초록
의존 구조 트리는 문장 내 단어 간의 장거리 및 문법적 관계를 포착한다. 문법적 관계(예: 명사적 주어, 목적어)는 특정 명명된 실체(Named Entity)의 존재를 추론하는 데 활용될 수 있다. 또한, 의존 트리 내 단어 간의 장거리 의존성은 명명된 실체 인식(Named Entity Recognition, NER) 모델의 성능 향상에 기여할 수 있다. 본 연구에서는 문장의 완전한 의존 트리를 인코딩하고, 위의 특성을 효과적으로 포착하기 위해 간단하면서도 효과적인 의존성 유도형 LSTM-CRF 모델을 제안한다. 데이터 통계 분석 결과, 실체 유형과 의존 관계 사이에 강한 상관관계가 존재함을 확인하였다. 다양한 표준 데이터셋에서 광범위한 실험을 수행한 결과, 제안하는 모델이 NER 성능을 향상시키고 최신 기술 수준(SOTA, State-of-the-Art)의 성능을 달성함을 입증하였다. 분석 결과, 모델의 성능 향상은 주로 의존 트리가 제공하는 의존 관계와 장거리 상호작용에 기인함을 밝혔다.