초록
관계 분류는 문장 내 두 개체 간의 관계를 예측하는 작업을 목표로 한다. 기존의 방법들은 문장 내 두 개체에 대해 모든 관계를 후보 관계로 간주한다. 이러한 접근은 개체 유형에 의해 제한되어야 할 후보 관계에 대한 제약을 간과하게 되며, 결과적으로 부적절한 관계가 후보 관계로 포함되는 문제가 발생한다. 본 논문에서는 개체 유형을 활용하여 후보 관계를 제한하는 새로운 패러다임, 즉 '엔티티 유형 제약을 고려한 관계 분류(RElation Classification with ENtity Type restriction, RECENT)'를 제안한다. 특히, 관계와 엔티티 유형 간의 상호 제약 관계를 수학적으로 형식화하고 관계 분류에 도입하였다. 또한 제안된 RECENT 패러다임은 모델에 종속되지 않는 특성을 지닌다. 이를 바탕으로 대표적인 두 모델인 GCN과 SpanBERT를 기반으로 각각 RECENT_GCN과 RECENT_SpanBERT를 학습하였다. 표준 데이터셋에서의 실험 결과, RECENT는 GCN과 SpanBERT의 성능을 각각 6.9점과 4.4점의 F1 점수 상승으로 향상시켰으며, 특히 RECENT_SpanBERT는 TACRED에서 새로운 최고 성능(SOTA)을 달성하였다.