초록
신경망은 관계 추출 작업에서 유망한 결과를 보여주었다. 최신 모델들은 이 문제를 로컬 분류기를 단계적으로 활용하여 해결하는 엔드투엔드 문제로 설정하고 있다. 그러나 이전의 통계 모델 연구들은 전역 최적화가 국소 분류에 비해 더 우수한 성능을 달성할 수 있음을 보여주었다. 본 연구에서는 엔드투엔드 관계 추출을 위한 전역 최적화 신경망 모델을 제안하며, 문맥 표현을 보다 효과적으로 학습하기 위해 새로운 LSTM 특징을 도입한다. 또한, 전역 학습을 촉진하기 위한 새로운 문법 정보 통합 방법을 제시한다. 이 방법은 문법 규칙에 대한 깊은 지식이 거의 필요 없어 확장성이 뛰어나다. 실험 결과, 제안하는 모델이 매우 효과적이며, 두 가지 표준 벤치마크에서 최고의 성능을 달성함을 확인하였다.