의존성 해석을 통한 의미 역할 라벨링: 인수 내부의 잠재적 트리 구조 탐색

의미 역할 라벨링(Semantic Role Labeling, SRL)은 자연어 처리(Natural Language Processing, NLP) 분야에서 기본적이면서도 도전적인 과제입니다. 최근의 SRL 연구는 주로 두 가지 방향으로 나뉩니다: 1) BIO 기반; 2) 스패ن(span) 기반. 이러한 접근법들이 널리 사용되고 있지만, 내부 인자 구조를 고려하지 않는다는 본질적인 단점이 있어 모델의 표현력을 저해할 수 있습니다. 주요 문제는 인자가 평면 구조라는 점이며, 인자 내부의 단어에 대해 결정된 하위 트리 실현이 없다는 것입니다. 이를 해결하기 위해 본 논문에서는 평면 인자 스패닝을 잠재적 하위 트리로 간주하고, 이에 따라 SRL을 트리 파싱 작업으로 축소하는 방법을 제안합니다. 특히, 우리의 접근법은 새로운 스패닝 제약 조건을 가진 TreeCRF(Tree Conditional Random Field)를 도입하여 트리 구조가 스패닝을 인식하도록 하고, 이를 2차 순서(second-order) 케이스까지 확장합니다. 우리는 CoNLL05와 CoNLL12 벤치마크에서 광범위한 실험을 수행했습니다. 결과는 우리의 방법이 모든 이전 문법 무관(syntax-agnostic) 연구보다 유리하게 작동하며, end-to-end 및 금자(gold) 술어(predicates) 설정 모두에서 새로운 최고 성능(state-of-the-art)을 달성함을 보여줍니다.