요약

본 논문은 문서 내의 이벤트를 포괄적으로 추출하는 새로운 방법론인 MODEE를 제안합니다. 기존의 이벤트 추출 방식이 가진 한계점, 즉 특정 도메인에 국한되거나(closed-domain) LLM 활용 시 문서 구조적 맥락을 놓치는 문제를 해결하고자 합니다. MODEE는 그래프 기반 학습과 대규모 언어 모델(LLMs)의 텍스트 표현 능력을 결합하여 문서 전체 수준의 추론을 모델링합니다. 실험 결과, 이 방법은 기존 최신 기술 대비 우수한 성능을 보였으며, 폐쇄 도메인까지 일반화 가능함을 입증했습니다.

핵심 포인트

• MODEE는 그래프 기반 학습과 LLM 텍스트 표현을 결합하여 문서 수준의 추론 능력을 갖춘 멀티모달 이벤트 추출 모델입니다.
• 기존 방식은 도메인 제한적(closed-domain)이거나, LLM 사용 시 문서 구조 및 맥락 이해에 어려움이 있었습니다.
• MODEE는 오픈 도메인 환경에서 기존 SOTA 대비 우수한 성능을 보였으며, 폐쇄 도메인으로의 일반화도 성공적으로 수행했습니다.