베이스(42)와 질문/정답 데이터베이스(44)를 구비한다.
그리고, 상기 사용자 질의/응답 엔진(200)은 상기 색인 저장된 질문/정답쌍 을 검색하여 사용자의 질의에 응답하는 검색엔진으로서, 언어 분석부(10)와, 질문 분석부(50)와, 질문 검색부(60)와, 검색결과 출력부(70)로 구성된다.
먼저, 상기 질문/정답쌍 색인 엔진(100)의 각 구성요소에 대하여 살펴보도록 한다.
상기 언어 분석부(10)는 상기 질문/정답쌍 색인 엔진(100)과 상기 사용자 질의/응답 엔진(200)에 대해 함께 적용되는 구성부분으로, 입력되는 다양한 문서들(또는 사용자의 질의 문장)에 대한 언어적 구조를 분석한다.
도 2는 이러한 언어 분석부(10)의 각 블록구성 및 처리 흐름을 상세하게 도시하고 있다.
도 2에서, 형태소 분석부(11)는 입력 문서의 각 문장(또는 사용자의 질문)을 형태소 단위로 구분하고 그 형태소 분석 결과에 각각의 품사를 태깅한다.
또한, 의미 분석부(12)는, 명사개념망을 기반으로 구축되는 온톨로지(81)를 사용하여 상기 형태소 분석된 각 단어들(또는 어휘)에 대한 의미범주를 파악한다. 특히, 의미 모호성 단어(예를 들면, "배"와 같이, 교통수단, 신체일부, 과일명, 숫자의 배수.. 등과 같이 다수의 의미범주로 사용되는 경우)에 대해 상기 온톨로지(81)의 명사개념을 참조하여 그 문맥상에서의 가장 적합한 의미범주를 파악한다.
또한, 개체명 인식부(13)는 개체명 사전(82)을 참조하여 상기 부착된 의미를 기반으로 고유명사에 대한 개체명을 분석한다. 다양하고 수없이 새로 생성되는 고유명사에 대해서는 온톨로지(81)를 통한 의미 분석이 가능하지 않기 때문에 상기 개체명 사전(82)과 이미 분석된 주변 단어의 의미를 통해 그 개체명을 인식하게 된다. 즉, 문장내 "서울"이라는 고유명사가 있을 경우 그 문맥 및 상기 개체명 사전을 참조함으로써 '지명(Location)'인 것으로 인식하게 된다. 이때 사용되는 상기 개체명 사전(82)은 인물(PERSON), 지명(LOCATION), 기관명(ORGANIZATION) 등을 기반으로 하는 고유명사 사전이다.
또한, 정답유형 인식부(14)는, 상기와 같이 각 단어에 대한 의미 및 개체명이 인식되면, 정답유형 DB(83)를 기반으로 각 어휘 및 구들에 대한 정답 유형을 인식하게 된다. 즉, 상기 의미분석 및 개체명 인식에 의해 해당 어휘나 구에 부착된 의미범주 또는 개체명 태그를 도 4와 같은 정답유형의 형태로 세분화하는 기능을 수행한다. 도 4는 본 발명에 따른 정답유형 테이블에 대한 예시 도표도이다.
이때, 상기 정답유형의 태그는 질의응답시스템에서의 정답후보에 해당하는 어휘나 구에 대한 태그이므로, 그 의미범주 또는 개체명 형태와는 반드시 일치하지는 않는다. 예를 들면, "1988년 서울 올림픽"이라는 구에 개체명이 부착되면, "<1988년:DATE> <서울:LOCATION> 올림픽"과 같이 되지만, 상기 정답유형 인식부는 "<1988년:DATE> <서울 올림픽:EVENT>", 또는 "<1988년 서울 올림픽:EVENT>"와 같은 형태로 정답유형을 인식하게 된다.
상기 정답유형 DB(83)는 정답유형 사전과 정답유형 패턴 DB로 이루어진다. 상기 정답유형 사전은 도 4에 제시된 정답유형 테이블과 같이, 다수의 정답유형과 그 상,하위 분류 정보를 갖고 있다. 또한, 상기 정답유형 패턴 DB에는 각 정답유형을 인식하기 위한 규칙들(패턴)이 저장된다. 예를 들면, "<1988년:DATE> <서울:LOCATION> 올림픽"에서와 같이 "올림픽"이라는 단어 앞에 '지명(LOCATION)' 또는 '년도(DATE)'가 올 경우 "이벤트(EVENT)"로서 정답유형을 인식하고, "100 kg"과 같이 <숫자> + <kg>의 경우 "무게(WEIGHT)"라는 정답유형으로 인식하는 것과 같이, 각각의 정답유형에 대한 인식 규칙들이 저장된다.
