인도네시아어 측면 기반 감성 분석을 위한 딥 뉴럴 네트워크를 이용한 측면 탐지 및 감성 분류

감성 분석은 문장이나 문서에서 전체적인 의견을 분류할 수 있습니다. 그러나 한 문장 내에 여러 의견이 공존하는 경우가 있습니다. 이러한 문제는 측면 기반 감성 분석으로 해결됩니다. 우리는 인도네시아어 데이터셋을 사용하여 2단계 과정인 측면 탐지와 감성 분류를 통해 이 문제에 대한 실험을 수행합니다. 측면 탐지에서는 입력 벡터와 구조가 다른 두 가지 딥 뉴럴 네트워크 모델을 비교합니다: gated recurrent unit (GRU)으로 처리되는 단어 임베딩 벡터와 완전 연결층으로 처리되는 bag-of-words 벡터. 감성 분류에서는 또한 두 가지 딥 뉴럴 네트워크 접근법을 비교합니다. 첫 번째 접근법은 입력 벡터로 단어 임베딩, 감성 사전, 품사 태그를 사용하며, bi-GRU 기반의 구조를 사용합니다. 두 번째 접근법은 입력 벡터로 단어 임베딩 벡터를 재조정하기 위해 측면 행렬을 사용하며, 컨볼루션 신경망(CNN) 기반의 구조입니다. 우리의 연구는 각 측면별로 다른 모델을 사용하는 기준 프레임워크와 비교됩니다. 데이터셋은 인도네시아의 인기 온라인 마켓플레이스의 다양한 카테고리에서 수집된 약 9800개의 리뷰로 구성되어 있습니다. 우리의 모델은 모든 측면에 대해 잘 일반화되며 기준 프레임워크와 비교하여 7개 측면 중 4개 측면에서 최첨단 성능을 달성합니다.