초록
심볼릭과 서브심볼릭 방법을 결합하는 것은 인공지능 연구 과제가 점점 더 복잡해지고 더 높은 수준의 이해가 요구됨에 따라 유망한 전략으로 부상하고 있다. 표적 영역 기반 금융 감성 분석(TABFSA)은 정보 추출, 특정화, 도메인 적응 등 복잡한 과정을 포함하기 때문에 이러한 복잡한 과제 중 하나이다. 일반적인 감성 분석에 있어 외부 지식은 이미 유용함이 입증되었지만, 금융 분야에 대해서는 아직까지 그러한 효과가 확인되지 않았다. 그러나 현재 최첨단 금융 감성 분석(FSA) 모델들은 외부 지식의 중요성을 간과하고 있다. 이 격차를 메우기 위해, 우리는 사전 훈련된 언어 모델의 미세 조정 과정에 다수의 외부 지식 소스를 주의 깊게 통합하기 위해 주의 기반 CNN과 LSTM을 활용하는 방법을 제안한다. FiQA Task 1 및 SemEval 2017 Task 5 데이터셋을 대상으로 수행한 실험 결과, 외부 지식을 활용한 모델이 단순 딥러닝 모델에 비해 체계적으로 성능을 향상시키며, 일부 모델은 영역 감성 분석 오류 측면에서 기존의 최첨단 결과를 초과하는 성능을 보였다.