자동차 정비 지침으로부터 상보적 동작 모델링(Complementary Action Modeling) 학습하기

아주 미세한 어휘적 변화만으로도 문장의 나머지 부분이 변하지 않았을 때 지침의 절차적 의미를 뒤바꿀 수 있습니다. 자동차 정비 지침(automotive maintenance instructions)에서 이러한 패턴은 동작 구절(action phrase)이 지침을 그에 대응하는 절차적 상보 대상으로 바꿀 때 자주 나타납니다. 개체(entities), 수식어(modifiers), 그리고 주변 문맥은 대체로 불변하지만, 동작 구절이 절차적 관계를 결정합니다. 우리는 이 과업을 상보적 동작 모델링 (Complementary Action Modeling, CAM)이라고 정의합니다. 정비 지침이 주어졌을 때, 목표는 나머지 문장 문맥을 보존하면서 동작 구절을 수정하여 그에 대응하는 절차적 상보 대상을 식별하거나 생성하는 것입니다. 이 과업은 세 가지 측면에 초점을 맞춥니다: 표면적 유사성(surface similarity)으로부터 상보성을 구별하는 것, 동작 구절 수준에서 생성을 제어하는 것, 그리고 검색(retrieval), 중첩 기반(overlap-based) 평가 및 인간 평가를 사용하여 관계적 정확성을 평가하는 것입니다. 독일 자동차 정비 데이터셋을 사용하여, 우리는 후보 매칭(candidate matching)과 제어된 Seq2Seq 생성을 통해 이러한 질문들을 조사합니다. 결과에 따르면, 상보적인 정비 지침은 미묘한 어휘적 단서에 근거한 절차적 연관성으로 모델링하는 것이 가장 적합합니다. 따라서 이를 일반적인 문장 유사성이나 유의어 기반의 패러프레이징(paraphrasing) 사례로 취급해서는 안 됩니다.