다중 패스 아키텍처를 이용한 밀도 높은 이벤트 순서 정하기

지난 10년간 이벤트 순서 정렬 연구는 문서 내 이벤트와 시간 표현 간 부분 순서 관계를 학습하는 데 집중해왔다. 가장 널리 사용되는 데이터셋인 TimeBank는 가능한 순서 그래프의 작은 부분집합만 포함하고 있다. 많은 평가 작업 역시 이와 유사하게 이벤트 쌍의 특정 부분(예: 인접 문장의 주요 동사 간 관계)만을 테스트한다. 이러한 경향은 대부분의 연구가 부분 레이블링에 특화된 특정 학습기 모델에 집중하도록 유도하였다. 본 논문은 일부 관계를 식별하는 데 그치는 기존 접근에서, 모든 관계를 포괄하는 방향으로 논의를 전환하고자 한다. 우리는 TimeBank보다 문서당 약 10배 더 많은 관계를 포함하는 강하게 연결된 이벤트 그래프에 대한 새로운 실험을 제시한다. 또한 단일 학습기에서 벗어나, 다수의 학습기를 정밀도 순으로 정렬된 체질 구조(sieve-based architecture)로 전환하는 전략적 전환을 설명한다. 각 체질은 이벤트 그래프에 하나씩 레이블을 추가하며, 앞선 체질들이 전이 폐쇄(transitive closure)를 통해 뒤이은 체질들에게 정보를 제공한다. 따라서 본 논문은 접근 방식과 작업 정의 양 측면에서 혁신을 제시한다. 본 연구는 현재까지 가장 밀도 높은 이벤트 그래프를 대상으로 실험을 수행하였으며, 기존 최고 성능 모델 대비 14%의 성능 향상을 입증하였다.