초록
우리는 이름 인식(Named Entity Recognition, NER)을 위한 신경망 재순위 결정 시스템을 제안합니다. 본 연구의 기본 아이디어는 순환 신경망 모델을 활용하여 이름 인식이 포함된 문장 수준의 패턴을 학습하는 것입니다. 특히, 기준 NER 모델이 생성한 출력 문장에서 모든 이름 인식 표현들을, 예를 들어 \textit{Barack Obama}와 같은 표현들을 그들의 엔티티 유형으로, 예를 들어 \textit{PER}로 대체합니다. 이렇게 하면 결과 문장 패턴은 직접적인 출력 정보를 포함하지만, 특정 이름 엔티티가 없으므로 희소성이 줄어듭니다. 예를 들어, "PER는 LOC에서 태어났다"와 같은 패턴이 있을 수 있습니다. LSTM과 CNN 구조는 이러한 문장의 깊은 표현을 학습하여 재순위 결정에 이용됩니다. 실험 결과, 우리의 시스템은 두 가지 다른 기준 모델에서 NER 정확도를 크게 향상시키며, 표준 벤치마크에서 최고의 보고된 결과를 제공하였습니다.