리뷰 요약: 리뷰에 대한 의견 탐사: 특성 추출에서 규칙 선택을 위한 하이브리드 모델

본 논문은 사용자 생성 리뷰에서 핵심 인사이트를 추출하기 위한 방법론을 제안한다. 본 연구는 텍스트 문서에 언급된 요소들에 대한 감성 분석을 예측하는 기반 기술인 요소 중심 감성 분석(Aspect-Based Sentiment Analysis, ABSA)에 기반하며, 추출된 요소들은 '리뷰 하이라이트(Review Highlights)'라는 세부적인 표현 형식으로 제공된다.기존의 구문론적 추출 접근 방식은 중복되는 청크 규칙으로 인해 노이즈가 포함된 추출 결과를 초래하는 문제가 있다. 본 연구에서는 기계 학습 기반 모델과 규칙 기반 모델을 결합한 하이브리드 기법을 제안한다. 다중 레이블 분류기는 텍스트에서 요소와 의견을 효율적으로 파싱할 수 있는 효과적인 규칙을 식별한다. 이러한 규칙의 선택 과정을 통해 추출 과제에서 발생하는 노이즈 양이 감소한다.본 연구는 정확한 요소 추출을 위해 기계 학습을 활용하여 코퍼스로부터 구문론적 규칙의 적합도를 학습하는 새로운 시도이다. 모델이 코퍼스로부터 구문론적 규칙 예측을 학습함에 따라, 추출 방법은 도메인에 독립적인 성격을 갖게 된다. 또한, 다른 코퍼스에서 구문론적 규칙의 품질을 분석하고 평가하는 데에도 유용하게 활용될 수 있다.