추출 또는 추측? 사건 시간 관계 추출의 충실성 개선

본 논문에서는 두 가지 관점에서 TempRel 추출 모델의 충실성을 개선하고자 합니다. 첫 번째 관점은 문맥 설명에 근거하여 진정으로 추출하는 것입니다. 이를 위해 우리는 반사실 분석을 수행하여 두 가지 주요 훈련 편향인 이벤트 트리거 편향과 빈번한 라벨 편향의 영향을 완화하는 것을 제안합니다. 또한, 문맥 설명에 명시적으로 초점을 맞추기 위해 이벤트 표현에 시제 정보를 추가합니다. 두 번째 관점은 적절한 불확실성 추정을 제공하고, 텍스트에서 관계가 설명되지 않을 때 추출을 삼가는 것입니다. 모델이 예측한 범주형 분포 위에 디리클레 사전 확률(Dirichlet Prior)을 매개변수화함으로써, 우리는 모델의 정확성 확률 추정을 개선하고 TempRel 예측을 더욱 선택적으로 만듭니다. 또한, 편향 완화 후 모델의 신뢰도 측정 값을 재조정하기 위해 온도 스케일링(temperature scaling)을 사용합니다. MATRES, MATRES-DS, TDDiscourse 데이터셋에 대한 실험 분석을 통해 본 연구는 SOTA 방법론보다 특히 분포 변화 하에서 더 충실하게 TempRel과 타임라인을 추출함을 입증하였습니다.