풍자의 맥락 기반 탐지 방법

풍자는 이해하기 어려운 인간 표현의 한 형태로서 독특한 도전 과제를 제시합니다. 풍자 인식 문제는 개별 발화를 독립적으로 분석하는 데 중점을 두어 화자의 풍자적 의도를 종합적으로 파악하는 데 한계가 있었습니다. 본 연구는 풍자에 기여하는 특정 맥락적 단서를 탐구하고 이해함으로써 이 문제에 접근합니다. 본 논문에서는 맥락적 특징을 활용한 향상된 풍자 인식 방법을 제안합니다. 연구 방법론으로는 사전 학습된 트랜스포머 모델인 RoBERTa와 DistilBERT를 사용하고, News Headlines와 Mustard 두 데이터셋에 대해 미세 조정했습니다. 맥락 정보를 통합한 결과, News Headlines 데이터셋에서는 99%의 인상적인 F1 점수, Mustard 데이터셋에서는 90%의 F1 점수를 달성하며 최고 성능을 보였습니다. 또한 맥락을 간결한 짧은 문장으로 요약하는 실험을 수행하였으며, 이를 통해 학습 시간이 원래 대비 35.5% 단축되었습니다. News headlines 데이터셋으로 학습된 모델을 Reddit 데이터셋에 적용하여 검증한 결과, 맥락 데이터 없이 49%의 F1 점수를 기록했으나, 맥락 데이터를 포함할 경우 F1 점수가 75%까지 급상승하였습니다. 제안된 방법은 다양한 맥락 설정에서 풍자를 보다 정확하게 이해하도록 하여, 정서 분석과 다양한 응용 분야에서의 의사 결정 개선에 기여합니다.