시각적으로 풍부한 문서에서 엔티티 관계 추출을 의존 구문 분석으로 수행하기

시각적으로 풍부한 문서(Visual Rich Documents, VRDs)에서 핵심 정보를 추출하기 위한 기존 연구들은 주로 각 경계 박스 내부의 텍스트(즉, 의미적 엔티티)에 레이블을 붙이는 데 초점을 맞추었으며, 엔티티 간의 관계는 거의 탐색되지 않았다. 본 논문에서는 이러한 엔티티 관계 추출 작업에 인기 있는 의존성 파싱 모델인 바이아핀(parser)을 적응시켰다. 기존의 의존성 파싱 모델이 단어 간의 의존 관계를 인식하는 것과 달리, 본 연구에서는 레이아웃 정보를 활용하여 단어 그룹 간의 관계를 식별한다. 다양한 의미적 엔티티 표현 방식, 다양한 VRD 인코더, 그리고 다양한 관계 디코더를 비교한 결과, 제안하는 모델이 FUNSD 데이터셋에서 65.96%의 F1 스코어를 달성함을 확인하였다. 실제 산업 응용 측면에서 본 모델은 내부 관세 데이터에 적용되어 생산 환경에서도 신뢰할 수 있는 성능을 발휘하였다.