다중 작업 학습을 통한 공명 해결에서 싱글톤 및 언급 기반 특징의 통합을 통한 보다 우수한 일반화

이전의 영어에 대한 엔드투엔드 신경망 공지성 해결 모델에 언급 탐지 단계를 통합하려는 시도는 싱글턴 언급 구간 데이터 및 기타 실체 정보의 부족으로 인해 어려움을 겪어왔다. 본 논문은 다중 작업 학습 기반 접근법을 통해 싱글턴뿐만 아니라 실체 유형, 정보 상태와 같은 특징도 학습하는 공지성 모델을 제안한다. 이 방법은 OntoGUM 벤치마크에서 새로운 최고 성능을 달성하였으며(2.7점 향상), 다양한 도메인 외부 데이터셋에서의 강건성도 향상되었으며(평균 2.3점 향상), 공지성 탐지의 일반화 능력이 향상되고, 공지성 언급 쌍 매칭만을 고려하는 것보다 싱글턴에서 더 많은 데이터를 활용할 수 있기 때문으로 보인다.