초록
이 논문은 제품 리뷰에서 특정 요소(Aspect)에 대한 감성 극성(sentiment polarity)을 분류하기 위한 새로운 방법을 제안한다. 우리는 이를 비트마스크 양방향 장단기 기억망(Bitmask Bidirectional Long Short-Term Memory Networks)이라고 부른다. 이 방법은 자연어 처리 분야에서 자주 언급되는 장단기 기억망(LSTM) 기반의 모델이다. 제안하는 방법은 비트마스크 레이어를 활용하여 특정 요소에 대한 주의를 지속적으로 유지하는 특징을 갖는다. 제안된 모델은 SemEval-2014 Task 4, SemEval-2015 Task 12, SemEval-2016 Task 5 세 가지 유명한 대회에서 제공한 레스토랑 및 노트북 도메인 리뷰 데이터를 대상으로 평가되었으며, LSTM 기반의 최신 기술들과 경쟁 가능한 성능을 보였다. 또한, 요소 기반 감성 분석에서 특정 도메인의 감성 사전(sentiment lexicons)과 단어 임베딩(word embeddings)을 활용하는 것이 큰 이점을 제공함을 실험적으로 입증하였다.