ConSeC: 단어의 의미 해석을 연속적인 의미 이해로 본다

현재 초점화된 시스템은 트랜스포머 기반 언어 모델을 주요 구성 요소로 삼아 단어의 의미 해석(Word Sense Disambiguation, WSD)의 표준적인 접근법으로 자리 잡았다. 그러나 이러한 시스템은 분명히 전례 없는 성능을 달성했음에도 불구하고, 대부분의 경우 주어진 맥락 속에서 각 단어가 다른 의미 선택에 영향을 받지 않고 독립적으로 해석될 수 있다고 제한적인 가정을 하고 있다. 이 제약을 해결하고 해당 가정을 제거하기 위해, 우리는 새로운 WSD 접근법인 CONtinuous SEnse Comprehension(ConSeC)을 제안한다. 최근 이 작업이 텍스트 추출 문제로 재정의된 점을 활용해, 우리의 공식화에 맞게 적응시키고, 타겟 단어의 의미 해석이 그 맥락뿐 아니라 인접 단어들에 대해 명시적으로 부여된 의미에 따라 조건화될 수 있도록 피드백 루프 전략을 도입한다. ConSeC의 성능을 평가하고, 구성 요소들이 어떻게 기존 모든 경쟁 모델을 능가하며 영어 WSD에서 새로운 최고 기준을 수립하는지 분석한다. 또한 ConSeC가 다국어 환경에서 어떻게 작동하는지 탐구하며, 자료 접근성이 다양한 8개의 언어에 대해 성능을 평가하고 기존 시스템 대비 뚜렷한 개선을 보고한다. 코드는 https://github.com/SapienzaNLP/consec 에 공개된다.