상식 지식을 활용한 임베딩이 윈그라드 스키마 챌린지에서 대명사 해소 문제 해결에 기여하는 방법

본 논문에서는 대명사 해소 문제(Pronoun Disambiguation Problems, PDP)를 해결하기 위해 상식 지식 강화 임베딩(Commonsense Knowledge Enhanced Embeddings, KEE)을 제안합니다. 본 논문에서 연구하는 PDP 작업은 상식 지식의 활용이 필요한 복잡한 공참조 해결 작업입니다. 이 작업은 2016년 윈그라드 스키마 챌린지의 표준 첫 번째 테스트 세트입니다. 이 작업에서는 전통적인 공참조 해결에 유용한 문맥 및 성별 정보와 같은 언어학적 특징들이 더 이상 효과적이지 않습니다. 따라서 KEE 모델들은 상식 지식을 활용하여 PDP 문제를 해결하기 위한 일반적인 프레임워크를 제공하기 위해 제안되었습니다. PDP 작업에는 학습 데이터가 없으므로, KEE 모델들은 비지도 학습 특성 추출 과정에서 사용됩니다.KEE 모델들의 효과성을 평가하기 위해, ConceptNet, WordNet, CauseCom 등 다양한 상식 지식 기반을 KEE 학습 과정에 통합하는 방법을 제안합니다. 제안된 방법들을 2016년 윈그라드 스키마 챌린지에 적용하여 최고의 성능을 달성하였습니다. 또한 표준 PDP 작업에 대한 실험 결과는 제안된 KEE 모델들이 66.7%의 정확도로 PDP 문제를 해결할 수 있음을 보여주며, 이는 새로운 최신 성능(state-of-the-art performance)입니다.