초록
사전 훈련된 언어 모델의 도입으로 많은 복잡한 작업 특화 NLP 모델들이 간단한 경량 레이어로 축소되었다. 그러나 공명 해결(coreference resolution)은 이 경향에서 예외로, 사전 훈련된 트랜스포머 인코더에 고도로 발전된 작업 특화 모델을 추가하는 방식을 채택하고 있다. 비록 매우 효과적이지만, 이 모델은 동적으로 생성되는 스팬(span) 및 스팬 쌍(span-pair) 표현에 의해 주로 인해 매우 큰 메모리 사용량을 가지며, 이는 전체 문서 처리 및 한 번의 배치에서 여러 인스턴스를 동시에 훈련할 수 있는 능력을 제한한다. 본 연구에서는 스팬 표현, 수작업으로 구성한 특징, 휴리스틱 기법에 대한 의존성을 제거한 경량형 엔드투엔드 공명 해결 모델을 제안한다. 제안 모델은 현재 표준 모델과 경쟁 가능한 성능을 보이며, 동시에 더 단순하고 효율적이다.