인도네시아 Spotify 리뷰의 감성 분석: 기계 학습 및 BiLSTM 성능 비교

요약

본 연구는 인도네시아 Spotify 리뷰 데이터셋에 대한 3 클래스 감성 분류 모델의 성능을 비교 분석합니다. 지원 벡터 머신, 나이브 베이즈 등 고전적인 기계 학습 방법과 BiLSTM 같은 딥러닝 접근법을 벤치마크하며, 동일한 전처리 파이프라인을 적용했습니다. 연구 결과, BiLSTM이 전체 감성 탐지에서 가장 높은 성능을 보였으나 소수 클래스(중립)에서는 어려움을 겪었으며, 기계 학습과 SMOTE를 결합하는 것이 더 균형 잡힌 결과를 제공할 수 있음을 제시합니다.

핵심 포인트

• 인도네시아 Spotify 리뷰 감성 분석을 위해 고전 ML (SVM, Naive Bayes 등)과 딥러닝 (BiLSTM) 모델을 비교했습니다.
• BiLSTM은 전체적인 성능(F1 점수)에서 최고치를 기록했지만, 소수 클래스(중립) 분류에서는 취약점을 보였습니다.
• 의사결정 트리는 고전 ML 모델 중 가장 우수한 성능을 보여주었습니다.
• 연구는 BiLSTM이 전반적인 감성 탐지에 강력하며, 기계 학습과 SMOTE를 결합하면 클래스 균형 개선에 도움이 될 수 있다고 결론지었습니다.