문장 간의 감정 정보와 유사도를 사용한 갈등 예측 = Conflict Prediction Using Emotional Information And Similarity between Sentences

국문 초록 (Abstract)

최근 딥러닝 분야에서 LLM 기반의 자연어 처리에서 사전 학습과 미세 조정의 학습을 통해 다양한 분야에서 기대 이상의 높은 성능을 보여준다. 프로젝트 진행 중 발생하는 갈등은 주로 팀원 간의 의사소통 부족, 역할 및 책임의 불분명, 기대치의 차이, 작업 스타일의 충돌, 그리고 시간 관리 등에서 발생한다. 본 연구는 팀 프로젝트 수행 중 발생할 수 있는 갈등을 사전에 예측하기 위해 문장에서 감정 및 감성 정보를 추출하고, 문장 간 의미 유사도를 분석하여 갈등 여부를 판단하는 방법을 제안한다. 감정 분석은 KoBERT 기반 모델을 통해 긍정/부정 감정을 예측하고 문장 간의 문맥적 의미를 고려하여 정확도를 높인다. 문장 간 유사도 분석은 SBERT 기반 모델을 활용하여 문장을 임베딩한 후 코사인 유사도를 통해 의미적 거리까지 반영한다. 제안한 감정 및 감성 정보, 그리고 문장 간의 유사도를 고려하여 갈등을 예측한 KoBERT_EmoSentSim이 감정 및 감성만을 고려한 KoBERT_EmoSent와 문장 유사도만을 고려한 KoBERT_Sim과 비교했을 때, 정확도는 2.22%, 28.89%, F1은 2.41%, 28.04% 각각 성능이 높아짐을 보였다. 따라서 팀 내 커뮤니케이션의 정서적 흐름과 의미적 맥락을 반영하여 갈등을 조기에 예측하고, 원활한 협업 환경을 조성하는 데 기여할 수 있다.

다국어 초록 (Multilingual Abstract)

In the field of deep learning, LLM-based natural language processing has recently shown higher than expected performance in various fields through pre-learning and fine-tuning. Conflicts that occur during a project's progress mainly occur due to a lack of communication among team members, unclear roles and responsibilities, differences in expectations, conflicts in work styles, and poor time management. This study proposes the KoBERT_EmoSentSim method to extract emotion and sentiment information from sentences to analyze semantic similarity among them and to predict conflicts that might occur during team project execution. Sentiment analysis predicts positive/negative emotions using a KoBERT-based model, and it increases accuracy by considering contextual meaning between sentences. Inter-sentence similarity analysis uses an SBERT-based model to embed sentences and reflect semantic distances through cosine similarity. When KoBERT_EmoSentSim, which predicts conflicts by considering emotion and sentiment information and the similarity between sentences, was compared with KoBERT_EmoSent (which only considers emotion and sentiment) and KoBERT_Sim (which only considers sentence similarity), the accuracy was 2.22% and 28.89% higher, respectively, and F1-scores were 2.41% and 28.04% higher. Therefore, KoBERT_EmoSentSim can help predict conflicts early, creating a smooth collaborative environment by reflecting the emotional flow and semantic context of communication within a team.