Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

From Superficial to Deep: Integrating External Knowledge for Follow-up Question Generation Using Knowledge Graph and LLM

Created by
  • Haebom

저자

Jianyu Liu, Yi Huang, Sheng Bi, Junlan Feng, Guilin Qi

개요

본 논문에서는 대화 시스템에서 문맥에 기반한 심층적이고 흥미로운 후속 질문을 생성하는 새로운 방법을 제안합니다. 기존 방법들이 단순한 문맥 질문에 그치는 한계를 극복하기 위해, 세 단계의 외부 지식 강화 방식을 제시합니다. 먼저 문맥의 주제를 파악하고, 온라인으로 지식 그래프(KG)를 구축한 후, 대규모 언어 모델을 활용하여 외부 상식 지식을 통합하여 후속 질문을 생성합니다. 실험 결과, 제안된 방법은 기존 방법보다 더 정보가 풍부하고 인간의 질문 수준에 가까운 후속 질문을 생성하는 동시에 문맥 관련성을 유지하는 것으로 나타났습니다.

시사점, 한계점

시사점:
외부 지식을 활용하여 더욱 풍부하고 심층적인 후속 질문 생성 가능성 제시
대화 시스템의 사용자 경험 향상에 기여
인간 수준의 질문 생성에 한 걸음 더 다가섬
지식 그래프 활용을 통한 정보 융합의 효과 입증
한계점:
온라인 지식 그래프 구축의 효율성 및 정확성에 대한 추가적인 연구 필요
다양한 유형의 대화 및 질문에 대한 일반화 성능 검증 필요
대규모 언어 모델 의존도에 따른 비용 및 계산 자원 문제
지식 그래프의 질에 대한 의존성이 높음. 부정확한 지식 그래프는 질문의 질을 저하시킬 수 있음.
👍