독립 예측에서 재정렬 예측으로: 상대적 위치와 전역 라벨 정보를 통합한 감정 원인 식별

감정 원인 식별은 텍스트에서 특정 감정 표현을 일으키는 잠재적인 원인을 식별하는 것을 목표로 합니다. 수동으로 설계된 규칙과 특성을 기반으로 이 문제를 해결하기 위해 규칙 기반 방법과 전통적인 기계 학습 방법 등 여러 기술이 제안되었습니다. 최근에는 이러한 작업에 일부 딥 러닝 방법도 적용되어, 텍스트에 내재된 감정과 그 원인의 인과 관계를 자동으로 포착하려는 시도가 이루어졌습니다. 본 연구에서는 텍스트 내용뿐만 아니라 상대적 위치와 전역 라벨이라는 두 가지 유형의 정보도 감정 원인 식별에 매우 중요하다는 사실을 발견하였습니다. 이러한 정보를 통합하기 위해, 우리는 신경망 구조를 기반으로 하는 모델을 제안하여 세 가지 요소(즉, 텍스트 내용, 상대적 위치 및 전역 라벨)를 통합하고 단일화된 방식으로 처리합니다. 우리는 상대적 위치 강화 임베딩 학습 알고리즘을 소개하며, 이 알고리즘을 통해 독립 예측 문제에서 동적으로 전역 라벨 정보가 포함된 재배열 예측 문제로 변환합니다. 벤치마크 감정 원인 데이터셋에 대한 실험 결과는 우리의 모델이 새로운 최신 성능을 달성하였으며, 여러 경쟁적인 기준모델보다 유의미하게 우수한 성능을 보임을 입증하였습니다. 추가 분석은 상대적 위치 강화 임베딩 학습 알고리즘과 동적 전역 라벨을 활용한 재배열 예측 메커니즘이 효과적임을 보여주었습니다.