초록
우리는 감성 분석에서 측면 식별을 위한 간단하지만 효과적인 방법을 제시합니다. 우리의 비지도 학습 방법은 단어 임베딩과 품사 태거만 필요하므로 새로운 영역이나 언어에 쉽게 적용할 수 있습니다. 우리는 RBF 커널을 기반으로 하는 새로운 단일 헤드 어텐션 메커니즘인 대조적 어텐션(Contrastive Attention, CAt)을 소개하며, 이는 성능을 크게 향상시키고 모델의 해석성을 높입니다. 이전 연구에서는 구문 특징과 복잡한 신경망 모델에 의존했습니다. 우리는 현재의 측면 추출 벤치마크 데이터셋이 간단하기 때문에 이러한 복잡한 모델이 필요하지 않다는 점을 보여줍니다. 본 논문에서 보고된 실험을 재현하기 위한 코드는 https://github.com/clips/cat에서 제공됩니다.