aspect 수준의 감정 분류를 위한 효과적인 어텐션 모델링

의미 수준 감성 분류는 리뷰 문장이 특정 의견 대상에 대해 가지는 감성 극성(긍정/부정)을 판단하는 것을 목표로 한다. 한 문장 내에는 여러 개의 감성-대상 쌍이 포함될 수 있으므로, 이 작업의 주요 과제는 서로 다른 대상에 대해 각각의 의견 맥락을 분리하는 것이다. 이를 해결하기 위해 이전 최신의 신경망 모델에서 주목성(attention) 메커니즘이 중요한 역할을 해왔다. 이 메커니즘은 문맥 단어와 대상 간의 의미적 연관성을 모델링함으로써, 각 문맥 단어가 특정 대상에 대해 가지는 중요도를 효과적으로 포착할 수 있다. 본 연구는 이러한 기존 연구를 바탕으로 주목성의 효과를 향상시키기 위한 두 가지 새로운 접근법을 제안한다. 첫째, 의견 대상의 의미를 더 정확히 포착할 수 있는 대상 표현 방법을 제안한다. 둘째, 문법 정보를 주목성 메커니즘에 통합하는 새로운 주목성 모델을 도입한다. 우리는 SemEval 2014, 2015, 2016의 데이터셋을 이용하여 주목성 기반의 LSTM(Long Short-Term Memory) 모델에서 실험을 수행하였으며, 실험 결과 기존의 주목성 기반 LSTM 모델이 제안한 두 가지 접근법을 도입함으로써 상당한 성능 향상이 가능함을 확인하였다.