강화학습을 이용한 측면 감성 트리플 추출

Aspect Sentiment Triplet Extraction (ASTE)는 문장에서 측면 용어, 해당 측면에 대한 감정, 그리고 표현된 감정의 근거가 되는 의견 용어를 추출하는 작업입니다. 이전의 ASTE 접근 방식은 일반적으로 세 가지 구성 요소를 동시에 추출하거나 먼저 측면과 의견 용어를 식별한 후 이를 짝을 지어서 그들의 감정 극성을 예측하였습니다. 본 연구에서는 ASTE-RL이라는 새로운 패러다임을 제시합니다. 이 방법은 계층적 강화 학습(RL) 프레임워크에서 측면과 의견 용어를 표현된 감정의 인수로 간주하여 개발되었습니다. 먼저 문장에서 표현된 감정에 초점을 맞추고, 그 다음으로 해당 감정에 대한 대상 측면과 의견 용어를 식별합니다. 이 과정은 트리플릿 구성 요소들 사이의 상호작용을 고려하면서 탐색과 샘플 효율성을 향상시키는 역할을 합니다. 또한, 이 계층적 RL 구조는 여러 개의 중복되는 트리플릿을 처리할 수 있도록 해줍니다. 실험에서는 노트북 및 음식점 영역의 기존 데이터셋을 사용하여 모델을 평가하였으며, 최신 기술 수준의 성능을 달성함을 보였습니다. 본 연구의 구현은 공개적으로 https://github.com/declare-lab/ASTE-RL에서 제공됩니다.