Intent Classification for Conversational Financial Information Retrieval

Abstract

In financial markets, the swift acquisition of accurate financial information is essential for effective investment decisions. The Conversational Information Retrieval (IR) systems can be used to provide financial information through conversations with users. To do this, we formulated an intent classification problem to be used as a core component of our conversational IR system. The proposed intent classification model identifies the user intents which enables the conversational IR system to respond with answers that include the required information or recommend webpages containing the relevant information. To achieve this, we build an intent classification dataset to train and evaluate intent classification models for the conversational IR system. In addition, we propose two approaches: fine-tuning a pre-trained Korean language model and employing a pre-trained sentence encoder for intent classification. Additionally, we introduce two data augmentation techniques to overcome the data scarcity problem. The experiments demonstrate the effectiveness of our proposed methods.|금융 시장에서 정확한 금융 정보를 빠르게 획득하는 것은 투자 결정에 매우 중요하다. 대화형 정보 검색 시스템은 사용자와의 대화를 통해 금융 정보를 제 공하는 데 효과적으로 사용될 수 있다. 이를 위해 대화형 정보 검색 시스템의 핵심 구성 요소로 사용되는 의도 분류 문제를 정의했다. 제안된 의도 분류 모델 은 사용자의 의도를 식별하여 시스템이 관련 정보가 포함된 웹페이지를 추천하 거나 사용자가 원하는 응답을 답변할 수 있도록 한다. 이를 위해 의도 분류 모 델을 훈련 및 평가하기 위한 의도 분류 데이터셋을 구축했다. 또한 사전 학습된 한국어 언어 모델을 Fine-tuning하는 방법과 사전 학습된 문장 인코더를 사용 하는 두 가지 의도 분류 모델을 제안한다. 추가로 데이터 부족 문제를 극복하기 위한 두 가지 텍스트 증강 방법을 사용한다. 실험 결과를 통해 제안하는 방법의 효과를 입증한다.