대화 수준의 관계 추출을 위한 명시적 구문 구조 및 내러티브 구조를 통한 글로벌 추론

최근 관계 추출 연구는 대화 상황, 즉 대화 수준의 관계 추출(DiaRE)에 주목하고 있다. 기존의 DiaRE 방법들은 대화 내 발화들을 단순히 긴 텍스트로 연결하거나, 단순한 단어, 문장 또는 개체를 활용해 대화 그래프를 구축하는 데 그치며, 대화 내 구조적 특징을 충분히 활용하지 못하고 있다. 본 연구에서는 전반적인 관계 추론 메커니즘을 기반으로, 새로운 대화 수준의 혼합 의존성 그래프(D2G)와 논증 추론 그래프(ARG)를 제안한다. 먼저, 문법적 구조와 담론적 구조를 명시적으로 통합함으로써 전체 대화를 통합적이고 일관성 있는 D2G로 모델링함으로써 관계 추출을 위한 풍부한 의미적 정보 및 특징 학습이 가능하도록 한다. 둘째, D2G 위에 ARG 그래프를 겹쳐서 논증 간 상호의존성 학습과 논증 표현의 정교화를 더욱 강화함으로써 충분한 논증 관계 추론을 가능하게 한다. 본 연구의 전역 추론 프레임워크에서는 D2G와 ARG가 상호 협력하며, 대화 전체 맥락에서 어휘적, 문법적, 의미적 정보를 반복적으로 교환하고 표현을 학습한다. 두 개의 DiaRE 벤치마크에서 제안하는 프레임워크는 현재 최고 성능을 기록하는 기준 모델들에 비해 상당한 성능 향상을 보였다. 추가 분석을 통해 모델이 장거리 종속성 문제를 효과적으로 해결함과 동시에 예측 결과에 대한 설명 가능성을 제공함을 확인할 수 있었다.