머신러닝을 이용한 독일어 일상 대화의 화행 자동분류 - 왓츠앱(WhatsApp) 데이터 분석을 통하여
Automatische Klassifikation von Sprechakten in deutschen Alltagsgesprächen mittels maschinelles Lernen - Basierend auf der Analyse von WhatsApp-Daten
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
화행 분석은 화자의 발화 의도를 정확하게 파악하는 과정이며, 감성 분석, 요약, 질의응답, 챗봇 개발등 다양한 대화 연구 및 기술에 활용될 수 있다. 본 논문은 독일어 일상 대화를 연구 대상으로 선정하여SNS 메신저 왓츠앱의 대화 데이터로 구성된 MoCoDa2 데이터를 수집하고 분석하였다. 먼저 일상 대화의성격이 강한 SNS 메신저 대화를 목적 지향 대화인 수업 대화와 비교하여 두 대화에 등장하는 화행 유형의양상을 비교분석하였다. 그리고 수업 대화 분석을 바탕으로 선행 연구에서 제안한 화행 분류 방법론을독일어 일상 대화에 적용한 기계학습 실험에 수행하여 선행 연구에서 제안한 방법론의 활용가능성을 검토하였다. 실험 결과를 바탕으로 본 연구에서는 발화를 세부화행이 아닌 대표화행 유형으로 분류하거나, 차원축소 기법으로 선택한 최적의 자질 조합으로 분류하는 실험을 추가적으로 진행하여 독일어 일상 대화를위한 화행 자동분류 방법을 제안하였다.
Abstract
In dieser Arbeit wurde eine linguistische Analyse zur automatischen Klassifikation von Sprechakten in deutschen Alltagsgesprächen durchgeführt. Zu diesem Zweck wurden für diese Studie MoCoDa2-Daten gesammelt, bestehend aus Texten vom SNS-Messengers WhatsApp, und ein Korpus deutscher Alltagsgespräche erstellt. Mit diesem Korpus wurden Sprechaktmuster, die in alltäglichen Gesprächen auftreten, sowie die Methodik zu deren Analyse untersucht. Insbesondere durch den Vergleich von SNS-Messenger-Gesprächen, die keine zielorientierte Gespräche sind, mit Unterrichtsgesprächen, die zielorientiert sind und bereits in früheren Untersuchungen behandelt wurden, wurden die Sprechakttypen, in zwei verschiedenen Arten von Gesprächen analysiert. Ein Experiment mittels maschinelles Lernen wurde durchgeführt, um zu überprüfen, ob die Methode früherer Forschungen in verschiedenen Studien verwendet werden kann. Im Experiment wurden die in der vorherigen Studie vorgeschlagenen Sprechakttypen und linguistische Merkmale der Sprechaktklassifikation auf die automatische Klassifikation von Sprechakten in deutschen Alltagsgesprächen angewendet. Um das Problem der Ergebnisse von Experimenten zu lösen, wurden zusätzliche Experimente durchgeführt, die Sprechakttypen auf repräsentative Sprechakte reduzieren und die optimale Kombination von Merkmalen durch Dimensionsreduktion auswählen.
