MRC 기반 의미 역할 레이블링 프레임워크

의미역할 레이블링(Semantic Role Labeling, SRL)은 문장의 동사-논항 구조를 인식하는 것을 목표로 하며, 두 가지 하위 작업으로 분해할 수 있다. 즉, 동사의 의미 모호성 제거와 논항 레이블링이다. 기존의 연구들은 이러한 두 작업을 별도로 처리해왔으며, 이는 두 작업 간의 의미적 연관성을 간과하고 있다. 본 논문에서는 이러한 격차를 메우기 위해 기계 독해(Machine Reading Comprehension, MRC) 프레임워크를 활용하는 방법을 제안한다. 우리는 동사의 의미 모호성 제거를 다중 선택 기계 독해 문제로 정식화하며, 주어진 동사의 후보 의미들에 대한 설명을 선택지로 삼아 올바른 의미를 선택하게 한다. 선택된 동사 의미는 해당 동사에 대한 의미역할을 결정하는 데 사용되며, 이 의미역할들은 또 다른 MRC 모델을 위한 질의(query)를 구성하는 데 활용된다. 이를 통해 우리는 논항 레이블링 과정에서 동사의 의미와 의미역할의 의미를 모두 활용할 수 있다. 또한 계산 효율성을 높이기 위해 가능한 모든 의미역할 중 일부를 선택하는 전략을 제안한다. 실험 결과, 제안하는 프레임워크가 기존 연구 대비 최고 성능 또는 비슷한 성능을 달성함을 확인하였다. 코드는 \url{https://github.com/ShannonAI/MRC-SRL}에서 제공된다.