초록
정교한 감성 분석(SA)에 대한 사회적 수요가 증가함에 따라, 표현 내에 두드러진 감성 단서어가 없는 은유적 감성 분석(ISA)은 중요한 과제로 대두되고 있다. 이는 감성이 어떻게 유발되었는지를 신뢰할 수 있는 추론을 통해 이해하고, 그에 따라 은유적 감성을 판단해야 한다는 요구를 수반한다. 대규모 언어 모델(LLM) 시대에 Encoder-Decoder(ED) LLM은 다양한 작업에서 뛰어난 텍스트 이해 및 추론 능력을 보여주며, SA 응용 분야의 핵심 모델로 주목받고 있다. 반면 Decoder-only(DO) LLM은 자연어 생성 및 컨텍스트 내 학습(in-context learning) 능력에서 뛰어나지만, 출력 결과에 오류나 오도할 수 있는 정보가 포함될 수 있다는 단점이 있다. 신뢰할 수 있는 추론을 통해 은유적 감성을 정확히 식별하기 위해, 본 연구는 DO LLM의 생성 능력과 ED LLM의 추론 능력을 활용하여 개선된 추론 모델을 훈련하는 이단계 추론 프레임워크인 RVISA를 제안한다. 구체적으로, 감성 요소를 명시적으로 단서로 제공하기 위해 3단계 추론 프롬프팅을 도입한다. 생성된 추론 과정은 ED LLM을 숙련된 추론 모델로 미세조정하는 데 사용된다. 더불어, 추론 학습의 신뢰성을 보장하기 위해 간단하면서도 효과적인 검증 메커니즘을 개발하였다. 제안된 방법은 두 개의 벤치마크 데이터셋에서 평가되었으며, ISA 성능에서 최신 기준(SOTA)을 달성하였다.