초록
엔드투엔드 세멘틱 역할 레이블링(SRL)에 대한 관심이 점점 증가하고 있다. 이 방법은 SRL의 두 하위 작업인 동사 식별과 어휘 역할 레이블링을 통합적으로 수행한다. 최근 연구는 주로 그래프 기반 신경망 모델에 집중되어 있으나, 여러 관련 작업에서 널리 사용되어 온 신경망 기반 전이 기반 프레임워크는 여전히 종합적인 SRL 작업에 적용된 바가 없다. 본 논문에서는 엔드투엔드 SRL을 위한 전이 기반 신경망 모델의 첫 번째 시도를 제안한다. 제안하는 전이 모델은 일련의 전이 행동을 통해 문장 내 모든 동사를 점진적으로 탐지하고, 그에 해당하는 주어 및 목적어 등을 동시에 추출한다. 두 하위 작업의 전이 행동은 서로 상호작용하며 동시에 수행되어 보다 강력한 정보 교환을 가능하게 한다. 또한, 비국소적 특징을 추출하기 위해 고차원 조합(high-order compositions)을 제안함으로써 제안 모델의 성능을 더욱 향상시킬 수 있다. CoNLL09 및 Universal Proposition Bank에서의 실험 결과, 제안 모델은 최신 기술 수준의 성능을 달성하면서도 해독(decoding) 효율성 또한 매우 높음을 입증하였다. 또한 제안 모델의 작동 원리를 깊이 이해하기 위해 철저한 실험 분석을 수행하였다.