Question and answering systems, context-aware dialogue, machine translation, speech recognition, ethical biases in AI, and language representation learning for natural language understanding.
Multi-modal learning, logical inference, graph neural networks, image processing, and clinical event prediction using deep neural networks.
Crowdsourcing systems, recommendation systems, and identifying misinformation on social media using NLP and graph neural networks.
점차 강화되고 있는 윤리 정책에 발맞춰 유연하게 진화하는 인공지능 기술 개발 연구
지식에 근거한 일관적이고 확장성 있는 대화모델 개발
IITP 글로벌 핵심인재 양성지원 사업
대용량 언어모델의 신뢰성 향상 및 지식 기반 대화모델에의 응용
논리적 추론이 가능한 딥러닝 기반 질의 응답 시스템 개발
지역 공교육 혁신을 위한 학생, 청소년 다면 역량 분석 인공지능 학습용 데이터 구축
의약품 부작용 보고자료의 자연어 처리 기술 연구
상황 인지를 위한 빠르고 효율적인 딥러닝 기반의 Language Representation 개발
지식기반 대화형 질의응답 시스템 개발
멀티모달 상황이해 기반 대화모델 연구
출처: 연구실 홈페이지
현재 재학생
20명
최근 5년 졸업
0명
본 연구는 약물 유해사건 서술문에서 포괄적인 약물 안전 정보 추출을 자연언어처리 과제로 정식화하고, 주석이 달린 말뭉치와 강력한 기준 모델을 개발했습니다. 개발된 말뭉치와 모델은 약물감시 데이터베이스의 데이터 품질을 향상시킬 수 있습니다.
본 논문은 강화학습에서 고차원 이미지로부터의 보상 기반 특징 학습의 표본 효율성과 일반화 문제를 해결하기 위해 Action-Driven Auxiliary Task(ADAT)라는 대조 표현 방법을 제안합니다. ADAT는 동일한 행동을 공유하는 관찰 간의 일치도를 최대화하도록 학습하여 행동 결정에 필수적인 특징에 집중하고 제어 무관 세부사항을 무시합니다. 제안 방법은 Atari와 OpenAI ProcGen 벤치마크에서 모델 무관 및 모델 기반 알고리즘을 크게 능가합니다.
본 논문은 목표 지향 의견 단어 추출(TOWE) 작업을 위해 RABERT 모델을 제안합니다. 목표 마커를 추가하는 인코딩 방법과 목표-문장 관계 네트워크, 이웃 단어 인식 관계 네트워크를 활용하여 BERT에 목표 정보를 효과적으로 통합합니다. 4개 벤치마크 데이터셋에서 기존 방법들을 크게 능가하며 최첨단 성능을 달성합니다.
본 논문은 순차 추천을 위해 양방향 인코더와 자동회귀 디코더를 결합한 E-BART4Rec 모델을 제안합니다. BERT의 양방향 주의 메커니즘은 학습과 추론 단계의 불일치 문제를 가지므로, BART 기반의 구조에 게이팅 메커니즘을 통해 인코더와 디코더 출력을 동적으로 통합합니다. 아이템 삭제, 자르기, 역순, 채우기 등의 노이즈 변환을 적용하여 실제 사용자 행동을 모방하며, 실제 데이터셋에서 기존 방법들을 크게 능가합니다.
본 연구는 확률적 손실 네트워크의 기본 성질을 분석하여 Erlang 고정점 근사를 개선합니다. 정상 손실 확률 추정을 위한 수학적 근사 계열을 제안하며, 이는 지수적으로 빠르게 수렴하고 점근적으로 정확한 결과를 제공하면서 Erlang 고정점 근사보다 높은 정확도를 달성합니다.