초록
클러스터링 기반의 비지도 관계 탐지 방법은 점차 개방형 관계 추출(OpenRE)의 중요한 방법 중 하나로 부상하고 있다. 그러나 고차원 벡터는 복잡한 언어적 정보를 코딩할 수 있어, 유도된 클러스터가 관계 의미 클래스와 명시적으로 일치하지 않는 문제를 야기한다. 본 연구에서는 관계 지향적 클러스터링 모델을 제안하고, 이를 활용하여 레이블이 없는 데이터 내에서 새로운 관계를 탐지한다. 구체적으로, 모델이 관계 데이터를 클러스터링하는 방식을 학습할 수 있도록, 미리 정의된 관계의 쉽게 확보 가능한 레이블 데이터를 활용하여 관계 지향적 표현을 학습한다. 동일한 관계를 가진 인스턴스들 간의 거리를 최소화하기 위해, 각 인스턴스를 해당 관계 중심점(centroids) 쪽으로 모아 클러스터 구조를 형성함으로써, 학습된 표현이 클러스터링에 적합하도록 한다. 또한, 사전 정의된 클래스에 대한 클러스터링 편향을 줄이기 위해, 레이블이 있는 데이터와 없는 데이터 모두에 대한 복합 목적 함수를 최소화함으로써 모델을 최적화한다. 실험 결과, 제안한 방법은 현재 최고 성능(SOTA) 방법과 비교하여 두 데이터셋에서 각각 오차율을 29.2%, 15.7% 감소시켰다.