문장 분류를 위한 명시적 상호작용 모델

텍스트 분류는 자연어 처리의 기본적인 작업 중 하나입니다. 최근에 딥 뉴럴 네트워크는 얕은 모델에 비해 텍스트 분류 작업에서 유망한 성능을 달성하였습니다. 그러나 딥 모델이 중요한 만큼, 이들은 주로 텍스트 수준의 표현에 의존하기 때문에 단어와 클래스 간의 세부적인 (매칭 신호) 분류 힌트를 무시합니다. 이러한 문제를 해결하기 위해, 우리는 단어 수준의 매칭 신호를 텍스트 분류 작업에 통합하기 위한 상호작용 메커니즘을 도입하였습니다. 특히, 상호작용 메커니즘을 탑재한 새로운 프레임워크인 EXplicit interAction Model(EXAM)을 설계하였습니다. 우리는 제안된 접근 방식을 다중 레이블 및 다중 클래스 텍스트 분류 작업을 포함하는 여러 벤치마크 데이터셋에서 검증하였습니다. 광범위한 실험 결과는 제안된 방법의 우수성을 입증하고 있습니다. 부가적으로, 다른 연구들을 지원하기 위해 코드와 파라미터 설정을 공개하였습니다.