초록
인간의 대화 메시지는 본질적으로 감정을 전달한다. 텍스트 기반 대화에서 감정을 탐지하는 작업은 소셜 네트워크에서의 의견 마이닝 등 다양한 응용 분야로 이어진다. 그러나 기계가 대화 속 감정을 분석하도록 하는 것은 도전적인 과제이며, 그 이유 중 하나는 인간이 감정을 표현할 때 종종 맥락과 보편지식(commonsense knowledge)에 의존하기 때문이다. 본 논문에서는 이러한 과제를 해결하기 위해 지식 강화형 트랜스포머(Knowledge-Enriched Transformer, KET)를 제안한다. KET 모델은 계층적 자기주의(hierarchical self-attention)를 통해 맥락적 발화를 해석하고, 맥락 인지형 감정 그래프 주의 메커니즘(context-aware affective graph attention mechanism)을 통해 외부 보편지식을 동적으로 활용한다. 여러 텍스트 대화 데이터셋에 대한 실험 결과, 맥락과 보편지식 둘 다 감정 탐지 성능 향상에 일관되게 기여함을 확인할 수 있었다. 또한 실험 결과는 제안한 KET 모델이 대부분의 테스트 데이터셋에서 F1 스코어 측면에서 최신 기술(SOTA) 모델을 초과함을 보여주었다.