초록
최근의 엔티티 및 관계 추출 연구들은 사전 훈련된 인코더로부터 보다 우수한 스팬 표현을 얻는 방법에 초점을 맞추고 있다. 그러나 기존 연구들의 주요한 한계는 스팬(쌍) 간의 상호관계를 무시한다는 점이다. 본 연구에서는 인코더 내 마커를 전략적으로 패킹함으로써 스팬(쌍) 간의 상호관계를 고려하는 새로운 스팬 표현 방식인 Packed Levitated Markers(PL-Marker)를 제안한다. 특히, 이웃 스팬을 통합적으로 고려함으로써 엔티티 경계 정보를 더 잘 모델링할 수 있도록 이웃 중심의 패킹 전략을 제안한다. 또한, 보다 복잡한 스팬 쌍 분류 작업을 위해 각 주어(subject)와 그 주어의 모든 목적어(object)를 함께 패킹하는 주어 중심의 패킹 전략을 설계하였다. 실험 결과, 개선된 마커 특징을 활용한 본 모델은 여섯 개의 NER 벤치마크에서 기준 모델을 초과하며, ACE04 및 ACE05에서 기존 최고 성능 모델보다 높은 속도로 4.1%~4.3%의 엄격한 관계 F1 점수 향상을 달성하였다.