Korean End-to-End Neural Coreference Resolution Using Higher-Order Inference
Kihun Kim, Cheonum Park, Changki Lee, Hyunki Kim · 정보과학회 컴퓨팅의 실제 논문지 · 2020
End-to-end 상호참조해결(End-to-end coreference resolution)은 주어진 텍스트의 모든 스팬(span)을 잠재적인 멘션(mention) 후보로 간주하고, 각각의 선행사에 대한 분포를 학습하여 상호참조해결 여부를 결정하는 스팬 랭킹 모델이다. 상호참조해결은 동일한 개체(entity)에 대하여 다른 표현으로 사용되는 멘션들을 찾아 그룹화(clustering)하는 자연어처리 문제이다. 본 논문에서는 고차 추론을 이용한 end-to-end 상호참조해결 모델을 한국어에 적용하고, 개체명 자질과 의존 구문 분석 자질을 함께 이용하는 방법을 제안한다. 실험 결과, 개발 셋에서 CoNLL F1 68.69%로 기존 포인터 네트워크 기반 상호참조해결 보다 10.81% 성능 향상을 보였으며, 테스트 셋에서 CoNLL F1 62.86%로 13.38%의 성능 향상을 보였다.