초록
시계적 질의응답(Temporal question answering, QA)은 '2019년에 …'이나 '코로나 발생 전에 …'과 같은 시제적 조건을 포함한다. 전자의 경우 시간은 명시적인 조건이지만, 후자의 경우는 암시적 조건이다. 최신 기술들은 세 가지 차원에서 한계를 지닌다. 첫째, 신경망 기반 추론에서는 시간 조건이 단순히 소프트 매칭(soft-matching)에 그치며, 타당하지 않거나 설명 불가능한 답변이 가능해진다. 둘째, 암시적 시간 조건을 포함한 질문에 대한 지원이 부족하다. 셋째, 답변은 단일 소스에서만 도출되며, 지식 기반(KB) 또는 텍스트 코퍼스 중 하나에서만 이루어진다. 본 연구에서는 이러한 한계를 해결하는 시계적 QA 시스템을 제안한다. 첫째, 명확한 증거를 바탕으로 정확한 답변을 보장하기 위해 시간 조건을 엄격하게 강제한다. 둘째, 암시적 질문을 적절히 처리할 수 있다. 셋째, 통합적인 방식으로 이질적인 소스—지식 기반, 텍스트, 웹 테이블—을 모두 활용한다. 제안된 방법은 세 단계로 구성된다: (i) 질문과 그 시계적 조건을 이해하는 단계, (ii) 모든 소스에서 증거를 검색하는 단계, (iii) 질문에 충실하게 답변하는 단계. 기존 벤치마크에서 암시적 질문이 희소한 점을 고려하여, 다양한 질문을 체계적으로 생성하는 방법을 제안한다. 실험 결과, 다양한 기준 대비 우수한 성능을 입증하였다.