자동화된 머신러닝(AutoML) 기반의 다중모달 이미지 감정 분석

감성 분석은 데이터를 분석하여 그로 인해 유발되는 감성 정보를 추출하는 데 초점을 맞춘 연구 주제이다. 감성 분석의 응용 분야는 추천 시스템, 마케팅, 고객 만족도 평가 등 매우 광범위하다. 최근의 접근 방식들은 대규모 텍스트 데이터 코퍼스를 기반으로 학습된 기계 학습 기법을 활용하여 텍스트 콘텐츠를 평가한다. 그러나 소셜 미디어의 급속한 성장과 함께 이미지와 같은 다른 데이터 유형도 대량으로 등장하게 되었으며, 이미지 기반 감성 분석은 텍스트 데이터와의 보완적 역할을 하여 맥락을 형성하고 의미의 근본적 성향(폴라리티)을 추론할 수 있다는 점에서 가치가 높게 평가되고 있다. 다중 모달 감성 분석 기법은 텍스트와 이미지 콘텐츠의 정보를 함께 활용하여 감성을 평가하는 것을 목표로 한다. 그러나 최근의 기술 발전에도 불구하고, 현재의 해결책들은 여전히 이미지와 텍스트 정보를 효과적으로 통합하여 소셜 미디어 데이터를 분류하는 데 어려움을 겪고 있다. 주된 원인은 주관성, 클래스 간 유사성(내부 동질성), 그리고 데이터 융합 시 발생하는 차이점 등에 있다. 본 논문에서는 AutoML 기반의 최종 융합 분류를 수행하기 위해 텍스트 및 이미지 각각의 감성 분석 결과를 통합하는 방법을 제안한다. 제안된 방법은 최적의 모델을 찾기 위해 무작위 탐색(random search)을 수행하며, B-T4SA 데이터셋에서 최신 기준(SOTA) 성능을 달성하여 95.19%의 정확도를 기록하였다.