초록
엔티티 이름이 다른 이름을 포함할 때, 모든 이름 조합의 식별은 어려워지고 비용이 많이 들 수 있습니다. 본 연구에서는 외부 엔티티뿐만 아니라 내부 중첩 엔티티도 인식할 수 있는 새로운 방법을 제안합니다. 우리는 중첩 엔티티의 태그 시퀀스를 부모 엔티티의 범위 내에서 두 번째로 최적의 경로로 취급하는 신경 모델을 훈련시키기 위한 목적 함수를 설계하였습니다. 또한, 추론 과정에서 외부에서 내부로 순차적으로 엔티티를 추출하는 디코딩 방법을 제공합니다. 우리의 방법은 평면 네임드 엔터티 인식 작업에 널리 사용되는 조건부 랜덤 필드 기반 모델과 비교하여 추가적인 하이퍼파라미터가 없습니다. 실험 결과, 우리의 방법은 중첩 엔티티 처리가 가능한 기존 방법들보다 더 우수하거나 최소한 동등한 성능을 보였으며, ACE-2004, ACE-2005, GENIA 데이터셋에서 각각 85.82%, 84.34%, 77.36%의 F1 점수를 달성하였습니다.