과제정보
이 연구는 ETRI부설연구소의 위탁연구과제[2023-033]로 수행한 연구결과입니다.
한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리) (Annual Conference on Human and Language Technology)
- 한국정보과학회언어공학연구회 2023년도 제35회 한글 및 한국어 정보처리 학술대회
- /
- Pages.622-626
- /
- 2023
- /
- 2005-3053(pISSN)
라벨 정보를 이용한 Few-shot Learning 환경에 강건한 중첩 개체명 인식 모델
A Nested Named Entity Recognition Model Robust in Few-shot Learning Environments using Label Information
- Hyunsun Hwang (Kangwon National University) ;
- Changki Lee (Kangwon National University) ;
- Wooyoung Go (National Security Research Institute) ;
- Myungchul Kang (National Security Research Institute)
- 발행 : 2023.10.12
초록
중첩 개체명 인식(Nested Named Entity Recognition)은 하나의 개체명 표현 안에 다른 개체명 표현이 들어 있는 중첩 구조의 개체명을 인식하는 작업으로, 중첩 개체명 인식을 위한 학습데이터 구축 작업은 일반 개체명 인식 학습데이터 구축보다 어렵다는 문제가 있다. 본 논문에서는 이러한 문제를 해결하기 위해 Few-shot Learning 환경에 강건한 중첩 개체명 인식 모델을 제안한다. 이를 위해, 기존의 Biaffine 중첩 개체명 인식 모델의 출력 레이어를 라벨 의미 정보를 활용하도록 변경하여 학습데이터가 적은 환경에서 중첩 개체명 인식의 성능을 향상시키도록 하였다. 실험 결과 GENIA 중첩 개체명 인식 데이터의 5-shot, 10-shot, 20-shot 환경에서 기존의 Biaffine 모델보다 평균 10%p이상의 높은 F1-measure 성능을 보였다.