초록
다자 대화 기반 기계 독해(Multi-party dialogue machine reading comprehension, MRC)는 전통적인 단순 텍스트 기반 MRC와 비교해 두 명 이상의 참여자가 관여하는 대화 상황에서 더욱 도전적인 이해 목표를 제시한다. 이러한 다자 대화에 기반한 질문-응답(QA) 작업을 정확히 수행하기 위해서는 일반적인 비대화형 단순 텍스트와는 근본적으로 다른 대화 관계(discourse relations)를 처리할 수 있어야 하는데, 이러한 대화 관계는 언어학적 동기를 기반으로 서로 멀리 떨어진 발화들을 연결하는 데 목적이 있다. 이러한 특이한 대화 구조가 관련된 QA 작업, 특히 다자 대화 기반 MRC에서 어떤 영향을 미치는지 더 깊이 탐구하기 위해, 우리는 다자 대화 기반 MRC 작업에서 QA와 대화 구문 분석(Discourse Parsing, DP)을 동시에 수행할 수 있는 최초의 다중 작업(multi-task) 모델을 제안한다. 제안한 모델은 최신 기준 데이터셋인 Molweni에서 평가되었으며, 그 결과 보조 작업(보완 작업)을 통한 훈련이 QA 작업뿐 아니라 DP 작업 자체에도 긍정적인 영향을 미친다는 점을 확인할 수 있었다. 또한, 긴 대화를 처리할 때 연합 모델이 특히 뛰어난 성능을 발휘함을 발견하였으며, 이는 관련 MRC 작업에서 DP의 필요성을 다시 한번 입증하는 결과이다.