초록
문장의 의미 구조를 분석하는 중요한 과제로서 의미 역할 레이블링(Semantic Role Labeling, SRL)은 주어진 동사(예: 목적어, 주어 등)에 대해 명사구의 의미 역할을 식별하는 것을 목표로 하며, 대화 시스템과 같은 후속 작업에서 중요한 역할을 수행한다. SRL에서 더 나은 성능을 달성하기 위해서는 모델이 맥락 정보를 효과적으로 이해해야 한다. 비록 고급 텍스트 인코더(BERT 등)를 활용하여 맥락 정보를 추출할 수 있지만, 모델 성능을 추가로 향상시키기 위해 보다 추가적인 자원이 필요하다. 문장의 문법 구조와 의미 구조 사이에는 상관관계가 존재한다는 점을 고려하여, 이전 연구들은 주로 그래프 기반 아키텍처를 통해 자동 생성된 문법 지식, 특히 의존 관계(dependency)를 활용하여 맥락 정보 모델링을 강화해왔다. 그러나 다른 유형의 자동 생성 지식에 대해서는 상대적으로 관심이 부족한 편이었다. 본 논문에서는 오프더쉘(toolkit) 도구를 통해 얻은 다양한 유형의 자동 생성 문법 지식(POS 태그, 문법 구성성, 단어 의존 관계 등)을 효율적으로 인코딩할 수 있는 ‘맵 메모리(Map Memories)’를 제안한다. 스팬 기반 SRL을 위한 두 개의 영어 벤치마크 데이터셋(CoNLL-2005 및 CoNLL-2012)에서의 실험 결과는 제안한 방법의 효과성을 입증하며, 강력한 기준 모델들을 상회하고 CoNLL-2005에서 최신 기술(SOTA) 수준의 성능을 달성함을 보였다.