초록
지식 기반 질문 응답의 대부분 접근 방식은 의미 해석에 기반하고 있습니다. 본 논문에서는 여러 개체와 관계로 구성된 복잡한 의미 해석의 벡터 표현을 학습하는 문제를 다룹니다. 이전 연구는 주로 질문에 대한 올바른 의미 관계 선택에 초점을 맞추고, 개체 간 연결과 관계의 방향성 등 의미 해석의 구조를 무시하였습니다. 우리는 게이트 그래프 신경망(Gated Graph Neural Networks)을 사용하여 의미 해석의 그래프 구조를 인코딩하는 방법을 제안합니다. 두 데이터 세트에서 그래프 네트워크가 구조를 명시적으로 모델링하지 않는 모든 베이스라인 모델보다 우수한 성능을 보임을 입증하였습니다. 오류 분석은 우리의 접근 방식이 복잡한 의미 해석을 성공적으로 처리할 수 있음을 확인해주었습니다.