Current Result Document :
| 한글제목(Korean Title) |
문장 주제와 Multi-Task Learning을 이용한 감성 표현 영역 추출 모델 |
| 영문제목(English Title) |
A Model for Extraction of Sentiment Expression Areas Using Sentiment domain and Multi-Task Learning |
| 저자(Author) |
박지은
이주상
옥철영
JiEun Park
JuSang Lee
CheolYoung Ock
|
| 원문수록처(Citation) |
VOL 49 NO. 01 PP. 0434 ~ 0436 (2022. 06) |
한글내용
(Korean Abstract) |
감성 표현 영역 추출 이란 문장 안에서 감성이 드러나는 부분을 파악하는 태스크이며, 이 영역은 서술어 중심의 구 혹은 절 단위의 형태를 가진다. 본 논문에서 제안하는 모델은 KoBERT를 기반으로 하고, 문장 주제 분류를 개별 태스크로 가지며, 문장 주제 정보를 감성 표현 영역 추출의 자질로 사용한다. 자질을 추가하는 방법은 문장의 임베딩 값에 문장 주제 정보를 결합(concatenation)하는 것이다. 이는 Multi-Task Learning 기반이라고 볼 수 있다. 제안 모델의 KoBERT 토큰 단위 f1-score은 span에서 57.47%이며 baseline 모델의 56.17%보다 1.30% 포인트 향상했다. sequence labeling에서는 56.17%이며 baseline 모델의 52.31% 보다 3.86% 포인트 향상했다. 본 논문의 실험을 통해 감성 표현 영역 추출에서 baseline 모델보다 Multi Task Leaning 방식과 문장 주제 자질을 이용하면 모델의 성능이 향상된다는 것을 알 수 있다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
