ScholarWorks@성균관대학교

초록

개인화된 대화를 생성하는 인공지능 시스템 구축에 있어 페르소나(Persona)는 사용자의 특성을 반영하는 핵심적인 역할을 한다. 본 연구에서는 발화로부터 페르소나 정보를 정교하게 추출하고 응답 생성에 활용하기 위한 새로운 표현 방식으로 [핵심, 표현, 감성, 범주]의 형태로 구성된 사중항(Quadruple) 구조를 제안한다. LLM을 이용한 자동 주석 생성 방식으로 사중항 데이터셋을 구축하고, 다양한 방식의 추출 모델을 각각 구현하여 비교하였다. 학습된 모델을 활용하여 추가 검수를 통해 데이터 품질을 개선하였고, 재학습을 통해 최종 모델을 구현하였다. 추출한 사중항 정보를 응답 생성 모델에 제공하여 페르소나 구성 방식에 따른 성능 차이를 평가하였고, 우수한 성능을 보였다. 본 연구는 동적 페르소나 정보를 단순 의미 추출을 넘어 감성 및 범주 수준까지 구조화함으로써, 더욱 세밀하고 효과적인 페르소나 추출 시스템을 구현하였다.

키워드