이질적 그래프 신경망 기반의 표현 반복 융합을 통한 동시 엔티티 및 관계 추출

공동 엔티티 및 관계 추출은 비구조화된 텍스트에서 모든 관계 삼중항을 추출하는 것을 목표로 하는 정보 추출 분야에서 핵심적인 작업이다. 그러나 기존의 대부분의 연구들은 관계를 추출하기 전에 엔티티 간의 가능성을 고려하지 않아, 대부분의 추출된 엔티티들이 유효한 삼중항을 구성하지 못하는 문제가 발생할 수 있다. 본 논문에서는 관계 추출을 위한 이질적 그래프 신경망 기반의 표현 반복 융합 기법(RIFRE: Representation Iterative Fusion based on Heterogeneous Graph Neural Networks for Relation Extraction)을 제안한다. RIFRE는 관계와 단어를 그래프 상의 노드로 모델링하고, 메시지 전달 메커니즘을 통해 두 유형의 의미적 노드를 반복적으로 융합함으로써 관계 추출 작업에 더 적합한 노드 표현을 얻는다. 이후 노드 표현이 업데이트된 후 관계 추출을 수행한다. 제안한 모델은 두 가지 공개 관계 추출 데이터셋인 NYT와 WebNLG에서 평가되었으며, 실험 결과 RIFRE가 삼중항을 효과적으로 추출하고 최신 기술 수준(SOTA)의 성능을 달성함을 보였다. 또한 RIFRE는 관계 분류 작업에도 적합하며, SemEval 2010 Task 8 데이터셋에서 기존 방법들에 비해 유의미하게 뛰어난 성능을 보였다.