다중 작업 학습 네트워크를 이용한 종단 간 측면 기반 감성 분석

아스펙트 기반 감성 분석은 자연어 문장에 대해 아스펙트 용어 목록과 해당 아스펙트 용어의 감성을 생성합니다. 이 작업은 일반적으로 파이프라인 방식으로 수행되며, 먼저 아스펙트 용어 추출을 수행한 후 추출된 아스펙트 용어에 대한 감성 예측을 진행합니다. 이러한 접근 방식은 개발하기는 쉽지만, 두 하위 작업 간의 공동 정보를 완전히 활용하지 못하며, 문서 수준으로 라벨링된 감성 코퍼스와 같은 유용한 훈련 정보를 모두 사용하지 않는다는 단점이 있습니다. 본 논문에서는 토큰 수준과 문서 수준에서 동시에 여러 관련 작업을 학습할 수 있는 상호작용적 다중 작업 학습 네트워크(IMN, Interactive Multi-Task Learning Network)를 제안합니다. 기존의 다중 작업 학습 방법들이 다양한 작업에 대한 공통 특징을 학습하는 것에 의존하는 반면, IMN은 정보가 공유된 잠재 변수 집합을 통해 다른 작업들 사이에서 반복적으로 전달되는 메시지 전달 구조를 도입합니다. 실험 결과는 제안된 방법이 세 가지 벤치마크 데이터셋에서 여러 베이스라인 대비 우수한 성능을 보임을 입증하였습니다.