GRACE: 기울기 조화 및 계단식 레이블링을 통한 어спект 기반 감성 분석

본 논문에서는 문맥 기반 감성 분석에서 관점 터미널 추출 및 관점 감성 분류를 시퀀스 레이블링 과제로 간주할 때 거의 다뤄지지 않은 불균형 문제에 초점을 맞춘다. 또한 기존 연구들은 관점 터미널 간의 상호작용을 무시하는 경향이 있다. 이를 해결하기 위해, GRadient hArmonized and CascadEd labeling 모델(GRACE)을 제안한다. 구체적으로, 관점 터미널 간의 상호작용을 강화하고 감성 토큰의 주의 집중도를 향상시키기 위해 계단식 레이블링 모듈을 설계하였다. 감성 극성 시퀀스는 생성된 관점 터미널 레이블에 의존하도록 설계되었다. 불균형 문제를 완화하기 위해, 객체 탐지에서 사용되는 그라디언트 조화 메커니즘을 동적으로 각 레이블의 가중치를 조정함으로써 관점 기반 감성 분석에 확장하였다. 제안된 GRACE는 백본으로 포스트-프리트레이닝된 BERT를 채택하였다. 실험 결과, 제안된 모델은 다양한 벤치마크 데이터셋에서 일관성 있는 성능 향상을 보이며, 최신 기술 수준의 성과를 달성함을 입증하였다.