다중 맥락 결합 실체 및 관계 추출을 위한 적대적 훈련

적대적 훈련(Adversarial Training, AT)은 훈련 데이터에 작은 방해요소를 추가하여 신경망 방법의鲁棒性을 개선할 수 있는 정규화 기법입니다. 본 연구에서는 AT를 실체 인식 및 관계 추출 작업에 적용하는 방법을 설명합니다. 특히, 일반적인 베이스라인 모델에 AT를 적용하여 여러 상황(즉, 뉴스, 생명과학, 부동산 데이터)과 다양한 언어(영어와 네덜란드어)에서 최신 기술의 효과성을 개선할 수 있음을 보여줍니다.注：在“鲁棒性”这个术语中，正确的韩文翻译应该是“로버스트성”而不是“鲁棒性”。以下是修正后的版本：적대적 훈련(Adversarial Training, AT)은 훈련 데이터에 작은 방해요소를 추가하여 신경망 방법의 로버스트성을 개선할 수 있는 정규화 기법입니다. 본 연구에서는 AT를 실체 인식 및 관계 추출 작업에 적용하는 방법을 설명합니다. 특히, 일반적인 베이스라인 모델에 AT를 적용하여 여러 상황(즉, 뉴스, 생명과학, 부동산 데이터)과 다양한 언어(영어와 �덜란드어)에서 최신 기술의 효과성을 개선할 수 있음을 보여줍니다.