초록
아스펙트 기반 감성 분석(Aspect-Based Sentiment Analysis, ABSA)은 다양한 산업에서 연구되어 왔지만, 금융 분야에서는 아직 많이 탐구되지 않았습니다. 최근 WWW '18의 부속 논문에서 공개된 도전 과제(FiQA) 데이터가 금융 특화 주석을 제공하여 가치 있는 자료를 마련해주었습니다. FiQA는 높은 품질의 라벨을 포함하고 있지만, 전통적인 ABSA 딥러닝 아키텍처를 적용하기에는 여전히 데이터 양이 부족합니다. 본 논문에서는 고급 의미 표현과 NLP(Natural Language Processing)에 대한 귀납적 전이 학습 방법을 활용합니다. 우리는 최근 개발된 영역 적응 방법의 확장과 목표 작업 미세 조정(fine-tuning)을 실험하여 작은 데이터셋에서 성능을 크게 향상시키는 것을 확인하였습니다. 실험 결과, 현재 최신 연구 결과와 비교하여 분류의 F1 점수에서 8.7%의 개선과 회귀의 평균 제곱 오차(Mean Squared Error, MSE)에서 11%의 개선을 보였습니다.