한편, 부분구문 분석부(15)는 격틀 기반 문장분석을 위해 구 단위 청킹(Chunking)을 수행한다.
그리고, 격틀 기반 문장구조 분석부(16)는, 격틀 사전(84) 및 이벤트 용언에 대한 용례 사전(85)을 참조하여, 상기 구 청킹 결과들에 대하여 문장에서의 술어(용언)을 인식하고, 나머지 구 청킹들을 그 술어에 대한 각각의 논항(주격, 목적격 등)으로서 인식한다. 즉, 상기 격틀사전(84)을 통해 문장의 술어구에 대한 격틀정보를 확인하고, 각 청킹된 구의 조사 및 그 의미정보를 이용하여 논항에 대한 격을 결정한다. 또한, 조사가 생략된 구에 대해서는 상기 파악된 의미정보만을 이용하여 논항의 격을 결정하게 된다.
그리고, 의미구조 생성부(17)는, 이와 같은 술어 및 논항의 인식 결과를 이용하여, 각 문장에 대한 술어, 논항 구조의 논리적 형태(LF; Logical Form)를 생성한다. 즉, 술어와 각 논항의 인식을 기반으로 문장에서의 술어와 논항간의 논리적 관계를 표현하는 의미구조를 생성한다.
한편, 상기 설명된 바와 같이 언어 분석부(10)를 통해 입력 문서에 대한 정답유형 및 문장의 의미구조가 파악되면, 상기 질문생성 후보 문장 선택부(20)는, 이를 바탕으로 각 문서에서 중요한 어휘나 구(정답후보 어휘나 구, 즉 정답유형이 태깅된 어휘나 구)를 포함하는 문장을 질문생성 후보문장(즉, 정답 후보문)으로서 선정한다.
그리고, 자연어 질문 생성부(30)는, 상기 선택된 후보 문장에 대한 자연어 질문을 생성하는 것으로, 그 문장에 포함된 정답유형 정보와 상기 파악된 문장의 의미구조 정보를 기반으로 가장 적합한 자연어 질문을 생성한다. 예를 들면, "서울 올림픽은 1988년에 개최되었다."라는 문장에서 "서울 올림픽<EVENT,주격>"라는 정답유형과 "1988년에<DATE,부사격>" 및 "개최되다<술어>"의 의미구조 정보를 기반으로, "서울 올림픽은 언제 개최되었는가?" 또는 "서울 올림픽의 개최 년도는?"이라는 자연어 질문을 생성하게 된다.
이와 같이 자연어 질문이 생성되면, 상기 질문/정답 색인부(40)는, 상기 선정된 질문생성 후보문장과 그 자연어 질문을 색인 데이터베이스(42) 및 질문/정답 데이터베이스(44)에 저장하게 되는데, 상기 색인 데이터베이스(42)에는 그 질문의 주요 단어 정보와 질문/정답 DB에 대한 색인정보가 저장된다. 또한, 상기 질문/정답 데이터베이스(44)에는 자연어 질문과 그에 대한 실질적인 정답 데이터인 상기 선정된 정답문장 데이터가 저장된다.
이하에서는, 도 1 및 도 3을 참조하여, 사용자의 질의에 따른 질의/응답 엔진(200)의 동작에 대해 설명하도록 한다.
도 1에 도시된 바와 같이, 언어 분석부(10)는 질문/정답쌍 색인 엔진(100)과 사용자 질의/응답 엔진(200)에 공통되는 구성요소이며, 그에 대한 상세한 동작은 상기 도 2을 통해 설명된 바와 같다. 즉, 상기 언어 분석부(10)는, 사용자의 질의 문장에 대하여, 형태소 분석을 한 후 의미 분석 및 개체명 인식을 하고, 사용자 질문에 대한 적절한 정답유형을 인식한다. 또한, 용언의 격틀을 기반으로 질의 문장의 의미구조를 생성한다.
이에 따라, 질문 분석부(50)는 이와 같이 파악된 정답유형 및 의미구조 정보를 통해 사용자의 질문을 분석한다. 예를 들면, "불국사가 있는 곳은?"이라는 사용자 질문의 경우, "불국사<주격>"의 개체명 인식과 "곳<LOCATION>"의 정답유형을 통해서 그 질문내용을 파악하게 된다.
그리고, 질문 검색부(60)는, 상기 질문분석 내용을 바탕으로 상기 색인 데이터베이스(42)에서 사용자 질문과 유사한 자연어 질문들을 검색한다.
또한, 상기 질문 검색부(60)는, 보다 정확한 정답 검색을 위하여 정답유형 및 사용자의 입력 키워드에 대한 확장을 할 필요가 있다. 도 3은 이러한 질문 검색부(60)의 구성블록 및 그 처리 흐름을 도시하고 있다.
