초록
타겟 기반 감성 분석은 의견 타겟 추출과 타겟 감성 분류를 포함합니다. 그러나 대부분의 기존 연구는 이 두 하위 작업 중 하나만을 단독으로 연구하였으며, 이로 인해 실제 활용에 제약이 따랐습니다. 본 논문은 타겟 기반 감성 분석의 완전한 작업을 엔드 투 엔드 방식으로 해결하고, 통합된 태깅 체계를 적용하는 새로운 통합 모델을 제시합니다. 우리의 프레임워크는 두 개의 쌓인 순환 신경망(RNN)을 포함합니다: 상위 RNN은 통합된 태그를 예측하여 주요 타겟 기반 감성 분석의 최종 출력 결과를 생성하며, 하위 RNN은 보조적인 타겟 경계 예측을 수행하여 상위 네트워크가 주요 작업의 성능을 향상시키도록 안내합니다.작업 간 의존성을 탐구하기 위해, 우리는 명시적으로 타겟 경계에서부터 타겟 감성 극성으로의 제약 조건 전환(constrained transitions)을 모델링하는 방법을 제안합니다. 또한 의견 타겟 내에서의 감성 일관성을 유지하기 위해, 현재 단어와 이전 단어 간의 특징 관계를 모델링하는 게이트 메커니즘(gate mechanism)을 통해 감성 일관성을 유지하는 방법도 제안합니다. 우리는 세 가지 벤치마크 데이터셋에서 광범위한 실험을 수행하였으며, 우리의 프레임워크는 일관되게 우수한 결과를 달성하였습니다.