초록
우리는 문서 수준의 관계 추출을 엔드투엔드 설정에서 목표로 삼고 있으며, 이때 모델은 언급 추출, 공참 해결(COREF), 그리고 관계 추출(RE)를 동시에 수행해야 하며, 평가는 개체 중심 방식으로 이루어집니다. 특히, 이전 연구에서 주목하지 않았던 COREF와 RE 사이의 양방향 상호작용에 대해 다루고, 작업 특성을 활용하기 위해 특별히 설계된 명시적 상호작용인 그래프 호환성(Graph Compatibility, GC)을 제안합니다. 이를 통해 두 작업 간의 결정을 직접적으로 연결하여 작업 간섭을 가능하게 합니다. 우리의 실험은 DocRED와 DWIE 데이터셋에서 수행되었습니다. GC 외에도 이전 연구에서 일반적으로 채택된 다양한 다중 작업 설정(파이프라인, 공유 인코더, 그래프 전파 등)을 구현하고 비교하여 서로 다른 상호작용의 효과를 검증하였습니다. 결과는 GC가 기준 모델 대비 최대 2.3/5.1 F1 점수 향상으로 가장 우수한 성능을 달성함을 보여주었습니다.