문서 수준 관계 추출을 위한 이중 그래프 기반 추론

문서 수준 관계 추출은 문서 내에 존재하는 엔티티 간의 관계를 추출하는 것을 목표로 한다. 문장 수준 관계 추출과 달리, 문서 내 여러 문장에 걸쳐 분석하고 추론하는 능력이 필요하다. 본 논문에서는 이중 그래프 구조를 특징으로 하는 그래프 집약-추론 네트워크(GAIN)를 제안한다. GAIN은 먼저 문서 내 다양한 언급(mention) 간의 복잡한 상호작용을 모델링하기 위해 이질적 언급 수준 그래프(hMG)를 구축한다. 또한 엔티티 수준 그래프(EG)를 기반으로 하여, 엔티티 간의 관계를 추론하기 위한 새로운 경로 추론 메커니즘을 제안한다. 공개 데이터셋인 DocRED에서의 실험 결과, GAIN은 기존 최고 성능 모델 대비 F1 점수에서 2.85의 유의미한 성능 향상을 달성하였다. 본 연구의 코드는 https://github.com/DreamInvoker/GAIN 에서 공개되어 있다.