WordNet의 의미 지식을 활용한 신경망 단어 의미 구분을 위한 감각 어휘 압축

이 글에서는 단어 의미 구분 작업을 위한 수동으로 의미 주석이 달린 말뭉치의 한정된 양의 문제를 다루며, 동의어(synonymy), 상위어(hypernymy) 및 하위어(hyponymy)와 같은 의미 간의 관계를 활용하여 프린스턴 워드넷(Princeton WordNet)의 의미 어휘를 압축하고, 이를 통해 모든 어휘 데이터베이스의 단어를 의미 구분하기 위해 관찰해야 하는 서로 다른 의미 태그의 수를 줄이는 방법을 제시합니다. 우리는 두 가지 다른 방법을 제안하는데, 이 방법들은 신경망 WSD 모델의 크기를 크게 줄이고, 추가적인 학습 데이터 없이도 커버리지를 개선하며, 정밀도에 영향을 미치지 않는다는 장점이 있습니다. 또한 우리의 방법 외에도 사전 학습된 BERT 단어 벡터를 활용한 WSD 시스템을 소개하며, 이 시스템은 모든 WSD 평가 작업에서 현존하는 최고 기술보다 유의미하게 우수한 결과를 달성하였습니다.