멀티태스크 BiLSTM 및 AutoML 벤치마킹을 통한 인도네시아 전자상거래 리뷰의 감정 및 감정 분류

요약

본 논문은 표준 어휘와 은어, 지역 차용어가 혼재된 인도네시아 전자상거래 리뷰의 감정 분석 문제를 다룹니다. 5,400개의 제품 리뷰 데이터셋(PRDECT-ID)을 사용하여 이분법적 감정 및 5가지 클래스 감정을 분류하는 두 가지 트랙 파이프라인을 제시합니다. 첫 번째는 AutoML 기반 TF-IDF 접근 방식이며, 두 번째는 공유 인코더와 작업별 출력 헤드를 갖춘 BiLSTM 네트워크를 활용하여 높은 성능을 달성했습니다.

핵심 포인트

• 인도네시아 전자상거래 리뷰의 복잡한 언어적 특성(은어, 지역 차용어 등)으로 인해 기존 감정 분석 도구 적용에 어려움이 있음.
• 제안된 솔루션은 AutoML 기반 TF-IDF 분류기와 공유 인코더 BiLSTM 네트워크를 결합하여 벤치마킹을 수행함.
• 전처리 과정에서 은어 사전 등을 포함한 14단계의 정교한 순차적 정제 단계를 적용하여 데이터 품질을 높임.
• 최종 모델은 Hugging Face Spaces와 Gradio 애플리케이션으로 배포되어 실제 사용 가능성을 입증함.