구문 정보의 주의 집중형 앙상블을 통한 명명된 엔터티 인식 향상

명사 인식(Named Entity Recognition, NER)은 문장 수준의 구문적 및 의미적 특성에 매우 민감하며, 실질적인 텍스트 내에서 엔터티가 어떻게 사용되고 배치되는지에 따라 엔터티를 추출할 수 있다. 이러한 특성을 모델링하기 위해 기존 자원을 활용하여 NER 작업에 유용한 지식을 제공할 수 있다. 일부 기존 연구들은 이러한 접근의 효과성을 입증하였지만, 특정 맥락에서 중요한 지식을 적절히 구분하고 활용하는 데에는 한계가 있다. 본 논문에서는 제안된 키-값 메모리 네트워크, 구문 주의(attention) 메커니즘, 게이트 메커니즘을 통해 각각 구문 정보의 인코딩, 가중치 부여 및 집계를 기능화하는 주의 기반 통합(attention-based ensemble) 방식을 활용하여 다양한 종류의 구문 정보를 효과적으로 활용함으로써 NER 성능을 향상시킨다. 영어 및 중국어 기준 데이터셋 6개에서 수행된 실험 결과는 제안된 모델의 효과성을 입증하며, 모든 실험 데이터셋에서 기존 연구들을 상회하는 성능을 보였다.