초록
다자간 다회화 이해는 다수의 발화자로부터 발생하는 복잡한 상황과 발화자 인식 발화 간의 교차하는 대화 관계를 다루는 데 있어 전례 없는 도전 과제를 제기한다. 기존 대부분의 방법들은 대화 맥락을 단순한 텍스트로 취급하며, 중요한 발화자 인식 정보에 대한 주의를 충분히 기울이지 못하고 있다. 본 연구에서는 마스킹 어텐션과 이질적 그래프 네트워크를 결합한 개선된 발화자 인식 모델을 제안하여, 발화자 속성과 발화자 인식 관계 양 측면에서 대화적 단서를 포괄적으로 포착한다. 이러한 포괄적인 발화자 인식 모델링을 통해 실험 결과, 기준 데이터셋 Molweni에서 최고 수준의 성능을 달성함을 확인할 수 있었다. 사례 분석을 통해 본 모델이 발화와 각 발화자의 연결성을 강화하고, 발화자 인식 대화 관계를 효과적으로 포착함으로써 대화 모델링에 있어 핵심적인 역할을 수행함을 확인할 수 있었다.