본 논문은 불완전한 발화 재작성(IUR) 문제에 대해 기존 연구들이 대화 맥락만을 고려하고 대화에서 흔히 발생하는 공참조와 생략 현상을 무시한 점을 지적하며, 이를 해결하기 위한 새로운 프레임워크인 TEO (Two-stage approach on Editing Operation)를 제안합니다. TEO는 첫 번째 단계에서 편집 작업을 생성하고, 두 번째 단계에서 생성된 편집 작업과 대화 맥락을 활용하여 불완전한 발화를 재작성합니다. 또한, 두 번째 단계의 학습과 추론 간 불일치로 인한 연쇄 오류 및 노출 편향을 완화하기 위해 적대적 섭동 전략을 제안합니다. 세 개의 IUR 데이터셋에 대한 실험 결과, 제안된 TEO가 기존 최고 성능 모델들을 상당히 능가함을 보여줍니다.
