문장 수준의 내러티브 구조 분석과 감성 분석을 위한 공동 신경망 모델 탐색

대화 구조 분석(Discourse Parsing)과 감성 분석(Sentiment Analysis)은 자연어 처리 분야에서 서로 보완적인 관계를 가진 두 가지 핵심 과제로 알려져 있다. 본 연구에서는 이러한 두 과제를 공동으로 학습하기 위한 두 가지 신경망 기반 모델을 설계하고 비교하였다. 제안된 접근법에서는 먼저 입력 문장 내 모든 텍스트 세그먼트에 대해 벡터 표현을 생성한다. 그 후, 대화 구조 예측, 대화 관계 예측, 감성 분석을 각각 담당하는 세 가지 서로 다른 재귀 신경망(Recursive Neural Network) 모델을 적용한다. 마지막으로, 이러한 신경망들을 두 가지 다른 공동 학습 모델—다중 작업 학습(Multi-tasking)과 사전 학습(Pre-training)—방식으로 통합한다. 두 가지 표준 코퍼스에 대한 실험 결과, 두 가지 방법 모두 각각의 과제에서 성능 향상을 보였으나, 다중 작업 학습이 사전 학습보다 더 큰 영향을 미쳤다. 특히 대화 구조 분석의 경우, 대조적 관계(contrastive relations) 예측 성능에서 두드러진 개선이 관찰되었다.