외부 컨텍스트 검색 및 협업 학습을 통한 명명된 엔터티 인식 개선

최근 Named Entity Recognition (NER) 분야의 발전은 문서 수준의 문맥이 모델 성능을 크게 향상시킬 수 있음을 보여주고 있다. 그러나 많은 응용 시나리오에서는 이러한 문맥 정보를 활용할 수 없다. 본 논문에서는 검색 엔진을 통해 원문 문장을 쿼리로 사용하여 의미적으로 관련성이 높은 텍스트들을 검색하고 선택함으로써 문장의 외부 문맥을 탐색하는 방법을 제안한다. 실험적으로, 문장과 그 외부 문맥을 연결하여 구성한 검색 기반 입력 보기에서 계산된 문맥 표현은 단순히 문장 자체만을 기반으로 한 원래 입력 보기보다 훨씬 우수한 성능을 달성함을 확인하였다. 더불어, 두 입력 보기 간의 문맥 표현 또는 출력 레이블 분포가 유사하도록 유도하는 협업 학습(Concurrent Learning)이라는 학습 방법을 활용함으로써, 두 입력 보기 모두의 모델 성능을 더욱 향상시킬 수 있다. 실험 결과, 본 방법은 5개 도메인에 걸쳐 8개의 NER 데이터셋에서 새로운 최고 성능(SOTA)을 달성함을 입증하였다.