소프트 콘트라스티브 러닝 기반 프롬프트 모델을 활용한 퓨샷 감성 분석

퓨샷 텍스트 분류는 여러 분야에서 라벨된 데이터가 부족하기 때문에 학계와 산업계 모두에서 큰 관심을 받고 있습니다. 일반 텍스트 분류(예: 주제 분류)와 달리, 퓨샷 감성 분류는 클래스 간 의미적 거리가 더 미묘하여 훨씬 더 도전적입니다. 예를 들어, 긍정 또는 부정 극성 내 감성 라벨들 간의 의미적 거리는 가깝지만(예: "love" 와 "joy", "remorse" 와 "sadness"), 두 반대 극성의 라벨 간 거리는 큽니다(예: "love" 와 "sadness"). 이 문제를 해결하기 위해, 본 연구에서는 퓨샷 감성 분석을 위한 소프트 콘트라스티브 러닝 기반 프롬프트(SCP) 모델을 제안합니다. 우선, 모델이 여러 중간 추론 단계를 거쳐 거칠고 세밀한 단계로 감성을 예측하도록 안내하는 감성 인지적 사고 사슬 프롬프트 모듈을 설계했습니다. 이어서, 라벨 간 상관관계를 고려하는 소프트 콘트라스티브 러닝 알고리즘을 제안합니다. 여러 감성 분석 데이터셋에서 수행한 일련의 실험들은 SCP가 최신 기법들(e.g., ChatGPT)과 비교하여 뛰어난 성능을 보임을 입증합니다.