APE: 다중 작업 학습을 통한 동료 평가 및 반론에서의 주장 쌍 추출

동료 평가 및 반론 과정에서 발생하는 풍부한 상호작용과 논쟁적 논의는 자연스럽게 주장 자료를 채굴할 수 있는 훌륭한 자원이 된다. 그러나 이러한 두 요소를 동시에 다루는 연구는 거의 이루어지지 않았다. 본 논문에서는 동료 평가와 반론의 내용, 구조, 그리고 그 사이의 관계를 탐구하기 위해, 새로운 주장 쌍 추출(Argument Pair Extraction, APE) 작업을 제안한다. 이를 위해 오픈 리뷰 플랫폼에서 수집한 4,764개의 완전히 주석이 달린 리뷰-반론 문장 쌍을 포함하는 도전적인 데이터셋을 준비하였다. 이 코퍼스에서 주장적 주장을 자동으로 탐지하고 주장 쌍을 추출하기 위해, 시퀀스 레이블링 작업과 텍스트 관계 분류 작업의 조합으로 문제를 정의하였다. 따라서 계층적 LSTM 기반의 다중 작업 학습(Multi-task Learning) 프레임워크를 제안한다. 광범위한 실험과 분석을 통해 제안한 다중 작업 프레임워크의 효과성을 입증하였으며, 동시에 새로운 작업이 제기하는 도전 과제를 밝히고 향후 연구 방향을 제시하였다.