초록
의존 구조 트리는 텍스트 내 실체들 사이의 관계를 추출하는 데 유용한 풍부한 구조적 정보를 전달합니다. 그러나 의존 구조 트리에서 관련 정보를 효과적으로 활용하면서 비관련 정보를 무시하는 방법은 여전히 도전적인 연구 주제입니다. 기존 접근 방식은 관련 부분 의존 구조를 선택하기 위해 규칙 기반의 강력한 가지치기 전략을 사용하지만, 이는 항상 최적의 결과를 제공하지 않을 수 있습니다. 본 연구에서는 전체 의존 구조 트리를 직접 입력으로 사용하는 새로운 모델인 주의 지도 그래프 컨벌루션 네트워크(Attention Guided Graph Convolutional Networks, AGGCNs)를 제안합니다. 우리의 모델은 자동으로 관련 하위 구조에 선택적으로 주목하는 방법을 학습하는 부드러운 가지치기 접근 방식으로 이해될 수 있습니다. 다양한 작업, 즉 문장 간 n-항 관계 추출과 대규모 문장 단위 관계 추출에서의 광범위한 실험 결과는 우리의 모델이 전체 의존 구조 트리의 구조적 정보를 더 잘 활용하여 이전 접근 방식보다 현저히 우수한 결과를 제공할 수 있음을 보여줍니다.