통합 접근법으로 유추 동의어 반의어 연관성 해결

논문은 의미 관계를 네 가지 별도 작업(유추, 동의어, 반의어, 연관성)으로 분리해 온 기존 NLP 연구의 한계를 지적한다. 저자는 이들 관계를 모두 ‘유사 관계(analogy)’라는 하나의 프레임워크 아래 통합함으로써, 하나의 지도학습 모델로 모든 작업을 해결하고자 한다. 이를 위해 먼저 ‘유사 관계’를 정의한다. 두 단어 X와 Y가 ‘black:white’와 같은 관계를 가질 때는 반의어, ‘levied:imposed’와 같은 관계를 가질 때는 동의어, ‘doctor:hospital’과 같은 관계를 가질 때는 연관성으로 본다. 이렇게 하면 네 가지 작업을 모두 ‘단어쌍 분류’ 문제로 변환할 수 있다. 알고리즘은 크게 네 단계로 구성된다. 첫째, 입력된 단어쌍에 대해 형태소 분석기와 생성기를 이용해 변형 형태(복수형, 어미 변형 등)를 만든다. 둘째, 대규모 웹 코퍼스(5 × 10¹⁰ 단어, 280 GB)에서 “