문서 수준의 이종 그래프 어텐션 네트워크를 이용한 대화 관계 추출

대화 관계 추출(DRE)은 다중 참여자 대화에서 언급된 두 개체 간의 관계를 감지하는 것을 목표로 합니다. 이는 인터넷 상에서 점점 더 풍부해지는 대화 데이터로부터 지식 그래프를 구축하고, 지능형 대화 시스템 개발을 촉진하는 데 중요한 역할을 합니다. 그러나 기존의 DRE 방법들은 발화자의 정보를 의미 있게 활용하지 못합니다. 그들은 단순히 발화 앞에 각 발화자의 이름을 붙이는 것만으로 처리합니다. 따라서, 대명사와 트리거를 통해 관련 인수 개체에 추가적인 맥락을 제공할 수 있는 중요한 발화자 간 관계를 모델링하지 못합니다. 우리는 이러한 문제점을 해결하기 위해 그래프 어텐션 네트워크 기반의 DRE 방법을 제시합니다. 여기서는 의미적으로 연결된 발화자 노드, 개체 노드, 개체 유형 노드, 그리고 발화 노드가 포함된 그래프를 구성합니다. 이 그래프는 관련 노드들 사이의 맥락 전파를 위해 그래프 어텐션 네트워크에 입력됩니다. 이를 통해 대화 맥락이 효과적으로 포착됩니다. 우리는 경험적으로 이 그래프 기반 접근 방식이 벤치마크 데이터셋 DialogRE에서 현행 최고 수준의 접근 방식보다 크게 우월함을 보여주며, 다양한 개체 쌍 간의 관계를 효과적으로 포착한다는 것을 입증하였습니다. 우리의 코드는 다음 주소에서 공개되어 있습니다: https://github.com/declare-lab/dialog-HGAT