자연어 처리 알고리즘이 감성 분석 효율성과 정확도에 미치는 영향

감성 분석은 디지털 시대에서 제품 및 서비스에 대한 사용자 인식을 이해하는 데 중요한 역할을 합니다. 그러나 높은 계산 자원의 필요성으로 인해 구현에 제약이 있습니다. 본 연구는 BERT, RoBERTa, ELECTRA와 같은 트랜스포머 기반 자연어 처리(NLP) 알고리즘의 구현이 다국어 및 실시간 데이터 상황에서 감성 분석의 품질과 효율성에 미치는 영향을 평가하는 것을 목적으로 합니다. 본 연구에서는 PRISMA 프로토콜을 따른 체계적 문헌 고찰(SLR) 방법을 사용하여 다양한 NLP 모델들의 성능, 도전 과제 및 해결책을 평가했습니다. 연구 결과, 트랜스포머 기반 모델은 전통적인 접근 방식보다 일관되게 우수한 성능을 보였으며, BERT와 RoBERTa는 95% 이상의 정확도를, F1 점수는 0.92–0.95 범위에 달했고 ELECTRA는 전자상거래 데이터에서 평균 정밀도와 재현율이 0.90 이상이며 최고 정확도 98.09%를 기록했습니다. 또한, 전이 학습 기법은 분석 품질을 저해하지 않으면서 기존 방법 대비 학습 시간을 50–70% 단축하는 것으로 증명되었습니다. 그럼에도 불구하고 대규모 계산력 요구는 여전히 큰 장애물로 남아 있습니다. 모델 증류 및 데이터 증강과 같은 여러 전략이 높은 성능을 유지하면서 계산 부하를 줄이는 데 효과적임이 입증되었습니다. 이러한 결과들은 트랜스포머 기반 NLP 기술이 감성 분석 품질을 향상시키는 동시에 다국어 및 다영역 응용에서 혁신 기회를 열어준다는 것을 확인시켜 줍니다. 본 연구는 자원 제약이 있는 언어에 대한 모델 최적화와 현대 데이터 처리에서 포용성과 효율성을 달성하기 위한 실시간 시스템 개발을 권장합니다.