본 논문은 저자원 언어에 대한 훈련 데이터 부족으로 어려움을 겪는 다국어 자연어 생성(NLG)에서, 특히 표에서 텍스트 생성(Table-to-Text NLG) 작업에 초점을 맞추고 있습니다. 기존의 Table-to-Text NLG 모델은 다국어 환경에서 입력 표에 충실한(attributable) 출력을 생성하는 데 어려움을 겪는데, 질문-응답(QA) 청사진 기법을 활용하여 이 문제를 해결하고자 합니다. 본 연구는 아프리카 언어를 포함하는 다국어 Table-to-Text 데이터셋 TaTA에 QA 청사진을 추가하고, 청사진 유무에 따른 시퀀스-투-시퀀스 언어 모델의 성능을 비교 분석합니다. 실험 결과, 영어 데이터셋에서만 QA 청사진이 성능 향상을 보였으며, 다국어 환경에서는 청사진의 기계 번역 오류와 모델의 청사진 의존도 부족으로 인해 성능 향상이 나타나지 않았음을 밝히고, 그 원인을 분석합니다.
