Masked Language Model 을 활용한 극성 분석을 위한 새로운 준지도 기법

요약

본 기술 기사는 Word2Vec 기반의 마스크드 언어 모델(MLM)을 활용하여 잠재적 의미 스케일링(LSS)의 새로운 버전을 개발하고, 이를 통해 텍스트에 극성 점수를 할당하는 준지도 기법을 제안합니다. 이 방법은 시드 단어가 주어진 문맥에서 발생할 확률을 기반으로 단어와 문서에 극성 점수를 부여하며, 기존 공간적 모델보다 더 정확하고 해석 가능하며 일관성이 높은 것으로 나타났습니다. COVID-19 팬데믹 기간 동안의 언론 보도 분석 사례를 통해 제안된 방법이 우수한 성능을 입증했습니다.

핵심 포인트

• Word2Vec 기반 MLM을 활용하여 잠재적 의미 스케일링(LSS)의 새로운 극성 분석 기법을 개발함.
• 제안된 방법은 시드 단어의 문맥 발생 확률을 이용해 단어와 문서에 극성 점수를 할당합니다.
• 이 확률적 접근 방식은 기존 공간적 모델보다 높은 정확도, 해석 가능성, 일관성을 제공합니다.
• COVID-19 팬데믹 기간 동안의 언론 보도를 분석하여 제안된 방법의 우수성을 실증적으로 입증했습니다.