InstructABSA: 측면 기반 감성 분석을 위한 지시 학습

우리는 측면 기반 감성 분석(Aspect-Based Sentiment Analysis, ABSA) 하위 작업을 위한 지시 학습 패러다임인 InstructABSA를 소개합니다. 본 방법은 각 훈련 샘플에 긍정, 부정, 중립 예제를 도입하고, 모델(Tk-Instruct)을 ABSA 하위 작업에 맞게 지시 조정하여 성능 향상을 크게 이룹니다. SemEval 2014, 2015, 2016 데이터셋에서의 실험 결과는 InstructABSA가 용어 추출(Term Extraction, ATE), 감성 분류(Aspect Term Sentiment Classification, ATSC), 감성 쌍 추출(Aspect Sentiment Pair Extraction, ASPE) 하위 작업에서 이전 최고 수준(state-of-the-art, SOTA) 접근법을 능가함을 보여줍니다. 특히, InstructABSA는 Rest14 ATE 하위 작업에서 이전 SOTA보다 5.69% 포인트 우수하며, Rest15 ATSC 하위 작업에서는 9.59% 포인트, Lapt14 AOPE(Assignment of Opinion to Polarity and Aspect Extraction) 하위 작업에서는 3.37% 포인트 더 높은 성능을 보여주며, 7배 더 큰 모델들을 초월하였습니다. 또한 우리는 AOOE(Aspect-Opinion Overlap Extraction), AOPE, AOSTE(Aspect-Opinion-Sentiment Triplet Extraction) 하위 작업에서도 경쟁력 있는 결과를 얻었으며, 이는 모든 하위 작업에 대한 강한 일반화 능력을 나타냅니다. 샘플 효율성을 탐색한 결과 다른 지시 조정 접근법들과 경쟁력 있는 결과를 얻기 위해 단지 50%의 훈련 데이터만 필요함을 확인하였습니다. 마지막으로 지시의 품질을 평가한 결과 오해를 일으키는 예제를 추가할 때 InstructABSA의 성능이 약 10% 정도 저하됨을 관찰하였습니다.