구조 인식과 텍스트 구조 통합을 위한 Benchmarks와 Auditable Reference Pipeline

스키마 그래프의 중요성

스키마 그래프는 스키마에 기반한 정보 추출과 지식 그래프 구축의 초기 단계입니다. 하지만 대부분의 추출 시스템은 스키마가 이미 존재한다고 가정합니다. 이러한 가정으로 인해 스키마 구축과 지식 체계 유도는 중요한 연구 주제로 떠올랐습니다. 스키마 구축 및 지식 체계 유도 시스템인 SCOPE를 소개합니다. SCOPE는 24개의 공개 정보 추출 소스에서 정제된 스키마 그래프로만 평가할 수 있도록 정규화된 텍스트를 기반으로 텍스트에서 스키마로의 변환 및 스키마 통합을 위한 훈련 텍스트만을 사용하는 평가 기준입니다. 스키마를 구축하고 지식 체계 유도하는 SCION을 소개합니다. SCION은 훈련 텍스트에서 후보 공간을 구축하고 후보에 연결된 증거에만 제한된 데이터 계약을 사용하여 이름 지정, 병합, 필터링, 검증, 그리고 보수적인 통합을 수행합니다. SCOPE의 핵심 평가에서 SCION-lite는 문자, 모호, 연속, 그래프 스키마 그래프 지표에서 텍스트에서 지식 체계로의 변환 스타일, 언어 모델만, 그리고 일치하는 추출 후 집계 기준선에 비해 가장 높은 성능 지표를 달성하는 반면, SCION-RL은 언어 모델 스키마 엔지니어의 의존성을 줄이는한 공개 모델을 사용합니다.

성과 및 릴리스

이 결과는 정제된 유형 간선 목표에 대해 보고되며, 인간의 지식 체계 설계를 능가하는 유도 스키마가 있다고 주장하는 것이 아닙니다. 릴리스는 https://github.com/wandugu/paper_scion에서 확인할 수 있습니다. 이러한 연구 성과는 대규모 언어 모델과 같은 최신 기술을 활용하여 스키마 구축과 지식 체계 유도를 더 효율적이고 효과적으로 수행할 수 있는 가능성을 보여줍니다. 이러한 기술의 발전은 정보 추출과 지식 그래프 구축 분야에 큰 영향을 미칠 수 있을 것입니다.