한국어로 답변해 주세요!!

중국어 명명된 실체 인식(NER)에 사용되는 순환 신경망(RNN)은 문자와 단어 정보를 순차적으로 추적하는 데 성공을 거두었다. 그러나 RNN 기반 모델은 체인 구조의 특성과 전역적 의미의 부재로 인해 단어의 모호성에 취약하다는 한계가 있다. 본 연구에서는 이러한 문제를 해결하기 위해 전역적 의미를 갖춘 사전 기반 그래프 신경망을 제안한다. 이 모델은 사전 지식을 활용하여 문자 간의 국소적 구성 관계를 연결하고, 전역적 리레이 노드(global relay node)를 통해 문장 전체의 의미와 장거리 종속성을 포착한다. 문자, 잠재적 단어, 전체 문장 의미 간의 다중 그래프 기반 상호작용을 통해 단어의 모호성을 효과적으로 해결할 수 있다. 네 가지 NER 데이터셋에서의 실험 결과, 제안하는 모델이 다른 기준 모델 대비 유의미한 성능 향상을 보였다.