초록
문서 수준 관계 추출(DocRE)은 여러 문장으로 구성된 문서에서 두 개체 간의 관계를 결정하는 것을 목표로 합니다. 최근 연구들은 일반적으로 시퀀스 기반 또는 그래프 기반 모델을 사용하여 전체 문서를 표현하고 모든 개체 쌍의 관계를 예측합니다. 그러나 우리는 이러한 모델이 견고하지 않으며 이상한 행동을 보이는 것을 발견했습니다: 전체 테스트 문서가 입력으로 제공될 때는 올바르게 예측하지만, 증거가 아닌 문장들이 제거되면 오류를 범합니다. 이를 해결하기 위해, 우리는 증거 문장에 집중하도록 유도하는 문장 중요도 점수(sentence importance score)와 문장 집중 손실(sentence focusing loss)을 설계한 문장 중요도 추정 및 집중(SIEF) 프레임워크를 제안합니다. 두 영역에서의 실험 결과는 우리의 SIEF가 전반적인 성능을 향상시키는 데만 그치지 않고, DocRE 모델들을 더욱 견고하게 만든다는 것을 보여주었습니다. 또한, SIEF는 일반적인 프레임워크로, 다양한 기본 DocRE 모델과 결합할 때 효과적임을 입증하였습니다.