
초록
신경 순서 모델은 문장 수준의 감성 분류에서 큰 성공을 거두었습니다. 그러나 일부 모델은 매우 복잡하거나 비싼 특성을 기반으로 하고 있습니다. 다른 일부 모델은 기존 언어 자원의 가치를 인식하지만 이를 충분히 활용하지 못하고 있습니다. 본 논문에서는 감성 사전(+/-), 부정어 및 강조어와 같은 사전 정보를 통합하는 새로운 일반적인 방법을 제안합니다. 단어들은 세부 라벨과 대략적인 라벨로 주석이 달립니다. 제안된 방법은 먼저 세부 라벨을 감성 임베딩으로 인코딩하여 이를 단어 임베딩과 결합합니다. 두 번째로, 대략적인 라벨을 이용하여 감성 관련 단어에 큰 가중치를 부여하는 주의 메커니즘을 강화합니다. 실험 결과, 제안된 방법이 SST-5와 MR 데이터셋에서 신경 순서 모델의 분류 정확도를 향상시킬 수 있음을 보여주고 있습니다. 특히, 강화된 Bi-LSTM 모델은 비싼 구문 수준 주석을 사용하는 Tree-LSTM과 비교할 수 있는 성능을 보입니다. 추가 분석 결과, 대부분의 경우 사전 자원이 올바른 주석을 제공할 수 있음이 확인되었습니다. 또한, 제안된 방법은 필연적으로 잘못된 주석의 영향을 극복할 수 있는 능력을 가지고 있습니다.