초록
본 연구에서는 많은 실제 데이터셋에서 흔히 발견되는 겹치는 엔티티 언급을 모델링하기 위해 새로운 세그먼털 하이퍼그래프 표현을 제안합니다. 우리는 이 새로운 표현을 기반으로 구축된 모델이 이전 모델들이 포착하지 못하는 특징과 상호작용을 포착할 수 있으면서도 추론의 시간 복잡도를 낮게 유지할 수 있음을 보여줍니다. 또한, 본 논문에서는 대안적인 표현들에 비해 우리의 표현이 표현력 측면에서 우수함을 정식으로 평가하는 이론적 분석을 제시합니다. 신경망을 이용한 특징 학습과 결합하여, 우리의 모델은 겹치는 언급으로 주석화된 세 개의 벤치마크 데이터셋에서 최고의 성능을 달성하였습니다.