명시적 의견 역할 상호작용의 장악: 통합된 의견 역할 라벨링을 위한 구문 지원 신경 전이 시스템

통합된 의견 역할 라벨링 (ORL)은 주어진 텍스트에서 '의견 보유자-대상' 구조의 모든 가능한 의견 구조를 한 번에 감지하는 것을 목표로 합니다. 그러나 기존의 전이 기반 통합 방법은 긴 의견 용어에 대해 취약하며, 용어 중복 문제를 해결하지 못하는 단점이 있습니다. 현재 최고 성능은 스패ن 기반 그래프 모델을 사용하여 달성되었지만, 이 모델 역시 높은 복잡도와 의견 및 역할 간의 부족한 상호작용으로 인해 문제가 발생합니다. 본 연구에서는 전이 아키텍처를 재검토하고 포인터 네트워크 (PointNet)를 추가하여 새로운 해결책을 제시합니다. 이 프레임워크는 선형 시간 복잡도로 모든 의견 구조를 파싱하면서 PointNet을 통해 용어 길이에 대한 제한을 극복합니다. 명시적인 의견-역할 상호작용을 달성하기 위해, 우리는 문법적 의존 관계 구조와 부분적인 의견-역할 구조를 공동으로 모델링하는 통합된 의존-의견 그래프 (UDOG)를 제안합니다. 이를 위해 관계 중심 그래프 집계기 (RCGA)를 설계하여 다중 관계 UDOG을 인코딩하는데, 여기서 생성된 고차원 표현들은 기본 전이 시스템의 예측을 촉진하는 데 사용됩니다. 우리의 모델은 MPQA 벤치마크에서 새로운 최신 결과를 달성하였습니다. 분석 결과는 우리의 방법론이 효율성과 효과성 면에서 우수함을 더욱 입증하였습니다.