텍스트 분류를 위한 딥러닝 기반 감정 분석

최근 텍스트 기반 감정 분석은 연구의 뜨거운 분야가 되었습니다. 의견 단어 및 그 감정 극성을 자동으로 식별하는 것이 가장 주목할 만한 노력 중 하나입니다. 텍스트에 대한 감정 분석의 성공에도 불구하고 방법론적 문제는 충분히 연구되지 않았습니다. 이 방향으로 데이터 세트, 방법론, 기준선, 통계 분석 및 다양한 출처 간의 비교와 관련한 몇 가지 중요한 문제점이 있습니다. 잘 알려진 데이터 세트를 사용하여, 본 논문은 ALBERT, RoBERTa, VADER의 세 가지 최신 변환기 기반 딥러닝 기법을 실험합니다. 정확성을 기반으로 한 성능 평가 매트릭스를 사용하여 이 모델들의 데이터 세트에 대한 성능을 비교합니다. 결과에 따르면, RoBERTa와 ALBERT는 각각 86%, 87%, 83%의 정확도로 VADER보다 더 우수한 성능을 보였습니다. 감정 분류 성능을 향상시키기 위해 향후 연구에서는 모델의 구조를 개선할 수 있습니다.