도 3에서, 정답유형 확장부(61)는, 도 4에 제시된 바와 같은 정답유형의 계층적 구조를 참조하여, 사용자 질문에 대해 상기 분석된 정답유형에 대해 그 하위 유형들로 확장함으로써 그 검색의 정확성을 도모한다. 또한, 정답유형에 의한 검색부(63)는 상기 확장된 정답유형을 적용하여 상기 색인 데이터베이스(42)로부터 그 유사 질문들을 검색하게 된다.
예를 들면, "불국사가 있는 곳은?"이라는 사용자 질문에 대한 정답유형이 <LOCATION>이라는 것을 알았다면, 실제 정답인 '경주'라는 어휘를 제공하기 위해서는 <LOCATION>의 하위 유형인 <CITY>로 정답유형을 확장하여 검색할 필요가 있다.
또한, 키워드 확장부(62)는, 개념어 집합인 온톨로지(81) 및 유의어 사전(86)을 참조하여, 사용자 질의문에 포함된 주요 단어(키워드)를 그 유사표현으로 확장한다. 즉, 사용자 질의문 분석을 통해 "배<교통기관>"이 파악된 경우, 그 유사어인 '선박', '함선'.. 등으로 확장한다. 그리고, 키워드 검색부(64)는 이와 같이 키워드 확장된 사용자 질문에 대해 상기 색인 데이터베이스(42)로부터 유사한 자연어 질문들을 검색한다.
그리고, 검색결과 출력부(70)는, 상기 정답유형 확장 및 키워드 확장을 통해 검색된 각 자연어 질문들에 대하여 사용자 질문과의 유사도에 따라 순위화하고 상기 질문/정답 데이터베이스(44)로부터 해당 자연어 질문 및 정답 문장을 추출하여 그 순위에 따라 사용자에게 제시한다.
이때, 상기 검색결과 출력부(70)는 순위가 낮은 자연어 질문 및 정답도 함께 제시하며, 상기 질문 검색부(60)는 사용자로부터 정답순위에 대한 피드백 정보를 입력받아 재검색을 실시한다. 즉, 제시된 정답문들중에서 사용자가 선택(클릭)한 정답을 사용자가 원하는 정답에 근접한 것으로 보고 상기 색인 데이터베이스(42)에 대한 재검색을 실시하여 상기 클릭된 것을 우선 순위로 하여 재검색 정답후보들을 제시한다. 이와 같은 재검색은 사용자에게 재검색 여부를 물어보고 그에 따라 실시하는 것이 바람직하다.
한편, 도 4는 본 발명에 따른 정답유형 테이블을 예시한 도표도로서, 도 4의 테이블은 문서내에서 질문될 가능성이 많은 중요한 어휘나 구에 대한 유형을 분석하여 각 계층별로 구분한 정답유형 테이블이다.
상술한 바와 같은 본 발명의 언어분석 기반 자동 질문/정답 색인 방법 및 그 질의응답 방법 및 시스템에 따르면, 다량의 문서에서 중요한 어휘나 구를 인식하여 이 어휘와 구를 정답으로써 요구하는 자연어 질문을 자동으로 생성할 수 있고, 생성된 질문과 정답을 색인하여, 사용자의 질문에 부합하는 정답을 색인된 질문과 정답에서 유사도를 계산하여 제시함으로써 사용자의 질문에 정확하고 빠른 정답을 제공할 뿐만 아니라, 사용자의 질문과 연관성이 많은 질문들을 함께 제시함으로써 사용자가 요구하는 정보를 폭넓게 제시할 수 있다.
또한, 다량의 문서를 언어 분석하여 자동으로 질문을 생성할 수 있는 기술을 제시함으로써, 관공서나 기업에서 제공하는 다양한 문서들에 대한 FAQ를 자동으로 구축할 수 있어, 기존에 FAQ구축에 소요되는 자원과 시간을 절약할 수 있다.
또한, 웹 상에 범람하는 다양한 교육 문서들을 대상으로 자동으로 주관식 문제를 생성할 수 있어, 교육 문서를 이용한 교육의 이해도를 측정하기 위한 주관식 문제지 제작이 자동으로 가능해 짐으로써, 웹 교육의 효과를 향상시킬 수 있다.
이상에서 설명한 것은 본 발명에 따른 언어분석 기반 자동 질문/정답 색인 방법 및 그 질의응답 방법 및 시스템을 실시하기 위한 하나의 실시예에 불과한 것으로서, 본 발명은 상기한 실시예에 한정되지 않고, 이하의 특허청구의 범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변경 실시가 가능한 범위까지 본 발명의 기술적 정신이 있다고 할 것이다.

