가짜 트리거 인식을 통한 효율적인 문서 수준 이벤트 추출 방법 연구

문서 수준의 이벤트 추출에 대한 대부분의 이전 연구는 자기 회귀 방식으로 인수 체인을 구축하는 데 주로 초점을 맞추었으며, 이는 일정한 성공을 거두었지만 훈련과 추론 모두에서 비효율적이었습니다. 이러한 이전 연구와 달리, 우리는 PTPCG라는 이름의 빠르고 가벼운 모델을 제안합니다. 우리의 모델에서는 자동으로 선택된 유사 트리거(pseudo triggers)의 지침 하에 구성된 가지치기 완전 그래프(pruned complete graphs)를 통해 이벤트 인수 조합을 위한 새로운 전략과 비자기 회귀 디코딩 알고리즘을 설계하였습니다. 이전 시스템들과 비교하여, 우리의 시스템은 19.8%의 매개변수로 경쟁력 있는 결과를 얻으며, 훨씬 낮은 리소스 소비로 훈련에는 3.8%의 GPU 시간만 필요하며 추론은 최대 8.5배 더 빠릅니다. 또한, 우리의 모델은 트리거가 있는(또는 없는) 데이터셋에 대해 우월한 호환성을 보이며, 유사 트리거는 주석화된 트리거를 보완하여 추가적인 개선을 이루어낼 수 있습니다. 코드는 https://github.com/Spico197/DocEE 에서 확인할 수 있습니다.