감성 분류를 위한 사용자 주의와 제품 주의를 활용한 리뷰 표현 개선

신경망 방법은 리뷰 감성 분류에서 큰 성공을 거두었습니다. 최근에는 사용자와 제품 정보를 결합하여 리뷰 표현을 생성함으로써 개선된 연구가 이루어졌습니다. 그러나 리뷰에서 우리는 일부 단어나 문장이 강한 사용자의 선호도를 나타내고, 다른 일부는 제품의 특성을 나타내는 경향이 있음을 관찰하였습니다. 이 두 가지 정보는 리뷰의 감성 라벨을 결정하는 데 서로 다른 역할을 합니다. 따라서, 사용자와 제품 정보를 하나의 표현으로 함께 인코딩하는 것은 합리적이지 않습니다. 본 논문에서는 사용자와 제품 정보를 인코딩하기 위한 새로운 프레임워크를 제안합니다. 첫째, 두 개의 개별 계층적 신경망을 적용하여 사용자 주의(attention) 또는 제품 주의를 반영한 두 개의 표현을 생성합니다. 둘째, 이러한 두 개의 표현을 훈련 및 최종 예측에 효과적으로 활용하기 위한 결합 전략을 설계하였습니다. 실험 결과, 제안된 모델은 IMDB 및 Yelp 데이터셋에서 기존 최신 방법들보다 명확히 우수한 성능을 보였습니다. 또한, 사용자 또는 제품과 관련된 단어에 대한 주의 시각화를 통해 위에서 언급한 관찰 결과를 검증하였습니다.