SetFitABSA: 소량 데이터로 구현하는 고성능 감성 분석

Intel Labs와 Hugging Face가 공동 개발한 SetFitABSA는 텍스트 내 특정 속성(aspect)에 대한 감성을 탐지하는 효율적인 Few-shot 학습 프레임워크다.

기존 LLM 기반 방식과 비교해 다음과 같은 핵심적인 장점을 가진다.

• 프롬프트 불필요: 복잡한 프롬프트 엔지니어링 없이 소량의 레이블된 데이터만으로 풍부한 임베딩을 생성하여 결과의 변동성을 줄인다.
• 빠른 학습 속도: 특수 태깅 도구 없이 간단한 데이터 포맷을 사용하여 학습이 매우 빠르고 쉽다.

작동 프로세스는 총 3단계로 이루어진다.

1. 속성 후보 추출: spaCy를 사용하여 문장에서 명사 및 명사구를 추출한다.
2. 속성/비속성 분류: SetFit을 통해 추출된 후보가 실제 속성인지 여부를 분류한다.
3. 감성 극성 할당: 분류된 각 속성에 대해 긍정 또는 부정의 감성을 연결한다.

실험 결과, SetFitABSA는 소량의 데이터 환경에서 Llama2나 T5와 같은 대규모 생성형 모델과 대등하거나 오히려 더 뛰어난 성능을 보여주었다.