Core Concepts
REXEL은 단일 순방향 통과로 문서 수준 폐쇄 정보 추출을 수행하는 효율적이고 정확한 모델이다. 이를 통해 참조 지식 그래프에 완전히 연결된 사실을 추출할 수 있다.
Abstract
REXEL은 문서 수준 폐쇄 정보 추출(DocIE)을 위한 종단 간 모델이다. 이 모델은 언급 감지, 개체 유형화, 개체 구분, 공동 참조 해결 및 문서 수준 관계 분류를 단일 순방향 통과로 수행한다. 이를 통해 참조 지식 그래프에 완전히 연결된 사실을 추출할 수 있다.
REXEL의 주요 특징은 다음과 같다:
파이프라인 접근법의 오류 전파 문제를 해결하기 위해 5가지 하위 작업을 단일 모델에서 통합
문장 수준이 아닌 문서 수준에서 관계를 추출하여 장거리 종속성을 포착
평균 11배 더 빠른 추론 속도로 웹 규모 애플리케이션에 적합
REXEL은 개별 하위 작업에서 기존 최신 기술을 능가하며, 엔드 투 엔드 관계 추출 및 문서 수준 폐쇄 정보 추출 작업에서도 우수한 성능을 보인다. 또한 REXEL은 DocRED 데이터셋에 대한 엔티티 링크 확장을 공개하여 향후 DocIE 연구를 촉진한다.
Stats
REXEL은 기존 접근법보다 평균 11배 더 빠른 추론 속도를 보인다.
Quotes
"REXEL은 단일 순방향 통과로 문서 수준 폐쇄 정보 추출을 수행하는 효율적이고 정확한 모델이다."
"REXEL은 파이프라인 접근법의 오류 전파 문제를 해결하기 위해 5가지 하위 작업을 단일 모델에서 통합한다."
"REXEL은 문장 수준이 아닌 문서 수준에서 관계를 추출하여 장거리 종속성을 포착한다."