초록
이 논문은 감성 분류(sentiment classification, SC)를 위한 지속적 학습(continual learning, CL)을 연구한다. 이 설정에서는 CL 시스템이 신경망 내에서 연속적으로 여러 SC 작업을 점진적으로 학습하며, 각 작업은 특정 제품 카테고리 또는 도메인의 리뷰 감성을 분류하는 분류기(classifier)를 구축한다. 두 가지 자연스러운 질문이 제기된다. 첫째, 과거 작업에서 학습한 지식을 새로운 작업에 전이하여 새로운 작업에 대해 더 나은 모델을 학습하는 데 도움이 될 수 있는가? 둘째, 이 과정에서 과거 작업을 위한 기존 모델도 개선될 수 있는가? 본 논문은 이러한 목적을 달성하기 위해 새로운 기법인 KAN을 제안한다. KAN은 전방 및 후방 지식 전이를 통해 새로운 작업과 기존 작업 모두의 감성 분류 정확도를 현저히 향상시킬 수 있다. KAN의 효과성은 광범위한 실험을 통해 입증되었다.