초록
기존의 대부분 방법은 모든 엔티티가 인식된 후에 관계 유형을 결정하므로, 관계 유형과 엔티티 언급 간의 상호작용이 완전히 모델링되지 않습니다. 본 논문에서는 관련 엔티티를 관계의 인수로 간주하여 관계 추출을 처리하는 새로운 패러다임을 제시합니다. 이 패러다임에서 계층적 강화학습(Hierarchical Reinforcement Learning, HRL) 프레임워크를 적용하여 엔티티 언급과 관계 유형 간의 상호작용을 강화하였습니다. 전체 추출 과정은 관계 검출과 엔티티 추출을 각각 처리하기 위한 두 단계의 RL 정책 계층으로 분해되어, 중복되는 관계를 처리하는 것이 더욱 실현 가능하고 자연스럽게 되었습니다. 우리의 모델은 원격 감독을 통해 수집된 공개 데이터셋에서 평가되었으며, 결과는 기존 방법보다 우수한 성능을 보였으며 중복되는 관계를 추출하는 데 더 강력함을 입증하였습니다.