제로샷 실행 가능한 의미 구문 분석을 위한 기반 조정

기존의 의미 구문 분석기(semantic parser)를 새로운 환경(예: 새로운 데이터베이스 스키마)에 적응시키기 위해, 본 연구는 제로샷 실행 가능한 의미 구문 분석을 위한 기반 적응(Grounded Adaptation for Zero-shot Executable Semantic Parsing, GAZP)을 제안한다. GAZP는 전방 의미 분석기(forward semantic parser)와 후방 발화 생성기(backward utterance generator)를 결합하여 새로운 환경에서 데이터(예: 발화 및 SQL 쿼리)를 합성하고, 순환 일관성(cycle-consistent) 예시를 선별하여 분석기를 적응시킨다. 기존의 데이터 증강(data-augmentation) 기법이 주로 학습 환경에서 검증되지 않은 예시를 생성하는 데 반해, GAZP는 새로운 환경에서 입력-출력의 일관성이 검증된 예시를 생성한다. Spider, Sparc, CoSQL 등의 제로샷 의미 구문 분석 태스크에서 GAZP는 기준 분석기의 논리적 형태 정확도 및 실행 정확도를 향상시킨다. 분석 결과에 따르면, GAZP는 학습 환경에서의 데이터 증강 기법보다 우수한 성능을 보이며, GAZP를 통해 합성된 데이터의 양이 증가할수록 성능이 향상되며, 순환 일관성은 성공적인 적응의 핵심 요소임을 확인할 수 있다.