초록
엔티티 언급이 다른 언급을 재귀적으로 포함하는 것은 흔한 일이며, 이 논문에서는 언급의 중첩 구조를 모델링하기 위한 확장 가능한 전이 기반 방법을 소개합니다. 먼저 중첩된 언급을 포함하는 문장을 각각의 언급이 숲의 구성 요소에 해당하도록 지정된 숲으로 매핑합니다. 그런 다음, 시스템은 최대 길이가 문장 길이의 세 배로 보장되는 액션 시퀀스를 통해 하향식으로 숲 구조를 구성하는 방법을 학습합니다. 스택 LSTM(Stack-LSTM)을 사용하여 시스템의 상태를 연속 공간에서 효율적이고 효과적으로 표현하고, 이 시스템은 문자 수준 패턴을 포착하기 위해 문자 기반 구성요소와 통합되었습니다. 우리의 모델은 ACE 데이터셋에서 최고 수준의 성능을 달성하여 중첩된 언급 감지에서 그 효과성을 입증하였습니다.