문장 내외의 신경망 관계 추출

과거의 관계 추출 연구는 대부분 단일 문장 내의 개체 쌍 간의 이진 관계에 초점을 맞추었습니다. 최근에는 자연어 처리(NLP) 커뮤니티가 여러 문장에 걸쳐 있는 개체 쌍 간의 관계 추출에 관심을 보이고 있습니다. 본 논문에서는 이러한 작업을 위한 새로운 아키텍처를 제안합니다: 문장 간 의존성 기반 신경망(iDepNN). iDepNN은 순환 신경망과 재귀 신경망을 통해 문장 내(intra-) 및 문장 간(inter-) 경계에서의 가장 짧고 확장된 의존성 경로를 모델링하여 관계를 추출합니다. SVM 및 신경망 베이스라인과 비교할 때, iDepNN은 여러 문장에 걸친 관계에서 거짓 양성을 줄이는 데 더 강건한 성능을 보입니다.우리는 뉴스와이어(MUC6) 및 의학(BioNLP 공유 태스크) 분야의 네 가지 데이터셋에서 최신 기술 수준의 성능을 달성하며, 문장 간 관계에서 정밀도와 재현율 사이의 균형이 더 잘 이루어짐을 보여줍니다. 우리는 2016년 BioNLP 공유 태스크에 참여한 11개 팀보다 우수한 성능을 보였으며, 우승 팀 대비 F1 점수에서 5.2% (0.587 vs 0.558)의 향상을 이루었습니다. 또한 MUC6용으로 문장 간 주석을 공개하였습니다.