엔티티-관계 추출을 다단계 질문 응답으로 수행하기

본 논문에서는 엔티티-관계 추출 작업을 위한 새로운 패러다임을 제안합니다. 이 작업을 다단계 질문 응답 문제로 재구성하여, 엔티티와 관계의 추출이 문맥에서 답변 범위를 식별하는 작업으로 변환됩니다. 이러한 다단계 QA 형식화는 다음과 같은 주요 장점을 가지고 있습니다: 첫째, 질문 쿼리가 우리가 식별하려는 엔티티/관계 클래스에 대한 중요한 정보를 인코딩합니다; 둘째, QA는 엔티티와 관계를 공동으로 모델링하는 자연스러운 방법을 제공합니다; 셋째, 잘 개발된 기계 독해(MRC) 모델을 활용할 수 있게 합니다. ACE 및 CoNLL04 말뭉치에서 수행한 실험은 제안된 패러다임이 이전 최고 모델들보다 유의미하게 우수함을 입증하였습니다. 우리는 ACE04, ACE05 및 CoNLL04 데이터셋 모두에서 최신 연구 결과(SOTA)를 달성하였으며, 세 데이터셋의 SOTA 결과를 각각 49.4(+1.0), 60.2(+0.6), 68.9(+2.1)로 향상시켰습니다. 또한, 이전 데이터셋에서 트리플 추출에서 단일 단계 의존성 추출과 달리 여러 단계의 추론이 필요한 중국어 다단계 의존성 구축 데이터셋인 RESUME를 구성하였습니다. 제안된 다단계 QA 모델은 RESUME 데이터셋에서도 최고 성능을 보였습니다.