초록
의미 맥락 해석(WSD)에서의 주요 장애물은 단어의 의미가 균일하게 분포하지 않기 때문에, 기존 모델은 훈련 과정에서 드물게 나타나거나 등장하지 않은 의미에 대해 일반적으로 낮은 성능을 보인다는 점이다. 본 연구에서는 (1) 대상 단어와 그 주변 맥락을 독립적으로 임베딩하고, (2) 각 의미에 해당하는 사전 정의(gloss)를 별도로 임베딩하는 이중 인코더(bi-encoder) 모델을 제안한다. 두 인코더는 동일한 표현 공간 내에서 공동 최적화되며, 이로 인해 각 대상 단어의 임베딩에 대해 가장 가까운 의미 임베딩을 탐색함으로써 의미 맥락 해석을 수행할 수 있다. 제안하는 시스템은 영어 전체 단어에 대한 WSD에서 기존 최고 성능 모델을 초월하며, 특히 드문 의미에 대한 성능 향상이 주요 원인으로, 이전 연구 대비 드문 의미에 대해 31.1%의 오류 감소를 달성하였다. 이는 의미의 정의를 모델링함으로써 드문 의미를 보다 효과적으로 해석할 수 있음을 보여준다.