엔드투엔드 신경망 모델을 이용한 복사 메커니즘을 통한 관계 사실 추출

문장 내 관계적 사실은 종종 복잡하다. 서로 다른 관계 삼인조 간에는 문장 내에서 중복이 발생할 수 있다. 본 연구에서는 삼인조 중복 정도에 따라 문장을 세 가지 유형으로 분류하였으며, 이는 일반형(Normal), 엔티티 쌍 중복(EntityPairOverlap), 단일 엔티티 중복(SingleEntityOverlap)이다. 기존의 방법들은 주로 일반형에 집중되어 있으며, 관계 삼인조를 정확히 추출하지 못하는 문제가 있다. 본 논문에서는 복사 메커니즘(copy mechanism)을 갖춘 시퀀스-투-시퀀스 학습 기반의 엔드투엔드 모델을 제안한다. 이 모델은 위 세 가지 유형의 문장에서 관계 사실을 동시에 추출할 수 있다. 디코딩 과정에서는 두 가지 다른 전략을 채택하였으며, 하나의 통합 디코더를 사용하는 방식과 여러 개의 분리된 디코더를 사용하는 방식이다. 제안한 모델은 두 개의 공개 데이터셋에서 실험하였으며, 기준 모델 대비 유의미하게 우수한 성능을 보였다.