초록
핵심 참조 해결을 위한 최신 모델들은 독립적인 언급 쌍 간의 결정에 기반하고 있다. 본 연구에서는 문서 수준에서 핵심 참조를 학습하고 전역적인 결정을 내리는 모델링 접근법을 제안한다. 이를 위해 텍스트 내 토큰을 노드로, 그들 간의 관계를 엣지로 나타내는 그래프 구조로 핵심 참조 링크를 모델링한다. 제안하는 모델은 비자기적(non-autoregressive) 방식으로 그래프를 예측한 후, 이전 예측 결과를 기반으로 반복적으로 이를 개선함으로써 결정 간의 전역적 의존성을 가능하게 한다. 실험 결과, 다양한 기준 모델 대비 성능 향상을 입증하였으며, 이는 문서 수준의 정보가 핵심 참조 해결에 긍정적인 영향을 미친다는 가설을 뒷받침한다.