초록
범주 문법 형식의 구문 범주들은 더 작은, 분할할 수 없는 원시 요소들로 구성된 단위이며, 이는 기본 문법의 범주 형성 규칙에 의해 결합됩니다. 최근의 건설적 슈퍼태깅 접근 방식에서 신경망 모델은 점점 내부 범주 구조를 인식하게 되어, 이로 인해 이전에 너무 복잡하여 실용적으로 사용하기 어려웠던 문법에서도 드물고 사전에 포함되지 않은 범주들을 더욱 안정적으로 예측할 수 있게 되었습니다. 본 연구에서는 그래프 이론적 관점에서 건설적 슈퍼태깅을 재검토하고, 슈퍼태거의 출력 공간의 독특한 구조를 활용하기 위한 이질적인 동적 그래프 합성 기반 프레임워크를 제안합니다. 우리는 다양한 언어와 문법 형식을 다루는 여러 범주 문법 데이터셋에서 우리의 접근 방식을 테스트하였으며, 이전 최신 기술 성능보다 크게 개선된 결과를 얻었습니다. 코드는 https://github.com/konstantinosKokos/dynamic-graph-supertagging 에서 제공될 예정입니다.