초록
감정-원인 쌍 추출은 주어진 문서에서 감정 구문과 그에 해당하는 원인 구문의 모든 쌍을 추출하는 것을 목표로 한다. 기존의 연구들은 두 단계 접근 방식을 활용하는데, 첫 번째 단계에서 감정 구문과 원인 구문을 별도로 추출하고, 두 번째 단계에서 분류기를 학습시켜 부정적인 쌍을 필터링하는 방식이다. 그러나 이러한 파이프라인 구조의 감정-원인 쌍 추출 시스템은 오류 전파 문제를 겪으며, 두 단계 간의 상호 적응이 원활하지 않아 최적화되지 않은 성능을 보인다. 본 논문에서는 감정-원인 쌍 추출 문제를 순위 매기기의 관점에서 접근하며, 문서 내 구문 쌍 후보들을 순위 매김하는 방식을 제안한다. 이를 위해 종단 간(end-to-end) 추출을 가능하게 하는 단일 단계 신경망 접근법을 제안한다. 이 방법은 그래프 주의 메커니즘(GAT)을 활용해 문서 내 구문 간의 상호 관계를 모델링하여 구문 표현을 학습하고, 커널 기반 상대적 위치 임베딩을 통해 구문 쌍 표현을 강화하여 효과적인 순위 매기기를 실현한다. 실험 결과, 기존의 두 단계 시스템에 비해 본 방법이 상당히 뛰어난 성능을 보였으며, 한 문서 내에서 다수의 쌍을 추출해야 하는 상황에서尤为 두드러진 성능 향상을 나타냈다.