DeepEventMine: 생물의학 텍스트에서의 엔드투엔드 신경망 중첩 이벤트 추출

동기최근 텍스트에서 이벤트 추출에 대한 신경망 기반 접근법은 일반 도메인에서 평면적(Flat) 이벤트에 주로 초점을 맞추고 있으며, 중첩(nested) 및 겹치는(overlapping) 이벤트 탐지에 대한 연구는 상대적으로 부족한 실정이다. 기존 시스템들은 주어진 엔티티에 기반을 두고 있으며, 외부 구문 분석 도구에 의존하고 있다.결과본 연구에서는 원시 문장에서 다수의 겹치는 방향성 비순환 그래프(Directed Acyclic Graph, DAG) 구조를 추출할 수 있는 엔드투엔드 신경망 기반 중첩 이벤트 추출 모델인 DeepEventMine을 제안한다. 양방향 트랜스포머 인코더 표현(BERT 기반) 모델 위에 구축된 본 모델은 어떠한 구문 분석 도구 없이도 중첩된 엔티티와 트리거, 역할, 중첩된 이벤트 및 그 수정 정보를 엔드투엔드 방식으로 동시에 탐지할 수 있다. DeepEventMine 모델은 7개의 생물의학 분야 중첩 이벤트 추출 태스크에서 새로운 최고 성능(SOTA, State-of-the-Art)을 달성하였다. 또한, 정답 엔티티(Gold entities)가 제공되지 않은 경우에도 원시 텍스트에서 유의미한 성능으로 이벤트를 탐지할 수 있다.공개 및 구현본 연구의 결과를 재현하기 위한 코드 및 모델은 다음 링크에서 제공된다: https://github.com/aistairc/DeepEventMine.