하이퍼니미와 하이포니미 관계를 통해 신경망 단어 의미 구분의 범위와 일반화 능력을 향상시키기

단어 의미 구분(WSD)에서 주로 사용되는 접근 방식은 의미 주석이 달린 말뭉치를 통해 훈련된 감독 학습 시스템을 활용하는 것입니다. 그러나 이러한 말뭉치의 한정된 양은 이 시스템들의 범위와 성능을 제한합니다. 본 논문에서는 이러한 문제를 해결하기 위해 WordNet에 내재된 지식, 특히 동의어 집합(synsets) 간의 상위 개념(hypernymy) 및 하위 개념(hyponymy) 관계를 활용하여, 어휘 데이터베이스의 모든 단어를 의미 구분하기 위해 필요한 다른 의미 태그(sense tags)의 수를 줄이는 새로운 방법을 제안합니다. 우리의 방법은 대부분의 WSD 평가 작업에서 최신 연구 결과와 맞먹는 성과를 거두며, 감독 학습 시스템의 범위를 개선하고 훈련 시간 및 모델 크기를 줄일 수 있으며, 추가적인 훈련 데이터 없이도 가능합니다. 또한, 우리의 방법을 앙상블 기법과 WordNet Gloss Tagged 말뭉치를 훈련 데이터로 추가하여 사용할 때 현존하는 최고 연구 결과보다 유의미하게 우수한 성과를 보여줍니다.