논문 링크 : https://arxiv.org/abs/1905.08284 💡 해당 논문 리뷰는 오역이 있을 수 있습니다. 정확한 내용은 위의 링크의 본 논문 내용을 참고해 주시기 바랍니다. Abstract 사전 훈련된 BERT 모델은 분류/시퀀스 레이블링 task에서 성공적인 결과를 보이지만, 관계 분류에서는 문장과 두 타겟 엔터티의 정보에 의존한다는 점에서 앞서 말한 task와는 다르다. 본 논문에서는 사전 훈련된 BERT 언어모델을 활용하고 엔터티의 정보를 통합하여 관계 분류 작업을 해결하는 모델을 제안한다. 타겟 엔터티를 찾고 사전 훈련된 아키텍처를 통해서 정보를 전송하고 두 엔터티의 해당 인코딩을 통합한다. 위와 같은 방법으로 SemEval2010 task 8 relational dataset에서..

논문 링크 : https://arxiv.org/abs/2102.01373 💡 해당 논문 리뷰는 오역이 있을 수 있습니다. 정확한 내용은 위의 링크의 본 논문 내용을 참고해 주시기 바랍니다. Abstract Sentence-level relation extraction (RE)는 문장에서 두 엔티티 사이의 관계를 식별하는 것이 목표이다. 본 논문에서는 기존의 relation classifiers의 성능에 영향을 미치는 두 가지 문제, 즉 ENTITY REPRESENTATION (엔티티 표현), NOISY OR ILL-DEFINED LABELS (노이즈가 많거나 잘못 정의된 레이블)에 대해서 다시 살펴본다. typed markers가 있는 entity representations으로 개선된 우리의 RE 베이..