인도네시아 제품 리뷰에 대한 감정 분석을 위한 로지스틱 회귀, SVM, LightGBM 과 BiLSTM(Attention) 벤치마킹

요약

본 연구는 인도네시아어 제품 리뷰에 대한 이진 감정 분류를 위해 머신러닝(ML)과 딥러닝(DL) 접근법을 비교하는 포괄적인 벤치마킹을 수행했습니다. ML 모델로는 로지스틱 회귀, SVM, LightGBM이 사용되었고, DL 모델로는 Attention 메커니즘을 갖춘 BiLSTM이 활용되었습니다. 그 결과, 적절한 전처리와 특징 추출이 적용된 전통적인 ML 알고리즘(로지스틱 회귀)이 딥러닝 아키텍처와 매우 근접하거나 때로는 더 나은 성능을 보이면서도 계산 효율성 측면에서 이점을 제공함을 입증했습니다.

핵심 포인트

• 전통적인 머신러닝 모델(예: 로지스틱 회귀)이 복잡한 딥러닝 아키텍처와 경쟁할 수 있는 높은 성능을 보여준다.
• 적절한 특징 추출 및 전처리 과정을 거치면, ML 모델이 DL 모델에 필적하거나 능가하는 성능을 보일 수 있다.
• ML 접근법은 일반적으로 DL 접근법보다 계산 효율성이 높아 실용적인 이점을 제공한다.
• Attention 메커니즘을 갖춘 BiLSTM과 같은 최신 DL 기술도 여전히 강력한 감정 분석 도구임을 입증했다.