초록
이 논문은 고차 추론(higher-order inference, HOI)이 공통 참조 해결(coreference resolution) 과제에 미치는 영향을 분석한다. 최근의 대부분의 공통 참조 해결 모델들이 HOI를 도입하고 있지만, 표현 학습에서의 실제 효과에 대한 철저한 탐구는 거의 이루어지지 않았다. 포괄적인 분석을 위해 우리는 엔드투엔드 공통 참조 시스템을 구현하였으며, 주목받는 전달자(attendee antecedent), 실체 동치화(entity equalization), 스팬 클러스터링(span clustering), 클러스터 병합(cluster merging)의 네 가지 HOI 접근법을 적용하였다. 특히 후자 두 가지 방법은 본 연구에서 처음 제안한 방법이다. 분석 결과, SpanBERT과 같은 고성능 인코더를 사용할 경우, HOI의 영향은 부정적에서 미미한 수준에 그친다는 점을 발견하였다. 이는 해당 과제에 대한 HOI에 대한 새로운 시각을 제시한다. 본 연구에서 제안한 최적 모델(클러스터 병합 기법을 활용)은 영어 CoNLL 2012 공동 과제 데이터셋에서 평균 F1 점수 80.2를 기록하였다.