Seq2Path: 감정 튜플을 트리의 경로로 생성하기

기반별 감성 분석(Aspect-based sentiment analysis, ABSA) 작업은 문장에서 감성 튜플을 추출하는 것을 목표로 한다. 최근의 생성형 방법 중 Seq2Seq 모델과 같은 기법들은 감성 튜플의 시퀀스로 출력을 정의함으로써 우수한 성능을 달성해왔다. 그러나 감성 튜플 간의 순서는 자연스럽게 존재하지 않으며, 현재 튜플을 생성할 때 이전 튜플에 조건을 두는 것은 부적절하다. 본 논문에서는 감성 튜플을 트리의 경로(path)로 생성하는 Seq2Path를 제안한다. 트리는 ‘1대n’ 관계(예: 한 개의 어спект 텀이 여러 개의 옵니언 텀과 대응할 수 있음)를 표현할 수 있으며, 트리의 경로들은 서로 독립적이며 순서가 존재하지 않는다. 학습 시 각 경로를 독립적인 타겟으로 간주하고, 일반적인 Seq2Seq 모델의 경로별 평균 손실을 계산한다. 추론 시 제약 조건이 있는 디코딩을 적용한 비음(beam search)을 사용한다. 추가적인 구분자 토큰을 도입하고 데이터 증강 기법을 활용함으로써 유효한 경로를 자동으로 선택할 수 있다. 본 연구에서는 AOPE, ASTE, TASD, UABSA, ACOS 총 다섯 가지 작업에 대해 실험을 수행하였으며, Laptop14, Rest14, Rest15, Rest16 등 네 가지 일반적인 벤치마크 데이터셋에서 성능을 평가하였다. 제안하는 방법은 거의 모든 경우에서 최신 기술(SOTA) 수준의 성능을 달성하였다.