초록
이전의 대부분의 시계적 관계 추출 연구는 이벤트 간의 시계적 관계 추출에만 집중하거나, 이벤트, 시간 표현(Timex), 문서 생성 시간(DCT)의 다양한 표현 방식으로 인한 문제에 직면해왔다. 더불어 DCT는 문서 내 다른 이벤트와 Timex들과 의미적으로 연결하는 중심 요소로 작용할 수 있다. 그러나 기존 연구들은 이러한 핵심 정보를 효과적으로 활용하지 못하고 있었다. 위의 문제를 해결하기 위해, 이벤트, Timex, 그리고 DCT 간의 관계를 식별할 수 있는 통합적인 DCT 중심 시계적 관계 추출 모델인 DTRE를 제안한다. 구체적으로, 문장 수준의 DCT 표현 방식을 도입하여 첫 번째 문제를 해결하고, 이벤트 표현, Timex, DCT를 통일적으로 다룰 수 있도록 한다. 이후, 이들의 문맥적 구조적 표현을 얻기 위해 DCT 인지 그래프(DCT-aware graph)를 적용한다. 더불어, 한 번의 배치(batch)에서 세 가지 유형의 시계적 관계를 동시에 예측할 수 있는 DCT 기반 다중 작업 학습 프레임워크를 제안한다. 마지막으로, 다양한 관계 간의 전역 일관성을 강화하기 위해 DCT 기반 전역 추론(DCT-guided global inference)을 도입한다. 세 가지 데이터셋에 대한 실험 결과, DTRE는 E-E, E-T, E-D 세 가지 평가 지표에서 여러 최신 기준(SOTA) 모델들을 상회하는 성능을 보였다.