초록
자연어 처리는 문법, 의미론, 정보 내용을 예측하는 다양한 작업을 포함하며, 일반적으로 각 유형의 출력은 특별히 설계된 아키텍처를 사용하여 생성됩니다. 본 논문에서는 다양한 작업이 스패닝(span)과 스패닝 간의 관계를 라벨링하는 단일 통합 형식으로 표현될 수 있다는 간단한 통찰력을 제공합니다. 따라서 단일 작업 독립 모델이 서로 다른 작업에 걸쳐 사용될 수 있습니다. 우리는 종속성 분석(문법), 의미 역할 라벨링(의미론), 관계 추출(정보 내용), 감성 기반 감정 분석(감성) 등 10개의 상이한 작업에서 이 통찰력을 검증하기 위해 광범위한 실험을 수행하였으며, 최신 전문 모델과 비교 가능한 성능을 달성하였습니다. 또한 다중 작업 학습의 이점을 보여주고, 제안된 방법이 모델이 서로 다른 작업을 처리하는 방식의 차이와 유사성을 분석하기 쉽다는 점도 입증하였습니다. 마지막으로, 이러한 데이터셋들을 단일 통합 형식으로 변환하여 벤치마크를 구축하였으며, 이는 미래의 일반화된 자연어 분석 모델 평가를 위한 포괄적인 테스트베드를 제공합니다.