Acknowledgement
본 연구는 과학기술정보통신부 및 정보통신기술기획평가원의 대학ICT연구센터지원사업의 연구결과로 수행되었음(IITP-2020-2018-0-01405). 이 논문은 2017년도 정부(미래창조과학부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임(No.NRF-2017M3C4A7068189).
Annual Conference on Human and Language Technology (한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리))
- 2020.10a
- /
- Pages.507-511
- /
- 2020
- /
- 2005-3053(pISSN)
Methods For Resolving Challenges In Multi-class Korean Sentiment Analysis
다중클래스 한국어 감성분석에서 클래스 불균형과 손실 스파이크 문제 해결을 위한 기법
- Park, Jeiyoon (Korea University) ;
- Yang, Kisu (Korea University) ;
- Park, Yewon (Sookmyung Women's University) ;
- Lee, Moongi (Daeryun E&S) ;
- Lee, Sangwon (Incheon University) ;
- Lim, Sooyeon (KIST) ;
- Cho, Jaehoon (Yonsei University) ;
- Lim, Heuiseok (Korea University)
- 박제윤 (고려대학교) ;
- 양기수 (고려대학교) ;
- 박예원 (숙명여자대학교) ;
- 이문기 ((주)대륜이엔에스) ;
- 이상원 (인천대학교) ;
- 임수연 (한국과학기술연구원) ;
- 조재훈 (연세대학교) ;
- 임희석 (고려대학교)
- Published : 2020.10.14
Abstract
오픈 도메인 대화에서 텍스트에 나타난 태도나 성향과 같은 화자의 주관적인 감정정보를 분석하는 것은 사용자들에게서 풍부한 응답을 이끌어 내고 동시에 제공하는 목적으로 사용될 수 있다. 하지만 한국어 감성분석에서 기존의 대부분의 연구들은 긍정과 부정 두개의 클래스 분류만을 다루고 있고 이는 현실 화자의 감정 정보를 정확하게 분석하기에는 어려움이 있다. 또한 최근에 오픈한 다중클래스로된 한국어 대화 감성분석 데이터셋은 중립 클래스가 전체 데이터셋의 절반을 차지하고 일부 클래스는 사용하기에 매우 적은, 다시 말해 클래스 간의 데이터 불균형 문제가 있어 다루기 굉장히 까다롭다. 이 논문에서 우리는 일곱개의 클래스가 존재하는 한국어 대화에서 세션들을 효율적으로 분류하는 기법들에 대해 논의한다. 우리는 극심한 클래스 불균형에도 불구하고 76.56 micro F1을 기록하였다.