<문단>
==========================================================================================
비교 실험으로 Skip-gram 형태소 임베딩을 이용한 문장 유사도도 측정하였다.
문장 내에 나타난 단어들은 문장의 구성요소로써 문장 내의 단어의 합이 결국 문장의 의미에 해당한다고 생각할 수 있다.
실제 [fastText]는 문장 내 단어 임베딩과 n-gram embedding의 mean을 simple neural network에 입력으로 사용하여 좋은 성능을 낸 바 있다.
우리는 [fastText]의 방법을 non-iterative way로 변환하여 적용한다.
문장 내에 나타난 단어 벡터들의 임베딩의 mean을 knowledge의 그것과 유사도 비교하여 가장 가까운 값을 선택한다.
==========================================================================================
결과 및 결과분석
NLQ400의 질의 384항목 중 155질의를 실험에 사용하였다. 155질의 모두를 skip-thought로 인코딩하고, 제안 시스템에 입력하여 유사 문장들을 나열한다.
질의 별 Top 1의 지식이 얼마나 유용한지 Likert scale로 평가를 진행하였다.