초록
문서 수준 관계 추출(Document-level Relation Extraction, DRE)은 두 개체 간의 관계를 인식하는 것을 목표로 한다. 여기서 개체는 문장 경계를 넘어서는 여러 언급(mention)을 가질 수 있다. 기존의 일부 연구들은 언급 통합에 대한 탐색을 제한적으로 다루었으며, 이는 핵심 참조적 언급들이 특정 관계에 동등하게 기여하지 않는다는 점에서 문제일 수 있다. 또한 기존의 노력들은 주로 개체 수준에서의 추론에 집중했을 뿐, 개체 쌍 간의 전반적인 상호작용을 포착하지 못했다. 본 논문에서는 DRE 성능을 향상시키기 위해 두 가지 새로운 기법, 즉 컨텍스트 유도 언급 통합(Context Guided Mention Integration, CGMI)과 쌍 간 추론(Inter-pair Reasoning, IR)을 제안한다. 단순히 평균 풀링을 적용하는 대신, 컨텍스트를 활용하여 핵심 참조적 언급들을 가중합 방식으로 통합한다. 또한, 쌍 간 추론은 개체 쌍 그래프 위에서 반복적 알고리즘을 실행함으로써 관계 간 상호의존성을 모델링한다. 제안하는 CGM2IR 모델은 DocRED, CDR, GDA 세 가지 널리 사용되는 벤치마크 데이터셋에서 평가되었으며, 실험 결과 기존 최고 성능 모델들을 능가함을 확인하였다.