Aspect-Category-Opinion-Sentiment 추출을 위한 생성형 Transformer 모델

감성 분석은 자연어 처리(Natural Language Processing)의 응용 분야 중 하나로, 감성 정보를 빠르고 효과적으로 처리하고 추출하는 것을 목표로 한다. 이전의 삼중항 추출(즉, 관점-의견-감성 삼중항)을 확장하여, 관점-카테고리-의견-감성(Aspect-Category-Opinion-Sentiment, ACOS) 사중항 추출이 도입되었다. ACOS 사중항을 추출하는 방법은 여러 가지가 존재하지만, 은유적 정보에 대한 처리 능력 부족 및 전반적인 성능 점수가 낮다는 등의 한계가 있다. 본 논문에서는 기존의 관점 기반 감성 분석(Aspect-Based Sentiment Analysis, ABSA) 하위 과제인 관점-의견 쌍 추출 및 관점-의견-감성 삼중항 추출을 통합하여, 핵심 알고리즘을 변경하거나 추가 모델을 도입하지 않고도 효율적으로 해결할 수 있도록 BART-Aspect-Based-Sentiment-Analysis(BARTABSA)라는 감성 분석 모델을 제안한다. 데이터 및 모델 외부 계층에 대한 일부 수정을 거친 결과, 기존 결과에 비해 뚜렷하고 희망적인 성능 향상이 나타났다.