초록
주목(attention) 기반 딥러닝 시스템은 아спект 수준의 감성 분석에서 최첨단 기법으로 입증되어 왔으나, 엔드투엔드 딥 신경망은 특정 문제를 쉽게 수정할 수 없는 유연성 부족의 한계를 가지고 있다. 특히 추가 학습 데이터가 제공되지 않을 경우(예: 단어 "disappointed"를 볼 때 항상 "긍정"으로 예측하는 경우), 이러한 문제는 더욱 두드러진다. 한편, 주목 메커니즘이 문장의 특정 부분에 과도하게 집중할 가능성이 있으며, 감성 극성 판단에 핵심적인 정보를 제공하는 위치를 무시할 수 있다는 점은 상대적으로 덜 강조되고 있다. 본 논문에서는 사전(lexicon) 정보를 활용하는 간단하면서도 효과적인 접근법을 제시하여 모델의 유연성과 견고성을 향상시키는 방법을 설명한다. 또한 주목 벡터를 정규화(regularizing)함으로써 네트워크가 문장의 다양한 부분에 더 광범위한 "집중"을 가지도록 하는 효과를 탐구한다. 실험 결과는 제안한 방법의 효과성을 입증한다.