초록
이 논문은 맥락 기반 감정 탐지 작업을 위한 새로운 접근법을 제시한다. 이 접근법은 주어진 문장의 맥락 정보를 효과적으로 추출하기 위해 주기적 신경망(Recurrent Neural Network, RNN)과 주의 메커니즘(Attention Mechanism)을 결합한 신경 특징 추출기와, 이후에 분류기를 포함하는 구조로 구성되어 있으며, 분류기는 신경망 기반 또는 SVM(Support Vector Machine) 기반일 수 있다. 모델은 SemEval 2019의 Task 3(EmoContext) 데이터셋을 활용하여 평가되었으며, 이 데이터셋은 3턴의 짧은 대화 문장으로 구성되어 있으며, 4개의 감정 클래스로 레이블링되어 있다. 가장 뛰어난 성능을 기록한 설정은 ELMo 단어 임베딩과 품사 태그(POS tags)를 입력으로 사용하고, 양방향 GRU(Gated Recurrent Unit)를 은닉층으로, 최종 분류기로 SVM을 사용한 경우였다. 이 구성은 주요 3개의 감정 클래스에 대해 마이크로 평균 F1 스코어 69.93%를 달성하였으며, 기준 시스템(Baseline system)보다 11.25% 높은 성능을 보였다.