TL;QR: 텍스트 말뭉치에서 시간에 따른 담화 패턴 질의하기
TL;QR: Querying Temporal Discursive Patterns in Textual Corpora
대규모 텍스트 말뭉치에 대한 많은 질문은 시간에 따라 전개되는 패턴과 관련이 있습니다. 예를 들어 수년간의 토론에 걸쳐 특정 주제에 대한 정치 집단의 입장이 지지에서 비판으로 점진적으로 변화하는 경우가 이에 해당합니다. 본 논문에서는 이러한 시계열 담화 패턴을 찾기 위한 선언적 질의 언어이자 오픈소스 엔진인 TL;QR(Too Long; Query with logical temporal Reasoning)을 제시합니다. TL;QR에서 단일 쿼리는 대규모 언어 모델(LLM)이 진위를 판별하는 자연어 술어(predicate)와 정규 표현식, 그리고 시제 논리(temporal logic) 연산자를 결합합니다. LLM은 개별 텍스트 구절에 대한 국소적 질문에만 답하며, 이후 심볼릭 엔진이 시간에 따라 이러한 판단들을 종합하고 모든 일치 결과를 해당 결과의 바탕이 된 기록 구절 및 술어 판단과 연결합니다. 이러한 역할 분담을 통해 긴 시간 지평에서도 시간적 및 관계적 추론이 정확하고 감사 가능한 상태로 유지됩니다. 또한 쿼리에 정규 표현식 사전 필터가 포함된 경우 말뭉치의 극히 일부분만 LLM에 전달됩니다. 시간적 및 의미론적으로 복잡한 패턴을 포함하는 제어된 합성 벤치마크 평가에서, TL;QR은 LLM 전용 베이스라인보다 실질적으로 훨씬 더 정확했습니다. 10년간의 유럽 의회 토론(442,593개의 다국어 연설)을 다룬 사례 연구에서, TL;QR은 GDPR 개인정보 보호 규정에 대한 정치 집단들의 입장 변화 후보들을 성공적으로 식별합니다.