냉시작 인식 사용자 및 제품 주의를 이용한 감성 분류

사용자/제품 정보를 감성 분석에 활용하는 것은 특히 리뷰 수가 매우 제한적인 콜드 스타트(Cold-Start) 사용자/제품의 경우 중요합니다. 그러나 현재 모델들은 리뷰 웹사이트에서 흔히 발생하는 콜드 스타트 문제를 해결하지 못하고 있습니다. 본 논문에서는 두 가지 모듈을 포함하는 하이브리드 컨텍스트화된 감성 분류기(Hybrid Contextualized Sentiment Classifier, HCSC)를 제시합니다. 첫 번째 모듈은 단어 벡터에 단거리와 장거리 의존성 특성을 임베딩하여 반환하는 빠른 단어 인코더입니다. 두 번째 모듈은 인코딩된 단어 벡터를 주의력 풀링(Attentive Pooling)할 때 콜드 스타트 문제의 존재를 고려하는 콜드 스타트 인식 주의력 메커니즘(Cold-Start Aware Attention, CSAA)입니다.HCSC는 유사한 사용자/제품으로부터 구성된 공유 벡터를 도입하며, 원래 개별 벡터가 충분한 정보를 가지고 있지 않은 경우(즉, 콜드 스타트인 경우) 이 벡터들을 사용합니다. 이 결정은 빈도 기반 선택 게이트 벡터(Frequency-Guided Selective Gate Vector)에 의해 이루어집니다. 실험 결과, 복잡도가 낮음에도 불구하고 유명 데이터셋에서 RMSE(Root Mean Squared Error) 면에서 HCSC가 현저히 더 우수한 성능을 보임을 확인하였습니다. 더욱 중요한 점은, 훈련 데이터가 희소하고 콜드 스타트 문제가 있는 상황에서 우리의 모델이 이전 모델들보다 현저히 더 우수한 성능을 나타낸다는 것입니다.