Claims (16)

  1. 다수의 입력 문서들의 언어적 구조를 형태소 분석하고, 명사 개념망을 기반으로 구축된 온톨로지를 참조하여 상기 형태소 분석 결과의 각 단어 또는 어휘에 대한 문맥상 의미범주를 파악하고, 주변 단어의 의미범주 및 개체명 사전을 참조하여 문장내 고유명사에 대한 개체명을 인식하고, 중요 어휘나 구에 부착된 의미범주 또는 개체명 태그를 기반으로 그 어휘 또는 구에 대한 정답유형을 인식하고, 각 문장에 대해 구 단위 청킹을 수행한 결과들에 대해 문장에서의 술어를 인식하고, 나머지 구 청킹들을 그 술어에 대한 각각의 논항으로서 인식하고, 상기 술어 및 각 논항의 인식 결과에 따라 문장에서의 술어와 논항간의 논리적 관계인 문장의 의미구조를 파악하는 단계;
    상기 정답유형 인식 구 또는 어휘를 포함하는 주요 문장을 정답 후보문으로서 선택 추출하는 단계;
    상기 추출된 정답 후보문에 대하여 그 정답유형 및 의미구조 정보를 기반으로 자연어 질문을 생성하는 단계; 및
    상기 정답후보 문장과 그 자연어 질문을 쌍으로 하여 색인 저장하는 단계;로 이루어지는 것을 특징으로 하는 언어분석 기반 자동 질문/정답 색인 방법.
  2. 삭제
  3. 삭제
  4. 제 1항에 있어서, 상기 문장의 의미구조를 파악하는 단계에 있어서, 상기 정답유형 인식은,
    다수의 정답유형 정보 및 그 상,하위 분류 정보를 갖는 정답유형 사전과, 각 정답유형에 대한 그 인식 규칙들이 저장되는 정답유형 패턴 DB를 참조하여,
    각 단어의 의미범주 또는 개체명 인식을 기반으로 중요 어휘나 구에 대한 정답유형을 인식하는 것을 특징으로 하는 언어분석 기반 자동 질문/정답 색인 방법.
  5. 제 1항에 있어서, 상기 문장의 의미구조를 파악하는 단계에 있어서, 상기 술어 및 논항 인식은,
    격틀사전 및 이벤트 용례 사전을 통해 문장의 술어구에 대한 격틀정보를 확인하고 각 청킹된 구의 조사 및 의미정보를 이용하여 각 논항에 대한 격을 결정하는 것을 특징으로 하는 언어분석 기반 자동 질문/정답 색인 방법.
  6. 제 1항에 있어서, 상기 질문/정답쌍 색인 저장 단계는,
    상기 생성된 자연어 질문의 주요 단어를 추출하여 검색을 위한 색인 데이터로서 색인 데이터베이스에 저장하고, 상기 자연어 질문과 그 정답 후보문 데이터를 쌍으로 하여 질문/정답 데이터베이스에 저장하는 것을 특징으로 하는 언어분석 기반 자동 질문/정답 색인 방법.
  7. 사용자 질의문에 대해 언어구조를 형태소 분석하고, 개념망 온톨로지를 이용하여 상기 형태소 분석 결과의 각 단어들에 대한 의미범주를 파악하고, 고유명사에 대해서는 개체명 사전을 참조하여 그 개체명을 인식하고, 상기 인식된 중요 어휘나 구의 의미범주 또는 개체명 인식을 통해 사용자 질의문에 대해 적합한 정답유형을 인식하고 사용자 질의문을 구단위 청킹하고, 구 청킹 결과에 대해 질의문에서의 술어를 인식하고 술어 격틀을 기반으로 사용자 질의문의 의미구조를 파악하는 단계;
    상기 인식된 정답유형 및 의미구조 정보를 통해 사용자 질의문의 내용을 분석하는 단계;
    상기 질문분석 결과를 바탕으로, 제 1항에 따라 생성된 질문/정답 쌍 데이터베이스로부터 사용자의 질문과 유사한 자연어 질문들을 검색하는 단계; 및
    상기 검색된 각 자연어 질문에 대한 정답 후보문들을 상기 질문/정답 쌍 데이터베이스로부터 추출하여 그 자연어 질문과 함께 사용자에게 제시하는 단계;로 이루어지는 것을 특징으로 하는 언어분석 기반 자동 질의응답 방법.
  8. 삭제
  9. 제 7항에 있어서, 상기 질문 검색 단계는,
    상기 인식된 사용자 질의문의 정답유형에 대하여, 정답유형의 계층 구조에 따라, 그 하위 유형들로 정답유형을 확장하여, 상기 질문/정답 쌍 데이터베이스에 대한 검색을 수행하는 것을 특징으로 하는 언어분석 기반 자동 질의응답 방법.
  10. 제 7항에 있어서, 상기 질문 검색 단계는,
    온톨로지 및 유의어 사전을 참조하여 사용자 질의문에 포함된 키워드를 그 유사표현들로 확장한 후, 상기 질문/정답 쌍 데이터베이스를 통해 키워드 확장된 사용자 질의문에 대한 검색을 수행하는 것을 특징으로 하는 언어분석 기반 자동 질의응답 방법.
  11. 제 7항에 있어서, 상기 검색결과 출력 단계는,
    상기 검색된 각 자연어 질문들을 사용자 질문과의 유사도에 따라 순위화하고, 상기 질문/정답 쌍 데이터베이스로부터 해당 자연어 질문 및 정답 후보문을 추출하여 그 순위대로 사용자에게 제시하는 것을 특징으로 하는 언어분석 기반 자동 질의응답 방법.
  12. 제 7항 또는 제 11항에 있어서, 상기 검색결과 출력 단계는, 낮은 순위의 자연어 질문 및 정답후보도 함께 제시한 후 사용자의 정답선택을 통해 정답순위 정보를 피드백 받고,
