EmoGraph: 그래프 네트워크를 이용한 감정 상관관계 포착

대부분의 정서 인식 방법은 각 정서를 독립적으로 고려함으로써 정서 이해 작업을 수행하지만, 정서의 모호성과 서로 간의 상호연결성을 무시하는 경향이 있다. 본 논문에서는 정서 간의 상관관계가 어떻게 포착될 수 있으며, 다양한 분류 작업에 어떻게 기여할 수 있는지를 탐구한다. 우리는 그래프 네트워크를 활용하여 서로 다른 정서 간의 의존성을 포착하는 EmoGraph를 제안한다. 이러한 그래프는 서로 다른 정서 범주 간의 동시 발생 통계를 기반으로 구성된다. 다중 레이블 분류 데이터셋 두 개에 대한 실증 결과는 EmoGraph가 강력한 기준 모델들을 능가함을 보여주며, 특히 마크로-F1 지표에서 두드러진 성능 향상을 보였다. 추가 실험을 통해 포착된 정서 상관관계가 단일 레이블 분류 작업에도 긍정적인 영향을 미칠 수 있음을 확인할 수 있었다.