초록
우리는 실체 언급과 관계의 공동 추출을 위한 새로운 주의 기반 순환 신경망을 제안한다. 본 연구에서는 의존성 트리에 접근하지 않더라도, 장단기 기억망(LSTM)과 함께 주의 메커니즘(attention)을 활용하여 실체 언급 간의 의미적 관계를 효과적으로 추출할 수 있음을 보여준다. Automatic Content Extraction(ACE) 코퍼스를 대상으로 한 실험 결과, Li와 Ji(2014)가 제안한 특징 기반 공동 모델에 비해 우리 모델이 유의미하게 우수한 성능을 보였다. 또한 Miwa와 Bansal(2016)이 제안한 엔드투엔드 트리 기반 LSTM 모델(SPTree)과의 비교에서도, 실체 언급에서는 약 1% 내외, 관계 추출에서는 약 2% 내외의 성능 차이로 우수한 성능을 기록하였다. 더 나아가 세부 분석을 통해 우리 모델은 ‘행위자-도구(Agent-Artifact)’ 관계 추출에서 특히 뛰어난 성능을 보였으며, 반면 SPTree는 ‘물리적(Physical)’ 및 ‘부분-전체(Part-Whole)’ 관계 추출에서 더 우수한 성능을 나타냈다.