Contrastive Learning Based Cross-Lingual ABSA for Korean = 한국어를 위한 대조학습 기반 다국어 측면 감성분석|RISS 상세보기

다국어 초록 (Multilingual Abstract)

Cross-lingual ABSA transfers aspect-level sentiment tagging to low-resource languages, but Korean’s morphology and subword fragmentation make alignment difficult. We propose a multi-level contrastive framework on top of an mBERT tagger, adding aspect-category token contrast and aspect-conditioned sentence contrast. We also test EMA-scaled and uncertainty-based weighting for multi-objective training. On Korean, French, Spanish, Dutch, and Russian, translation-based baselines outperform zero-shot transfer, and our aspect-aware contrasts yield the strongest gains (best overall with aspect-category token contrast). Adaptive weighting shows mixed results, suggesting noisy and sparse contrastive signals in cross-lingual settings.

번역하기

국문 초록 (Abstract)

교차언어 관점 기반 감성 분석(XABSA)은 영어 등 자원 풍부 언어에서 학습한 모델을 한국어 같은 저자원 언어로 이전해, 추가 주석 없이 관점별 감성 태깅을 수행하는 것을 목표로 한다. 그러나 한국어는 교착어 특성으로 인한 서브워드 분절과 비교적 자유로운 어순 때문에 토큰 경계 예측과 표현 정렬이 불안정해 전이 성능이 쉽게 저하된다.
본 논문은 mBERT 기반 토큰 시퀀스 라벨링을 중심으로, 관점 정보를 조건으로 하는 다단계 대조학습을 결합한 XABSA 프레임워크를 제안한다. 구체적으로 관점 카테고리 감독 토큰 수준 대조학습과 관점-조건 문장 수준 대조학습을 도입해, 표면형 정렬에만 의존하지 않고 관점 단위의 의미 정렬을 강화한다. 또한 다중 목적 학습의 스케일 불일치와 노이즈를 완화하기 위해 EMA 기반 가중치 조정과 Kendall 불확실성 기반 가중치 학습을 추가로 분석한다. 한국어 전이를 체계적으로 평가하기 위해 실제 한국어 리뷰 기반 Korean XABSA 골드 데이터셋을 구축하고 SemEval 기반 다국어 설정과 함께 벤치마크를 구성했으며, 실험 결과 제안한 관점-조건 정렬이 일반 문장 대조학습 대비 일관된 향상을 보이고, 관점 카테고리 감독 토큰 대조학습이 주요 비교에서 가장 높은 평균 성능을 달성함을 확인했다.

번역하기

교차언어 관점 기반 감성 분석(XABSA)은 영어 등 자원 풍부 언어에서 학습한 모델을 한국어 같은 저자원 언어로 이전해, 추가 주석 없이 관점별 감성 태깅을 수행하는 것을 목표로 한다. 그러...

목차 (Table of Contents)