논리 기반 컨텍스트 확장 및 데이터 증강을 통한 텍스트의 논리적 추론

텍스트의 논리적 추론은 텍스트 내 핵심적인 논리 정보를 이해하고 이를 바탕으로 추론을 수행하는 것을 필요로 한다. 기존의 대규모 사전 학습 모델들은 텍스트의 단어 수준 의미에 주로 초점을 맞추고 있으나, 심볼적 논리 구조를 효과적으로 포착하는 데 어려움을 겪고 있다. 본 논문에서는 텍스트 내 논리적 기호와 표현을 이해함으로써 정답에 도달하는 새로운 접근을 제안한다. 이러한 논리 정보를 기반으로, 우리는 맥락 확장 프레임워크를 제안할 뿐만 아니라 데이터 증강 알고리즘도 제안한다. 먼저, 논리 동치 법칙에 따라 은유적 논리 표현을 포함하도록 맥락을 확장하는 프레임워크를 도입하였으며, 두 번째로 문장적으로 유사하나 논리적으로 다른 인스턴스를 증강함으로써, 특히 논리적 부정 및 조건관계와 같은 복잡한 논리 구조를 더 잘 포착할 수 있도록 했다. 제안한 방법은 ReClor 데이터셋에서 실험을 통해 평가되었으며, 결과적으로 기존 최고 성능을 넘어서는 성과를 달성하였다. 또한 논리 기반 맥락 확장 프레임워크와 데이터 증강 알고리즘이 모두 정확도 향상에 기여함을 확인하였다. 특히, 다중 모델 앙상블 시스템은 ReClor의 EASY 세트와 HARD 세트 모두에서 인간의 성능을 처음으로 초월하는 결과를 보였다.