초록
명명된 실체 인식(named entity recognition)과 관계 추출(relation extraction)은 두 가지 중요한 기본 문제입니다. 이 두 과제를 동시에 해결하기 위해 공동 학습 알고리즘이 제안되었으며, 많은 경우에서 이러한 공동 과제를 표(table) 채우기 문제로 다루었습니다. 그러나 일반적으로 이러한 방법들은 두 과제 모두에 필요한 정보를 동일한 공간 내에서 포착하기 위해 단일 인코더(주로 표 형태의 표현을 학습하는 인코더)를 학습하는 데 초점을 맞추었습니다. 우리는 학습 과정에서 이러한 두 가지 다른 유형의 정보를 포착하기 위해 두 개의 독립적인 인코더를 설계하는 것이 유익할 수 있다고 주장합니다. 본 연구에서는 두 개의 서로 다른 인코더 -- 표 인코더와 시퀀스 인코더가 표현 학습 과정에서 서로 도움을 주는 새로운 {\em 표-시퀀스 인코더(table-sequence encoders)}를 제안합니다. 우리의 실험 결과는 {\em 두} 개의 인코더가 {\em 하나}의 인코더보다 우월함을 확인해주며, 여러 표준 데이터셋에서 기존 접근법보다 상당한 향상을 보임을 입증하였습니다.