감정 전이(sentiment-to-sentiment transfer)는 주어진 텍스트의 감정을 변경하면서도 근본적인 정보를 유지하는 작업을 의미한다. 본 연구에서는 쌍을 이루지 않은 단일 감정 데이터(unchained mono-sentiment data)를 활용하여 감정 전이를 수행하는 모델 SentiInc을 제안한다. 기존의 감정 전이 모델들은 텍스트 내에 이미 존재하는 감정 특화 정보(sentiment-specific details)를 무시하는 경향이 있다. 이를 해결하기 위해, 본 연구는 목표 문장 내에 감정 특화 정보를 인코딩하면서도 내용 정보를 보존할 수 있는 간단한 프레임워크를 제안한다. 이는 백트랜슬레이션 기반 스타일 전이(back-translation based style transfer)에 감정 기반 손실(loss)을 도입함으로써 구현된다. Yelp 데이터셋을 대상으로 수행한 광범위한 실험 결과, SentiInc은 G-score 기준으로 최신 기술(state-of-the-art) 방법 대비 최대 약 11%의 성능 향상을 달성하였다. 또한 실험 결과는 본 모델이 감정 정확도가 높고 정보가 잘 보존된 문장을 생성함을 보여준다.