본 논문은 장편 서사의 미묘한 상호작용을 다루는 데 어려움을 겪는 기존의 관계 추출 방법의 한계를 해결하기 위해, 전문적인 대규모 언어 모델(LLM) 에이전트를 활용하는 새로운 순차적 프레임워크인 CREFT를 제시합니다. CREFT는 지식 증류를 통해 기본적인 등장인물 그래프를 구축한 후, 등장인물 구성, 관계 추출, 역할 식별 및 그룹 할당을 반복적으로 개선합니다. 한국 드라마 데이터셋을 이용한 실험 결과, CREFT는 정확성과 완전성 면에서 단일 에이전트 LLM 기준 모델보다 뛰어난 성능을 보였습니다. 등장인물 네트워크를 체계적으로 시각화함으로써 서사 이해를 간소화하고 각본 검토를 가속화하여 엔터테인먼트, 출판 및 교육 분야에 상당한 이점을 제공합니다.