    정답순위 정보가 피드백되는 경우, 상기 질문검색 단계는 사용자가 선택한 정답 후보문을 원하는 정답에 근접한 것으로 보고, 그 자연어 질문으로 재검색을 실시하여 그에 따른 정답후보들을 제시하는 것을 특징으로 하는 언어분석 기반 자동 질의응답 방법.
  13. 다수 문서들의 언어적 구조를 분석하여 그 문서내 중요 어휘나 구에 대한 정답유형을 인식하고 문장의 의미구조를 파악하는 언어구조 분석부;
    정답유형이 태깅된 주요 문장을 정답 후보문으로 선정하는 정답 후보문 선정부;
    상기 파악된 정답유형 및 의미구조 정보를 기반으로 상기 정답 후보문에 대해 자연어 질문을 생성하는 자연어 질문 생성부;
    상기 생성된 자연어 질문과 그 정답 후보문을 쌍으로 하여 색인 데이터베이스 및 질문/정답 데이터베이스에 색인 저장하는 질문/정답 색인부; 및
    상기 자연어 질문에서 추출된 주요 단어가 사용자 질의검색을 위한 색인 데이터로서 저장되는 색인 데이터베이스와, 상기 생성된 자연어 질문과 그 정답 후보문 데이터가 쌍으로 저장되는 질문/정답 데이터베이스;를 포함하는 질문/정답쌍 색인 엔진과,
    사용자의 질의문에 대해 언어구조를 분석하여 사용자 질문에 적합한 정답유형을 인식하고 그 질의문 의미구조를 파악하는 언어구조 분석부;
    상기 인식된 정답유형 및 의미구조 정보를 통해 사용자 질의문의 내용을 분석하는 질문 분석부;
    상기 질문분석 결과를 바탕으로 상기 색인 데이터베이스로부터 사용자 질문과 유사한 자연어 질문들을 검색하는 질문 검색부; 및
    상기 검색된 각 자연어 질문들을 사용자 질문과의 유사도에 따라 순위화하고, 상기 질문/정답 데이터베이스로부터 각 자연어 질문 및 그 정답 후보문들을 추출하여 순위대로 사용자에게 제시하는 검색결과 출력부;를 포함하는 사용자 질의/응답 엔진으로 구성되는 것을 특징으로 하는 언어분석 기반 자동 질의응답 시스템.
  14. 제 13항에 있어서, 상기 언어구조 분석부는,
    상기 질문/정답쌍 색인 엔진과 상기 사용자 질의/응답 엔진에 함께 적용되며,
    입력 문서 또는 사용자 질의문에 대해 형태소 분석을 하고 품사를 태깅하는 형태소 분석부와,
    상기 형태소 분석 결과의 각 단어들에 대한 의미범주를 파악하고, 그 고유명사에 대한 개체명을 인식하는 의미 분석부 및 개체명 인식부와,
    상기 인식된 중요 어휘나 구의 의미범주 또는 개체명 인식을 이용하여 문서 또는 사용자 질의문에 대한 정답유형을 인식하는 정답유형 인식부와,
    입력 문서 또는 사용자 질의문에 대해 구단위 청킹을 하는 부분구문 분석부와,
    상기 구 청킹 결과에 대해 문서 또는 사용자 질의문의 술어를 인식하고 그 술어의 격틀정보를 기반으로 술어와 각 논항간의 논리적 관계를 표현하여 문서 또는 사용자 질의문에 대한 의미구조를 생성하는 격틀기반 문장구조 분석부 및 의미구조 생성부로 구성되는 것을 특징으로 하는 언어분석 기반 자동 질의응답 시스템.
  15. 제 13항에 있어서, 상기 질문 검색부는,
    정답유형의 계층구조에 따라 그 하위 유형으로 확장하는 정답유형 확장과, 키워드에 대한 유사표현으로 확장하는 키워드 확장을 통해 사용자 질의문을 확장하여 상기 색인 데이터베이스에 대한 검색을 수행하는 것을 특징으로 하는 언어분석 기반 자동 질의응답 시스템.
  16. 제 13항에 있어서, 상기 검색결과 출력부는,
    낮은 순위의 자연어 질문 및 정답후보도 함께 제시한 후 사용자의 정답선택에 따른 정답순위 정보를 상기 질문 검색부로 피드백하여, 사용자가 선택한 자연어 질문 및 정답후보를 우선 순위로 하는 재검색을 실시하도록 하는 것을 특징으로 하는 언어분석 기반 자동 질의응답 시스템.
KR1020030068931A 2003-10-02 2003-10-02 언어분석 기반 자동 질문/정답 색인 방법과 그 질의응답방법 및 시스템 KR100546743B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020030068931A KR100546743B1 (ko) 2003-10-02 2003-10-02 언어분석 기반 자동 질문/정답 색인 방법과 그 질의응답방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020030068931A KR100546743B1 (ko) 2003-10-02 2003-10-02 언어분석 기반 자동 질문/정답 색인 방법과 그 질의응답방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20050032937A KR20050032937A (ko) 2005-04-08
KR100546743B1 true KR100546743B1 (ko) 2006-01-26

