데이터 증강으로 강화된 Aug-TNE(Text to Node Embedding)을 활용한 감성분석

국문 초록 (Abstract)

자연어처리에서 해결하고자 하는 문제를 다룰 때 문장을 나타내는 표현값을 정확하게 얻는다면 좋은 결과를 얻을 수 있다. 표현값을 얻는 대표적인 방법으로 사전 훈련된 모델을 사용하는 것이 있는데 이를 이용하여 파인튜닝 과정을 거치는 것만으로는 한계가 있다. 우리는 사전 훈련된 모델에 언어의 구조에 대한 정보가 추가하였을 시 성능개선의 여지가 있는 것에 착안하여 사전 훈련된 모델이 가지고 있는 토큰 단위의 표현값을 얻는 과정에서 정보를 추가로 주고자 한다. 그러기 위하여 데이터에서 자주 사용되는 유용한 표현 정보들을 그래프 구조를 이용하여 추출하고자 하는 것을 목표로 텍스트를 그래프 구조로 변환 후 데이터 증강 기법을 적용한 그래프 데이터에서 정보를 추출하는 방법을 제안한다. 그 결과 적용하기 전과 비교하여 약 1% 정도의 성능을 향상되는 것을 확인 할 수 있다.

다국어 초록 (Multilingual Abstract)

For almost all problems to be solved in NLP, it is very sure that better results will be obtained if the representation value of the sentence is accurate. For this purpose, the attempts using pre-trained models have been studied continuously. But Fine-tuning with these has limitation on performance. We want to provide additional information in the process of obtaining the token embedding. To do this, we have a attention to the fact that the pre-trained model has possibility for performance-improvement if there is additional information about the structure of language. In this paper, it aims to obtain the useful expression information frequently used in the data by using graph structure. This is a method of extracting information from graph structure which data augmentation is applied after converting text data into graph data. As a result of using this method, the performance was improved compared to when the previously used pre-trained model BERT was used alone.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 관련 연구
• 3. 제안 기법
• 4. 실험 및 결과
• 5. 결론 및 향후 연구
• References