참고문헌 (29)
- 강샛별, "한국과 독일의 의료대화에 대한 대조언어학적 분석", 석사, pp.2017
- 구영은, "독일어 대화체 문장의 화행 분석과 화행 자동분류에 대한 연구", 석사, pp.2018
- 구영은, "독일어 대화의 자동요약을 위한 전산언어학적 연구", 박사, pp.2023
- 구영은, "범도메인 대화에서의 화행 자동분류", 독어학, (39), pp.25~48 (2019), 한국독어학회[DOI]
- 국지연, "단체 채팅의 의사소통 메커니즘과 수용자 설계에 관한 연구 - 독일어 단체 채팅방의 다인 대화를 중심으로", 독일어문학, 29(1), pp.227~251 (2021), 한국독일어문학회
- 국지연, "중재대화에서 나타나는 중재인의 말 중단시키기에 관한 연구－중재 커뮤니케이션 향상을 위한 대화분석적 접근", 독일어문화권연구, (28), pp.37~60 (2019), 독일어문화권연구소[DOI]
- 김도연, "‘약속잡기’를 주제로 한 독일어 SMS 및 전화대화 비교 - 품사별 어휘의 통계적 분포 및 대화구조를 중심으로 -", Corpus Linguistics Research, 6(1), pp.21~44 (2020), 한국코퍼스언어학회
- 김선진, "모바일 메신저의 이모티콘 특성에 관한 비교 연구 - 국내, 해외 대표 앱(카카오톡, 라인, 페이스북, 왓츠앱)을 중심으로 -", 디지털디자인학연구, 14(1), pp.87~96 (2014), 한국디지털디자인학회[DOI]
- 이소영, "불만상담대화의 분석 - 입장 차이를 중심으로", 독어독문학, 59(1), pp.269~294 (2018), 한국독어독문학회[DOI]
- 이혜경, "인스턴트 메신저 이모티콘 사용에 있어 20대와 장년층의 특성비교연구 - 카카오톡 이모티콘을 중심으로 -", 브랜드디자인학연구, 13(2), pp.145~156 (2015), 사단법인 한국브랜드디자인학회[DOI]
- 장석진, "한국어 화행동사의 분석과 분류", 어학연구, 23(3), pp.307~339 (1987)
- 지영은, "감정과 대화분석- 독일어 재현 대화의 감정 전달 전략 고찰", 독일어문학, 25(1), pp.257~274 (2017), 한국독일어문학회
- 최명원, "SNS 기반 온라인 메신저 의사소통의 특징적 현상 연구 – 한국 대학생의 단문형식 메신저(SMS) 사용에 대한 설문을 바탕으로", 독어학, (31), pp.145~172 (2015), 한국독어학회[DOI]
- 최명원, "인터넷 기반 온라인 모바일 커뮤니케이션에서 이모티콘과 문자 텍스트의 상호작용", 독어학, (39), pp.141~163 (2019), 한국독어학회[DOI]
- 최명원, "SNS 메신저 ‘카카오톡’ 언어현상 연구", 텍스트언어학, 33, pp.469~495 (2012), 한국텍스트언어학회[DOI]
- 홍문표, "논조분석을 위한 반어의미 문장 자동분류", 독어학, (33), pp.157~179 (2016), 한국독어학회[DOI]
- Austin, J., "The William James Lectures Delivered at Harvard University in 1955" (1955), Clarendon Press
- Bach, K., "Conversational impliciture", Mind, 1994, pp.9(2), 124~162
- Buckley, M., "A classification of dialogue actions in tutorial dialogue", Proceedings of the 22nd International Conference on Computational Linguistics (COLING), pp.73~80 (2008)
- Feng, X., "A survey on dialogue summarization: Recent advances and new frontiers", arXiv preprint arXiv:2107.03175, 1~9 (2021)
- Gliwa, B., "SAMSum Corpus: A Human-annotated Dialogue Dataset for Abstractive Summarization", Proceedings of the 2nd Workshop on New Frontiers in Summarization, pp.70~79 (2019)
- Li, Y., "DailyDialog : A Manually Labelled Multi-turn Dialogue Dataset", Proceedings of the Eighth International Joint Conference on Natural Language Processing(IJCNLP), pp.986~995 (2017)
- Marineau, J., "Classification of speech acts in tutorial dialog", Proceedings of the International Conference on Intelligent Tutoring Systems(ITS), pp.65~71 (2000)
- Olney, A., "Utterance classification in AutoTutor", Proceedings of the Human Language Technology, North American chapter of the Association for Computational Linguistics Conference(HLT-NAACL), pp.1~8 (2003)
- Qadir, A., "Classifying sentences as speech acts in message board posts", Proceedings of the Conference on Empirical Methods in Natural Language Processing(EMNLP), pp.748~758 (2011)
- Rasor, T., "Student Speech Act Classification Using Machine Learning", Proceedings of the International Florida Artificial Intelligence Research Society Conference(FLAIRS) (2011)
- Reithinger, N., "Dialogue act classification using language models", Proceedings of the 5th European Conference on Speech Communication and Technology(EuroSpeech) (1997)
- Samei, B., "Context-based speech act classification in intelligent tutoring systems", Proceedings of the International Conference on Intelligent Tutoring Systems, pp.236~241 (2014)
- Zhao, L., "Improving abstractive dialogue summarization with graph structures and topic words", Proceedings of the 28th International Conference on Computational Linguistics(COLING), pp.437~449 (2020)