초록
문장 수준의 측면 감성 분류는 문장 내 하나 또는 여러 측면 용어에 대한 감성 극성을 구분하는 것을 목표로 합니다. 기존 접근 방식은 대부분 한 문장 내에서 서로 다른 측면을 독립적으로 모델링하여, 서로 다른 측면 간의 감성 의존성을 무시합니다. 그러나 우리는 이러한 서로 다른 측면 간의 의존성 정보가 추가적인 가치 있는 정보를 제공할 수 있음을 발견했습니다. 본 논문에서는 그래프 컨볼루션 네트워크(GCN) 기반의 새로운 측면 감성 분류 모델을 제안합니다. 이 모델은 한 문장 내 여러 측면 간의 감성 의존성을 효과적으로 포착할 수 있습니다. 제안된 모델은 먼저 양방향 주의 메커니즘과 위치 인코딩을 도입하여 각 측면과 그 맥락 단어 사이의 측면 특화 표현을 모델링합니다. 그런 다음, 주의 메커니즘 위에서 GCN을 사용하여 한 문장 내 서로 다른 측면 간의 감성 의존성을 포착합니다. 우리는 제안된 접근 방식을 SemEval 2014 데이터셋에서 평가하였습니다. 실험 결과, 우리의 모델이 최신 방법론보다 우수한 성능을 보임을 확인할 수 있었습니다. 또한, GCN 모듈의 효과성을 평가하기 위한 실험도 수행하였으며, 이는 서로 다른 측면 간의 의존성이 측면 감성 분류에서 매우 유용하다는 것을 시사하고 있습니다.