초록
최근의 핵심 참조 해결 시스템은 가능한 구간(span)에 대한 탐색 알고리즘을 사용하여 언급(mention)을 식별하고 핵심 참조를 해결한다. 본 연구에서는 이를 대신하여 언급과 링크를 동시에 예측할 수 있는 텍스트-투-텍스트(text-to-text, seq2seq) 패러다임을 활용한 핵심 참조 해결 시스템을 제안한다. 본 시스템은 전이 시스템(transition system)으로 구현하였으며, 다국어 T5를 기반 언어 모델로 사용한다. 학습에 CoNLL 데이터만을 사용하여 영어에서는 83.3의 F1 점수를 기록하며, 이는 이전 연구(Dobrovolskii, 2021)보다 2.3점 높은 성능이며, 아랍어에서는 68.5(F1, +4.1), 중국어에서는 74.3(F1, +5.3)의 성능을 달성하였다. 또한, SemEval-2010 데이터셋을 활용하여 제로샷(zero-shot), 희소 샘플(few-shot), 그리고 모든 가능한 학습 데이터를 사용하는 지도학습(supervised) 설정에서 실험을 수행하였다. 그 결과, 네 가지 언어 중 세 가지 언어에서 기존 접근법보다 훨씬 높은 제로샷 F1 점수를 달성하였으며, 테스트한 다섯 가지 언어 모두에서 기존의 지도학습 기준 최고 성능을 크게 초월하였다.