Family

ID=37237289

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020030068931A KR100546743B1 (ko) 2003-10-02 2003-10-02 언어분석 기반 자동 질문/정답 색인 방법과 그 질의응답방법 및 시스템

Country Status (1)

Country Link
KR (1) KR100546743B1 (ko)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009029924A3 (en) * 2007-08-31 2009-05-14 Powerset Inc Indexing role hierarchies for words in a search index
KR101113938B1 (ko) * 2008-11-21 2012-03-05 공경용 망자와의 대화를 제공하는 망자 커뮤니티 시스템 및 그 망자 커뮤니티 방법
US8229730B2 (en) 2007-08-31 2012-07-24 Microsoft Corporation Indexing role hierarchies for words in a search index
US8229970B2 (en) 2007-08-31 2012-07-24 Microsoft Corporation Efficient storage and retrieval of posting lists
US8280721B2 (en) 2007-08-31 2012-10-02 Microsoft Corporation Efficiently representing word sense probabilities
US8316036B2 (en) 2007-08-31 2012-11-20 Microsoft Corporation Checkpointing iterators during search
US8346756B2 (en) 2007-08-31 2013-01-01 Microsoft Corporation Calculating valence of expressions within documents for searching a document index
US8463593B2 (en) 2007-08-31 2013-06-11 Microsoft Corporation Natural language hypernym weighting for word sense disambiguation
US8639708B2 (en) 2007-08-31 2014-01-28 Microsoft Corporation Fact-based indexing for natural language search
US8712758B2 (en) 2007-08-31 2014-04-29 Microsoft Corporation Coreference resolution in an ambiguity-sensitive natural language processing system
US8868562B2 (en) 2007-08-31 2014-10-21 Microsoft Corporation Identification of semantic relationships within reported speech
KR20160060821A (ko) * 2014-11-20 2016-05-31 한국전자통신연구원 심층 자연어 질문 분석 기반 구조화된 지식베이스 질의응답 시스템 및 그 방법
US9613025B2 (en) 2014-11-19 2017-04-04 Electronics And Telecommunications Research Institute Natural language question answering system and method, and paraphrase module
KR101900684B1 (ko) 2017-05-11 2018-09-20 코코아 비전(주) 가상 현실 통화 장치 및 방법

