Aspect-Based 감성 분석을 위한 통합 생성 프레임워크

Aspect-based Sentiment Analysis (ABSA, 측면 기반 감성 분석)는 측면 용어, 해당하는 감성 극성 및 의견 용어를 식별하는 것을 목표로 합니다. ABSA에는 7개의 하위 작업이 존재합니다. 대부분의 연구는 이들 하위 작업의 부분 집합에만 초점을 맞추고 있어, 다양한 복잡한 ABSA 모델이 제시되었지만 통합된 프레임워크에서 이러한 하위 작업을 해결하기는 어렵습니다. 본 논문에서는 각 하위 작업의 대상을 포인터 인덱스와 감성 클래스 인덱스가 혼합된 시퀀스로 재정의하여 모든 ABSA 하위 작업을 통합된 생성적 형식으로 전환합니다. 이 통합 형식을 바탕으로, 우리는 사전 학습된 시퀀스-투-시퀀스 모델인 BART를 활용하여 모든 ABSA 하위 작업을 엔드-투-엔드 프레임워크에서 해결합니다. 네 개의 ABSA 데이터셋을 사용한 7개 하위 작업에 대한 광범위한 실험 결과, 우리의 프레임워크가 실질적인 성능 향상을 달성하고 전체 ABSA 하위 작업에 대한 진정한 통합 엔드-투-엔드 솔루션을 제공함을 입증하였습니다. 이를 통해 다수의 태스크에 긍정적인 영향을 미칠 수 있을 것입니다.