편향 제거하기: 에코 챔버에서 대규모 개별 기반 감성 분석으로

기반별 감성 분석(Aspect-based Sentiment Analysis, ABSA)은 자연어 처리(NLP)의 한 분야로, 텍스트 데이터 내 특정 실체와 주제에 대해 정확한 감성 관계를 부여하는 작업이다. 본 논문은 현재 ABSA 기법들이 겪고 있는 핵심적 한계—즉, 제한된 아спект 수, 학습 데이터의 편향, 그리고 포괄적인 입장 코드화 데이터셋의 부족—을 해결하고자 한다. 먼저, 학습 문장 내의 아спект 표현을 마스킹함으로써 맥락만을 기반으로 편향 없는 감성 추론이 가능하도록 하는 확장 가능한 MaskedABSA 방법을 제안한다. 제안한 방법이 SemEval 데이터셋을 통해 검증된 결과, 아спект 표현 감성 분류 작업에서 최신 기술을 능가하는 정확도를 보였다. 또한, ABSA 데이터셋 생성 시 흔히 발생하는 학습 자원의 제한성과 수작업 레이블링의 막대한 비용 문제를 해결하기 위해, 소셜미디어 데이터셋 내에 내재된 커뮤니티 군집화 특성을 활용한 혁신적인 약한 감독(weak supervision) 기법을 도입한다. 우리는 커뮤니티 탐지 알고리즘을 활용하여 공유 네트워크를 감성적 대립이 극대화된 동질적 집단으로 분할함으로써, 인력 집약적인 수작업 레이블링 없이도 대규모 기반별 감성 분석 데이터셋을 체계적으로 구축할 수 있다. 본 연구의 방법론은 다양한 아спект과 입장을 포함한 실제 세계의 극단적 데이터셋을 활용하여 검증되었으며, 그 유효성과 확장 가능성을 입증하였다.