DOER: 쌍방향 교차 공유 RNN을 이용한 측면 용어-극성 동시 추출

본 논문은 측면 기반 감성 분석의 두 가지 관련 하위 작업, 즉 측면 용어 추출과 측면 감성 분류에 초점을 맞추고 있으며, 이를 측면 용어-극성 동시 추출이라고 부릅니다. 전자의 작업은 의견 문서에서 제품이나 서비스의 측면을 추출하는 것이며, 후자의 작업은 이러한 추출된 측면에 대해 문서에서 표현된 극성을 식별하는 것입니다. 대부분의 기존 알고리즘은 이 두 작업을 별도의 작업으로 처리하거나 하나씩 해결하거나, 혹은 단 한 가지 작업만 수행하여 실제 응용 프로그램에서는 복잡해질 수 있습니다. 본 논문에서는 이 두 작업을 두 개의 시퀀스 라벨링 문제로 다루고, 입력 문장의 모든 측면 용어-극성 쌍을 동시에 생성하기 위한 새로운 듀얼 크로스-셰어드 RNN 프레임워크(DOER)를 제안합니다. 구체적으로, DOER는 각 작업의 고유한 표현을 추출하기 위한 듀얼 순환 신경망과 이들 간의 관계를 고려하기 위한 크로스-셰어드 유닛을 포함하고 있습니다. 실험 결과는 제안된 프레임워크가 세 가지 벤치마크 데이터셋에서 최신 기준 모델들을 능가함을 입증하고 있습니다.