본 논문은 Transformer 기반 임베딩 모델의 블랙박스적 성격과 대규모 데이터 의존성으로 인한 편향, 신뢰성, 안전성 문제를 해결하기 위해, 인간의 인지 과정에서 영감을 받은 새로운 문장 표현 네트워크인 PropNet을 제안합니다. PropNet은 문장 내 명제를 기반으로 계층적 네트워크를 구축하여 본질적인 해석성을 확보하는 화이트박스 모델입니다. 실험 결과, PropNet은 기존 최고 성능(SOTA) 임베딩 모델에 비해 STS 과제에서 성능 차이를 보이지만, 사례 연구를 통해 향상 가능성을 제시하고, STS 벤치마크의 인지 과정 분석에 기여합니다.
