본 연구는 ‘일관적 페르소나 확장 및 훈련 최적화를 통한 챗봇 대화 품질 향상’을 목표로 함. 주어진 원본 페르소나를 상식 기반으로 확장하고, 이를 활용하여 챗봇 답변의 다양성을 향상시키고자 함. 이 때, 생성된 확장 페르소나는 원본 페르소나와 의미적으로 일관성을 유지해야 함. 또한 일관적으로 확장된 페르소나와 대응하는 새로운 골드 레이블 데이터셋을 생성하여 학습 데이터셋을 재구성하고자 함. 본 연구팀은 연구 목표를 달성하기 위해 ‘일관적 페르소나 확장’과 ‘훈련 최적화’ 핵심기술을 제시함. 일관적 페르소나 확장 단계에서는 기존 상식 그래프를 활용하여 Positive, Negative 레이블을 가지는 데이터셋을 구축하고, 구축한 데이터셋을 활용하여 원본 페르소나와 의미적으로 일관적인 확장 페르소나를 생성할 수 있는 PLM 기반 모델을 제시함. 또한 훈련 최적화 단계에서는 일관적으로 확장된 페르소나의 의미를 담고 있는 새로운 골드 레이블을 만들기 위한 Sketch & Control 모델을 제시하고, 모델을 활용하여 훈련 목표에 최적화된 데이터셋을 구성하고 테스트함.