Key points are not available for this paper at this time.
최근 소셜 미디어에서 감정 분석은 소통, 문화 및 소비자 행동에 미치는 광범위한 영향으로 인해 디지털 및 소셜 미디어 중심 환경에서 중요한 자연어 처리(NLP) 작업으로 여겨지고 있습니다. 특히, 단일 문장 내 다양한 대상의 감정을 분석하는 성격 기반 감정 분석(ABEA) 과제가 복잡하고 정교한 인간 언어를 이해하는 데 주목을 받았습니다. 그러나 ABEA는 나선형 사고 패턴을 따르고 교착어의 특성을 가진 한국어와 같이 데이터가 제한적이고 언어적 특성이 복잡한 언어에서 도전적인 작업입니다. 따라서 우리는 복잡한 한국어 언어 패턴 내에 숨겨진 감정을 드러내어 대상 정보를 활용하도록 설계된 한국형 대상 주의 기반 감정 분류기(KOTAC)를 제안합니다. 실험 섹션에서는 주의 메커니즘을 위해 대상 정보의 벡터를 활용하고 표현하는 다양한 방법을 비교합니다. 구체적으로, 우리 최종 모델인 KOTAC은 다수의 대상과 단일 문장에서의 다양한 감정을 포함하는 MTME (다수의 대상, 다수의 감정) 샘플에서 성능 향상을 보여주며, 효과적인 대상 활용 없이 기본 모델에 비해 F1 점수가 0.72% 증가했습니다. 본 연구는 대상 중심의 표현을 획득하고 활용하는 방법을 혁신하여 구문적 특성을 더 잘 반영하는 한국어 언어 모델 개발에 기여합니다.
Kang et al. (Thu,)은 이 문제를 연구했습니다.