PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.28004v1cs.CL

질문형 대화의 속성별 제어 요약

Controlled Attribute-Specific Summarization of Interrogative Dialogues

효과적인 질문형 대화 요약은 법의학 및 수사 환경에서 중요한 과제이며, 높은 사실적 정확도, 일관성, 속성별 관련성을 요구한다. 본 연구에서는 CASPER를 제안한다. 이는 사고의 연쇄(Chain-of-Thought) 기반 속성별 프롬프팅을 활용한 평가형 요약(Evaluative Summarization)의 새로운 프레임워크로, 구조화된 프롬프팅과 반복적 정제를 통해 심문관-증인 상호작용의 고품질 요약을 생성한다. MIND 코퍼스를 확장한 데이터셋 MINDSum을 구축하였으며, 이는 사건 세부사항, 사실 진술, 인물 묘사, 필러(filler)로 주석이 달린 6,000개의 발화 쌍으로 구성된다. CASPER는 RoleEval을 사용한다. 이는 여러 역할(경찰관, 조사관, 고급 조사관)이 사전 정의된 기준에 따라 요약을 반복적으로 평가하는 계층적 평가 메커니즘이다. 개체 추출(entity extraction)과 구조화된 피드백 루프를 통합함으로써 CASPER는 기존 기준선 대비 사실적 일관성과 문맥적 완전성을 크게 향상시킨다. 실험 결과는 본 프레임워크가 어휘(ROUGE) 및 의미(BERTScore) 지표 모두에서 표준 요약 모델을 능가함을 보여주며, 인간 평가는 전문가 추론과의 정렬(alignment)을 확인한다. 본 연구 결과는 고위험(high-stakes) 도메인에서 제어 가능한 요약의 잠재력을 강조하며, AI 기반 법의학 정보 분석(forensic intelligence)의 길을 연다.

arXiv:2607.14769v1cs.CL

주제·참여자 중심 분해를 활용한 감정 역학 기반 대화 요약

Dialogue Summarization with Emotion Dynamics Using Topic- and Participant-Centric Decomposition

기존 텍스트 요약 연구는 화자나 저자 간 상호작용을 고려하지 않은 채, 단일 화자 정보(예: 신문 기사, 보고서)에 많이 초점을 맞춰 왔다. 반면 대화는 여러 참여자가 의미를 구성하기 위해 주고받는 교환을 수행하는 풍부한 의사소통 채널이다. 우리는 다중 모달 대화 입력을 사용하여 의미적·감정적 역학을 모두 명시적으로 모델링하는 대화 요약 프레임워크를 제안하며, 이는 적응된 계층적 Chain-of-Agents 접근법에 기반한다. 우리는 두 관점에서 대화를 분해한다: (1) 모든 참여자의 발화에 기반한 주제 세그먼트, (2) 참여자별 발화 세그먼트. 이들은 자동으로 추론된 감정을 통합하면서 각각에 대응하는 요약을 생성하는 데 사용된다. 주제 수준 및 참여자 수준 요약은 의미 내용과 감정 궤적을 포착하는 대화 요약으로 집계된다. 내용 정확도를 넘어 평가하기 위해, 우리는 요약이 감정적 흐름을 얼마나 잘 보존하는지 측정하는 감정 궤적 지표를 도입한다. 다중 모달 대화 데이터셋에서 소형 언어 모델을 사용한 실험은 우리 프레임워크가 의미 및 감정 내용을 모두 갖춘 요약을 생성함을 보여준다. 명시적 감정 레이블 가용성에 대한 추가 실험은 제안 방법론의 효과와 언어 모델을 이용한 대화 분석의 기회를 강조한다.