AI
EMNLP 2019 Review - 핑퐁팀이 보고, 듣고, 느낀 점
두줄요약
EMNLP 2019에서 주목한 NLP 논문 6편의 방법과 실험 결과를 리뷰했습니다.\n공감 대화, 멀티모달 학습, 노이즈 레이블, 생성 구조, 수사 추론의 과제를 짚었습니다.
핵심 내용
- EMNLP 2019 현장 발표·포스터 중 공감 대화, 멀티모달 학습, 감성 분류, 데이터-텍스트 생성, 수사 추론 논문 리뷰
- NLP 모델의 해석 가능성, 노이즈 레이블 대응, 이미지·텍스트 결합, 숫자 표현 한계 중심의 연구 동향
구조와 흐름
- MoEL의 감정별 다중 디코더와 메타 리스너 기반 공감형 응답 조합
- LXMERT의 객체·언어·교차 모달 Transformer 인코더와 멀티모달 사전학습 목표
- 노이즈 전이 행렬 추정 네트워크, 파이프라인 생성 모듈, 임베딩 수사 능력 프로빙 태스크
장단점
- MoEL과 LXMERT의 SOTA 성능 및 분석을 통한 감정·교차 모달 정보 활용 가능성
- End-to-End 데이터-텍스트 생성의 낮은 성능과 미학습 도메인에서의 환각 문제
- BERT의 서브워드 기반 숫자 처리 한계와 문자 수준 임베딩의 상대적 강점
적용해볼 점
- 대화 시스템에서 감정 이해와 응답 선택 과정을 분리한 해석 가능한 생성 구조
- 대규모·불완전 레이블 데이터 활용 시 노이즈 대응 학습과 모듈화 범위 검토
