반복적 상호작용 네트워크를 통한 엔티티 동시 추출 및 관계 분류

엔터티 추출과 관계 분류의 공동 추출 문제를 해결하기 위해 다중 작업 학습(multi-task learning) 접근법을 사용하려는 아이디어는 엔터티 인식 작업과 관계 분류 작업 간의 상관관계에 기반한다. 기존의 다중 작업 학습 기법을 활용한 방법들은 공유 네트워크를 통해 두 작업 간의 상호작용을 학습하며, 공유된 정보를 작업별 전용 네트워크로 전달하여 예측을 수행한다. 그러나 이러한 접근 방식은 두 작업 간의 명시적 상호작용을 효과적으로 학습하는 것을 방해하여 개별 작업의 성능 향상에 한계를 초래한다. 이를 해결하기 위해, 작업 간의 상호작용을 동적으로 학습할 수 있도록 설계된 순환 상호작용 네트워크(recurrent interaction network)라는 다중 작업 학습 모델을 제안한다. 이 모델은 분류를 위한 작업별 특징을 효과적으로 모델링할 수 있다. 두 개의 실제 데이터셋에 대한 실험적 연구를 통해 제안된 모델의 우수성이 확인되었다.