Families Citing this family (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100611101B1 (ko) * 2004-12-07 2006-08-09 한국전자통신연구원 로봇 서비스 플랜 생성 시스템 및 방법
KR100685791B1 (ko) * 2004-12-13 2007-02-22 한국전자통신연구원 자연어를 온톨로지 기반 지식으로 변환하는 방법 및 장치
KR100745367B1 (ko) * 2004-12-14 2007-08-02 한국전자통신연구원 템플릿에 기반한 기록정보 색인 및 검색 방법과 이를이용한 질의응답 시스템
KR100794302B1 (ko) * 2005-10-04 2008-01-11 중앙대학교 산학협력단 의미론적 데이터 통합을 위한 시멘틱 웹 기반의정보검색시스템과 정보검색방법
KR100794323B1 (ko) * 2005-10-04 2008-01-11 중앙대학교 산학협력단 자동화된 통합 프레임워크를 위한 확장된 시멘틱 웹 서비스검색방법
KR100758404B1 (ko) * 2005-10-10 2007-09-14 한국정보통신대학교 산학협력단 온톨로지 기반의 상황정보 관리방법
KR100817744B1 (ko) * 2005-10-11 2008-03-31 한양대학교 산학협력단 창의적 컨텐츠 생성 방법 및 시스템
KR100684160B1 (ko) * 2005-12-08 2007-02-20 한국전자통신연구원 개체명 인식을 이용한 대화 분석 장치 및 방법
KR100941969B1 (ko) * 2007-06-28 2010-02-17 주식회사 케이티 동적 컨텍스트 처리 장치
KR100987214B1 (ko) * 2008-09-11 2010-10-12 고려대학교 산학협력단 논항 분석 장치, 논항 분석 방법 및 논항 분석 기반 정보 제공 시스템
KR100892990B1 (ko) * 2008-09-19 2009-04-10 김수현 검색사이트의 자동비교 검색시스템 및 검색방법
KR101414492B1 (ko) * 2011-06-21 2014-07-04 한국전자통신연구원 유사문장 검색장치 및 그 검색방법
KR101233423B1 (ko) * 2012-05-17 2013-02-15 한국과학기술정보연구원 문헌에서 용어에 대한 서술적 개념 표현을 추출하기 위한 장치 및 그 방법
KR102094934B1 (ko) * 2014-11-19 2020-03-31 한국전자통신연구원 자연어 질의 응답 시스템 및 방법
KR101654717B1 (ko) * 2014-12-02 2016-09-06 주식회사 솔트룩스 지식 데이터베이스 기반 구조화된 질의 생성 방법 및 장치
KR101678787B1 (ko) * 2015-07-15 2016-12-06 포항공과대학교 산학협력단 자동질의응답 방법 및 그 장치
KR102491172B1 (ko) * 2017-11-22 2023-01-25 한국전자통신연구원 자연어 질의응답 시스템 및 그 학습 방법
KR102099670B1 (ko) * 2018-05-16 2020-04-10 (주)아이브릭스 질의자 의도를 이해하기 위한 구문 규칙 자동생성 장치 및 방법
KR102098282B1 (ko) 2018-07-24 2020-04-13 주식회사 아이포트폴리오 유사 답안 제공 시스템 및 이의 운용 방법
KR102088357B1 (ko) * 2018-07-31 2020-03-12 주식회사 포티투마루 기계독해기반 질의응답방법 및 기기
KR101982207B1 (ko) * 2019-02-01 2019-05-24 주식회사 무하유 검사문서 내 특정정보의 블라인드 처리 방법 및 장치
KR102196547B1 (ko) * 2019-05-20 2020-12-29 주식회사 무하유 검사문서 내 특정정보의 블라인드 처리 방법 및 장치
CN110931012A (zh) * 2019-10-12 2020-03-27 深圳壹账通智能科技有限公司 答复消息生成方法、装置、计算机设备和存储介质
US11531818B2 (en) 2019-11-15 2022-12-20 42 Maru Inc. Device and method for machine reading comprehension question and answer
KR102256182B1 (ko) * 2020-07-15 2021-05-25 건국대학교 산학협력단 동영상 원격 강의용 자동 질의응답 챗봇 서비스 제공 방법 및 장치
CN112270189B (zh) * 2020-11-12 2023-07-18 佰聆数据股份有限公司 一种提问式的分析节点生成方法、系统及存储介质
KR102280490B1 (ko) * 2021-01-27 2021-07-22 주식회사 두유비 상담 의도 분류용 인공지능 모델을 위한 훈련 데이터를 자동으로 생성하는 훈련 데이터 구축 방법
CN113569540B (zh) * 2021-05-14 2023-10-20 南京奥派信息产业股份公司 基于社会科学类教材的试卷生成方法和装置
CN113626215B (zh) * 2021-07-22 2023-08-18 武汉大学 一种基于短语识别的气象场景服务图谱构建方法及系统
KR102410068B1 (ko) * 2021-08-11 2022-06-22 주식회사 보인정보기술 자연어 모델을 기반으로 한 질의-응답 페어 생성 방법 및 이러한 방법을 수행하는 장치
KR102616915B1 (ko) * 2021-09-13 2023-12-21 엔에이치엔클라우드 주식회사 국어 맞춤법 퀴즈 제공 방법 및 시스템
CN114490986B (zh) * 2022-01-25 2024-02-20 北京百度网讯科技有限公司 计算机实施的数据挖掘方法、装置、电子设备及存储介质
CN117370994B (zh) * 2023-12-08 2024-02-27 浙江君同智能科技有限责任公司 基于模糊测试的大语言模型漏洞检测方法和装置

