다중 게이트 인코더를 이용한 동시 엔티티 및 관계 추출

명사 인식(Named Entity Recognition)과 관계 추출은 관계 삼중항 추출의 핵심 하위 과제이다. 최근 연구들은 두 과제 간의 상호작용을 구현하기 위해 파라미터 공유 또는 공동 디코딩을 활용해 왔다. 그러나 두 과제가 효과적으로 상호작용할 수 있도록 하면서 동시에 각 과제 고유의 특성을 충분히 유지하는 것은 큰 도전 과제였다. 본 논문에서는 게이팅 메커니즘을 기반으로 양방향적인 과제 상호작용을 모델링하면서도 충분한 특징 특이성을 유지할 수 있는 다중 게이팅 인코더(multi-gate encoder)를 제안한다. 구체적으로, 과제 고유 특징을 생성하는 '과제 게이팅(Task Gate)'과 상대 과제를 안내하는 지시적 특징을 생성하는 '상호작용 게이팅(Interaction Gate)'이라는 두 가지 독립적인 게이팅 구조를 설계하였다. 실험 결과, 제안한 방법은 ACE04, ACE05, SciERC 데이터셋에서 기존 최고 성능(SOTA) 모델보다 각각 관계 F1 스코어를 63.8% (+1.3%), 68.2% (+1.4%), 39.4% (+1.0%)로 향상시키며, 동시에 이전 SOTA 모델보다 더 빠른 추론 속도를 제공함을 확인하였다.