세밀한 엔티티 타이핑을 위한 레이블 추론

전통적인 엔티티 타이핑 접근법은 독립적인 분류 파라다임에 기반하고 있어, 상호 의존적이고, 긴 꼬리(long-tailed) 형태이며, 미세한 세분화(fine-grained)된 엔티티 타입을 인식하는 데 어려움을 겪는다. 본 논문에서는 레이블 간에 암묵적으로 함의된 외부적 및 내재적 의존성(Extrinsic and Intrinsic Dependencies)이 이러한 도전 과제를 해결하는 데 핵심적인 지식을 제공할 수 있다고 주장한다. 이를 위해 우리는 데이터 내에 함의된 레이블 간 의존성 지식을 탐지하고 활용함으로써 미세한 세분화된 엔티티 레이블을 순차적으로 추론하는 \emph{Label Reasoning Network(LRN)}을 제안한다. 구체적으로 LRN은 자동 회귀(auto-regressive) 네트워크를 사용하여 연역적 추론을 수행하고, 이분 그래프(bipartite attribute graph)를 활용하여 레이블 간의 귀납적 추론을 수행함으로써, 시퀀스에서 집합으로의(end-to-end) 방식으로 복잡한 레이블 의존성을 효과적으로 모델링하고 학습하며 추론할 수 있다. 실험 결과, LRN은 표준적인 초미세 세분화 엔티티 타이핑 벤치마크에서 최신 기술(SOTA) 수준의 성능을 달성하였으며, 긴 꼬리 레이블 문제에도 효과적으로 대응할 수 있음을 확인하였다.