어노테이터별 근거 모델링: 미세 관점 분석을 위한 새로운 프레임워크

요약

본 연구는 단순한 레이블 예측을 넘어, 어노테이터가 제공하는 '근거(rationales)'를 활용하여 개인별 미세 관점(fine-grained perspectives)을 모델링하는 새로운 프레임워크를 제안합니다. 이 프레임워크는 어노테이터의 신원 정보와 인구통계학적 메타데이터를 결합한 'User Passport' 기제를 통해 예측에 조건을 부여하며, 두 가지 설명 생성기(explainer) 아키텍처(post-hoc prompt-based 및 prefixed bridge explainer)를 도입합니다. 실험 결과, 근거 모델링을 결

핵심 포인트

• 개인별 관점 분석을 위해 어노테이터가 제공하는 상세한 '근거' 정보를 활용하여 레이블 예측과 설명을 공동으로 모델링하는 프레임워크를 제안했습니다.
• 어노테이터의 신원 및 인구통계학적 메타데이터를 통합하기 위해 'User Passport'라는 표현 수준(representation-level) 기제를 도입했습니다.
• 설명 생성기로서, 사후 처리 방식(post-hoc prompt-based explainer)과 어노테이터 조건부 분류기 표현을 전이하는 브릿지 방식(prefixed bridge explainer) 두 가지 아키텍처를 제시하고 성능을 비교했습니다.
• 근거 모델링은 기존의 어노테이터 인식 분류기 대비 예측 성능을 크게 향상시키며, 특히 prefixed bridge 접근법이 안정적인 레이블 정렬과 높은 의미적 일관성을 보여주었습니다.