mgsohrab at WNUT 2020 공동 과제-1: 실습실 프로토콜에서 엔티티 및 관계 인식을 위한 신경망 포괄적 접근법

우리는 실험실 내 생물학적 프로토콜(shared task)에 대한 실체 및 관계 인식을 위해 명명된 실체 인식(NER)과 관계 인식(RE)을 동시에 다루는 신경망 기반의 완전 탐색적 접근법을 제안한다. 본 연구에서는 BERT 기반의 신경망 완전 탐색적 접근법을 도입하여, 가능한 모든 구간(span)을 잠재적인 실체 언급으로 간주하고, 심층 신경망을 활용하여 각 구간을 실체 유형 또는 비실체로 분류함으로써 NER 문제를 해결한다. 관계 추출 작업을 수행하기 위해, NER 예측 결과 또는 주어진 정답 실체 언급을 바탕으로 모든 가능한 트리거-인과 쌍을 생성하고, 이를 관계 유형 또는 비관계로 분류한다. NER 작업에서 본 시스템은 참가한 시스템 중 세 번째로 높은 F-스코어 76.60%를 기록하였다. 관계 추출 작업에서는 F-스코어 80.46%를 달성하여, 관계 추출 또는 인식 과제에서 최고 성능을 기록한 시스템이 되었다. 또한, 제안한 모델을 실험실 프로토콜 코퍼스(WLPC) 기반의 기준 모델과 동적 그래프 기반 정보 추출(DyGIE) 시스템과 비교 분석하였다.