초록
다자 대화는 일반적으로 독백이나 문서보다 구조가 덜 명확하지만, 상호작용하는 각 대화 단계 간의 의미 수준 상관관계에 의해 암묵적으로 조직되어 있다. 이에 따라 대화 논의 분석(dialogue discourse analysis)을 적용하여 기본 논의 단위 간의 종속 구조와 관계를 예측할 수 있으며, 후속 작업에 대한 풍부한 구조 정보를 제공할 수 있다. 그러나 현재 존재하는 대화 논의 주석이 붙은 코퍼스는 특정 도메인에서 수집된 것으로 표본 크기가 제한적이며, 도메인 적응 없이 새로운 대화에 적용할 경우 데이터 기반 접근법의 성능이 낮은 편이다. 본 논문에서는 먼저 Transformer 기반의 파서를 제안하고, 이의 도메인 간 전이 성능을 평가한다. 그 다음, 데이터 및 언어 모델링 측면에서 세 가지 방법을 도입하여 도메인 통합을 도모함으로써 일반화 능력을 향상시킨다. 실증 결과에 따르면, 제안하는 방법들을 통해 신경망 파서가 성능 향상을 얻으며, 도메인 간 대화 샘플에 대해 더 우수한 성능을 발휘함을 확인할 수 있었다.