리매치: 구조적 유사성과 의미적 유사성을 향상시키기 위한 로컬 지식 그래프의 강건하고 효율적인 매칭

지식 그래프는 질문 응답 및 사실 검증과 같은 다양한 응용 분야에서 핵심적인 역할을 한다. 추상 의미 표현(AMR)은 텍스트를 지식 그래프 형태로 표현하는 방법이다. 이러한 그래프의 품질을 평가하기 위해서는 그래프 간의 구조적 유사성과 원본 텍스트에 대한 의미적 유사성을 모두 고려해야 한다. 기존의 AMR 평가 지표는 효율성이 낮고, 의미적 유사성을 정확히 포착하기 어려운 한계를 가지고 있다. 또한 AMR 그래프 간의 구조적 유사성을 체계적으로 평가할 수 있는 기준이 부족한 실정이다. 이러한 문제를 해결하기 위해 우리는 새로운 AMR 유사성 지표인 rematch와 구조적 유사성 평가를 위한 새로운 평가 방법인 RARE를 제안한다. 최신 기술 기준에 비해 rematch는 구조적 유사성 평가에서 2위를 기록하며, STS-B 및 SICK-R 벤치마크에서 의미적 유사성 평가에서 1~5퍼센트 포인트 높은 성능을 보이며 1위를 차지한다. 또한 rematch는 다음으로 효율성이 높은 지표보다 약 5배 빠른 속도를 자랑한다.