인도네시아 제품 리뷰 감정 분석을 위한 로지스틱 회귀, SVM, Naive Bayes 및 IndoBERT 파인튜닝 벤치마킹

요약

본 논문은 인도네시아 전자상거래 플랫폼의 제품 리뷰 데이터셋(Tokopedia)을 활용하여 감정 분석 모델을 구축하고 성능을 벤치마킹한 연구입니다. 로지스틱 회귀, SVM, Naive Bayes와 같은 전통적인 머신러닝 기법과 IndoBERT 기반 트랜스포머 모델을 비교했습니다. 실험 결과, 데이터 샘플링 방식의 차이로 인해 전통적인 Linear SVC 모델이 IndoBERT보다 높은 성능(정확도 97.60% vs 88.70%)을 보이는 것으로 나타났습니다. 연구진은 최종 모델을 Gradio 웹 애플리케이션으로 구현하여 실용적 적용 가능성을 입증했습니다.

핵심 포인트

• 인도네시아 전자상거래 리뷰 감정 분석에 전통적인 ML(Linear SVC)과 최신 트랜스포머(IndoBERT)를 비교 벤치마킹함.
• 전통적인 Linear SVC 모델이 IndoBERT보다 높은 성능을 보여, 데이터 샘플링 및 처리 방식의 차이가 결과에 큰 영향을 미칠 수 있음을 시사함.
• 클래스 불균형 문제를 해결하기 위해 가중치 기반 손실 함수와 클래스 가중치를 적용하여 모델 학습의 견고성을 높임.
• 최종 감정 분류 파이프라인을 Gradio 웹 애플리케이션으로 구현하여 실제 서비스 배포 가능성을 입증함.