초록
관계 추출(Relation Extraction, RE)은 자연어 처리 응용 분야에서 중요한 과제이다. 문서 수준 관계 추출은 문서 내의 관계를 추출하는 것을 목표로 하며, 문장 간의 추론이 필요하고 동일 문서 내에서 표현된 다수의 관계를 처리해야 하는 등 많은 도전 과제를 안고 있다. 기존 최첨단 문서 수준 RE 모델들은 장거리 상관관계를 보다 효과적으로 연결하기 위해 그래프 구조를 활용한다. 본 연구에서는 텍스트에서 원래의 순차적 정보를 보다 적극적으로 고려하고 포착하는 SagDRE 모델을 제안한다. 제안된 모델은 문장 수준의 방향성 엣지를 학습하여 문서 내 정보 흐름을 포착하고, 토큰 수준의 순차적 정보를 활용하여 한 실체에서 다른 실체로 이어지는 최단 경로를 인코딩한다. 또한, 긍정 클래스와 부정 클래스를 더 잘 분리할 수 있도록 적응형 마진 손실(adaptive margin loss)을 제안한다. 다양한 도메인에서의 데이터셋에 대한 실험 결과를 통해 본 연구에서 제안한 방법의 효과성을 입증하였다.