라벨 의미를 모델링하여 정서적 반응 예측하기

이야기 속 등장인물이 사건에 의해 유발하는 감정을 예측하는 것은 일반적으로 다중 레이블 분류 문제로 간주되며, 이는 보통 레이블을 단순한 분류 클래스로 취급하여 예측하는 방식이다. 그러나 이러한 접근 방식은 감정 레이블 자체가 전달할 수 있는 정보를 무시한다. 본 연구에서는 감정 레이블의 의미적 특성이 입력 스토리 표현 시 모델의 주의 집중을 안내할 수 있음을 제안한다. 또한, 사건이 유발하는 감정은 종종 상관관계를 갖는다는 점을 관찰하였다. 예를 들어, 기쁨을 유발하는 사건이 동시에 슬픔을 유발할 가능성은 매우 낮다. 본 연구에서는 레이블 임베딩을 통해 레이블 클래스를 명시적으로 모델링하고, 훈련 및 추론 과정에서 레이블 간 상관관계를 추적할 수 있는 메커니즘을 도입한다. 더불어, 레이블 간 상관관계를 비라벨 데이터에 대해 정규화하는 새로운 반감독 전략을 제안한다. 실증적 평가 결과, 레이블의 의미를 모델링하는 것이 일관된 성능 향상을 가져오며, 감정 추론 작업에서 최신 기술 수준을 초과하는 성과를 달성함을 확인하였다.