초록
누가 누구에게 무엇을 했는지는 자연어 이해에서 주요 초점이며, 이는 의미 역할 라벨링(Semantic Role Labeling, SRL) 작업의 목표와 일치합니다. 이러한 두 관련 작업은 많은 처리 특성과 심지어 작업 목적까지 공유하고 있음에도 불구하고, 이전 연구에서는 두 작업을 동시에 고려한 것이 정식으로 보고된 적이 없었습니다. 따라서 본 논문은 동사 예언사와 그에 해당하는 의미 역할을 명시함으로써 SRL이 텍스트 이해와 추론을 강화하는 첫 시도를 합니다. 딥러닝 모델 측면에서, 우리의 임베딩은 명시적인 문맥적 의미 역할 라벨로 강화되어 더욱 세밀한 의미를 제공합니다. 우리는 중요한 라벨들이 기존 모델에 쉽게 추가될 수 있으며, 도전적인 텍스트 이해 작업에서 딥러닝 모델의 성능을 크게 개선한다는 것을 보여줍니다. 벤치마크 기계 읽기 이해 및 추론 데이터셋에 대한 광범위한 실험 결과가 제안된 의미 학습이 최신의 사전 학습 언어 모델로 강화된 강력한 기준모델보다 새로운 최고 수준의 성능을 달성하는데 도움이 됨을 입증하였습니다.