초록
최근 10년 동안 전통적인 특성 기반 방법이 단어나 어휘 패턴과 같은 이산 구조를 활용하여 텍스트에서 관계를 추출하는 데 성공해 왔습니다. 최근에는 합성곱 신경망(CNN)과 순환 신경망(RNN)이 문장 내의 숨겨진 구조를 연속적 표현을 통해 포착하는 매우 효과적인 메커니즘을 제공함으로써, 관계 추출의 성능을 크게 향상시키고 있습니다. 합성곱 신경망의 장점은 문장 내의 연속된 k-그램을 일반화할 수 있는 능력이며, 순환 신경망은 문장 맥락의 긴 범위를 인코딩하는 데 효과적입니다. 본 논문에서는 이러한 세 가지 접근 방식, 즉 전통적인 특성 기반 방법, 합성곱 신경망 및 순환 신경망을 결합하여 각각의 장점을 동시에 활용하고자 제안합니다. 다양한 네트워크 아키텍처와 결합 방법에 대한 체계적인 평가 결과, 이 접근 방식의 유효성이 입증되었으며, ACE 2005와 SemEval 데이터셋에서 최신 기술 수준의 성능을 달성하였습니다.