SemEval-2024 Task 10: 다자 대화에서 트리거 및 sentext-높이 강화된 감정 분석을 위한 FeedForward

이 논문은 SemEval-2024 경진대회를 위해 제안된 대화 내 감정 인식 및 감정 전환 추론에 대한 혁신적인 접근법을 보고하며, 특히 힌디어-영어 혼합 언어(Hindi-English code-mixed language) 분석에 중점을 둔다. 대규모 언어 모델(Large Language Models, LLMs)을 지시 기반 미세조정(instruction-based fine-tuning)과 양자화된 저랭크 적응(Quantized Low-Rank Adaptation, QLoRA)과 결합함으로써, 본 연구는 Sentext-height와 고도화된 프롬프팅 전략과 같은 새로운 기법들을 도입하여 혼합 언어 대화 데이터 내 감정 분석의 복잡성을 효과적으로 다룰 수 있도록 했다. 제안된 방법의 실험 결과는 레이블 편향(label bias)과 혼합 언어의 복잡성을 극복하는 데 있어 뛰어난 성능을 입증한다. 우리 팀은 각각 Task 1, 2, 3에서 5위, 3위, 3위의 성과를 기록하였다. 본 연구는 감정 인식 모델의 성능 향상에 기여할 수 있는 귀중한 통찰과 방법론을 제시하며, 이 분야에서 지속적인 연구의 중요성을 강조한다.