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8639708B2 (en) 2007-08-31 2014-01-28 Microsoft Corporation Fact-based indexing for natural language search
US8346756B2 (en) 2007-08-31 2013-01-01 Microsoft Corporation Calculating valence of expressions within documents for searching a document index
US8229730B2 (en) 2007-08-31 2012-07-24 Microsoft Corporation Indexing role hierarchies for words in a search index
US8229970B2 (en) 2007-08-31 2012-07-24 Microsoft Corporation Efficient storage and retrieval of posting lists
WO2009029924A3 (en) * 2007-08-31 2009-05-14 Powerset Inc Indexing role hierarchies for words in a search index
US8316036B2 (en) 2007-08-31 2012-11-20 Microsoft Corporation Checkpointing iterators during search
US8868562B2 (en) 2007-08-31 2014-10-21 Microsoft Corporation Identification of semantic relationships within reported speech
US8463593B2 (en) 2007-08-31 2013-06-11 Microsoft Corporation Natural language hypernym weighting for word sense disambiguation
US8280721B2 (en) 2007-08-31 2012-10-02 Microsoft Corporation Efficiently representing word sense probabilities
US8712758B2 (en) 2007-08-31 2014-04-29 Microsoft Corporation Coreference resolution in an ambiguity-sensitive natural language processing system
US8738598B2 (en) 2007-08-31 2014-05-27 Microsoft Corporation Checkpointing iterators during search
KR101113938B1 (ko) * 2008-11-21 2012-03-05 공경용 망자와의 대화를 제공하는 망자 커뮤니티 시스템 및 그 망자 커뮤니티 방법
US9613025B2 (en) 2014-11-19 2017-04-04 Electronics And Telecommunications Research Institute Natural language question answering system and method, and paraphrase module
KR20160060821A (ko) * 2014-11-20 2016-05-31 한국전자통신연구원 심층 자연어 질문 분석 기반 구조화된 지식베이스 질의응답 시스템 및 그 방법
KR102033395B1 (ko) * 2014-11-20 2019-10-18 한국전자통신연구원 심층 자연어 질문 분석 기반 구조화된 지식베이스 질의응답 시스템 및 그 방법
KR101900684B1 (ko) 2017-05-11 2018-09-20 코코아 비전(주) 가상 현실 통화 장치 및 방법

Also Published As

Publication number Publication date
KR20050032937A (ko) 2005-04-08

Similar Documents

Publication Publication Date Title
KR100546743B1 (ko) 언어분석 기반 자동 질문/정답 색인 방법과 그 질의응답방법 및 시스템
KR102094934B1 (ko) 자연어 질의 응답 시스템 및 방법
RU2487403C1 (ru) Способ построения семантической модели документа
US20040117352A1 (en) System for answering natural language questions
CN109947952B (zh) 基于英语知识图谱的检索方法、装置、设备及存储介质
KR20120061133A (ko) 질문 형태 및 도메인 인식 장치 및 그 방법
KR102398832B1 (ko) 지식 그래프에 기초하여 응답을 도출하는 장치, 방법 및 컴퓨터 프로그램
JP2011118689A (ja) 検索方法及びシステム
Al-Chalabi et al. Semantic based query expansion for Arabic question answering systems
Biltawi et al. Arabic question answering systems: gap analysis
Jayalakshmi et al. Automated question answering system using ontology and semantic role
Chifu et al. A system for detecting professional skills from resumes written in natural language
KR20020072092A (ko) 단락 단위의 실시간 응답 색인을 이용한 자연어 질의-응답검색시스템
Bakari et al. Logic-based approach for improving Arabic question answering
Kim et al. Design of question answering system with automated question generation
KR20030006201A (ko) 홈페이지 자동 검색을 위한 통합형 자연어 질의-응답시스템
Malhar et al. Deep learning based Answering Questions using T5 and Structured Question Generation System’
Fareed et al. Syntactic open domain Arabic question/answering system for factoid questions
Tran et al. A model of vietnamese person named entity question answering system
Boiński et al. DBpedia and YAGO as knowledge base for natural language based question answering—the evaluation
Vickers Ontology-based free-form query processing for the semantic web
Ramos et al. A QA System for learning Python
Zhekova et al. Software Tool for Translation of natural language text to SQL query
Sati et al. Arabic text question answering from an answer retrieval point of view: A survey
Wenzlitschke et al. Using BERT to retrieve relevant and argumentative sentence pairs.

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20090102

Year of fee payment: 4

LAPS Lapse due to unpaid annual fee