Improving Aspect-Based Sentiment Analysis in Korean Using Enhanced Embedding and GCN

Abstract

Customer feedback generated on online shopping platforms and social media has become a crucial resource for corporate decision-making and strategy formulation. Product reviews, in particular, influence consumer purchasing decisions and supply critical insights that assist companies in improving product quality and crafting marketing strategies. To maximize the value of these data, Aspect-Based Sentiment Analysis (ABSA) has become a significant area of study as an effective tool for analyzing emotions associated with specific aspects in detail. However, ABSA research based on the Korean language is relatively limited, and a novel approach that reflects the linguistic characteristics of Korean is required. This study proposes and experimentally validates an ABSA model designed to account for the unique linguistic features of Korean. The assessment of model performance relied on AI Hub's Aspect-Based Sentiment Analysis dataset, focusing on the fashion domain. KLUE-BERT was employed as the base embedding model, and task-specific layers were added to enhance the embedding quality, enabling more precise detection of aspects and sentiments. Furthermore, considering the contextual nature of the Korean language, we introduced GCN (Graph Convolutional Network) to efficiently capture the structural connections between words in sentences and selectively utilize contextual information. The model performance was primarily evaluated using the Macro F1 score, with Accuracy included as an additional evaluation metric. Experimental results showed the best performance in both aspect and sentiment classification when position embeddings and task-specific layers were introduced, with further performance improvements achieved when graph structures were additionally applied. This suggests that the proposed model can effectively reflect the context-dependent characteristics and structural relationships of Korean text. This study proposes a novel approach to ABSA research utilizing Korean datasets, exploring its potential contribution to advancing Korean NLP technologies. It is anticipated that this research will be extended to various domains and tasks, facilitating more comprehensive analysis and practical applications based on Korean data.;온라인 쇼핑 플랫폼과 소셜 미디어에서 생성되는 고객 피드백은 기업의 의사결정 및 전략 수립에 중요한 자원이 된다. 특히, 상품 리뷰는 소비자들의 구매 결정에 영향을 미치고, 기업이 제품 품질을 개선하고 마케팅 전략을 수립하는 데 핵심적인 통찰을 제공한다. 이러한 데이터의 가치를 극대화하기 위해 속성기반 감성분석은 특정 속성과 연관된 감정을 세밀하게 분석하는 효과적인 도구로 주목받고 있다. 그러나 현재 한국어를 기반으로 한 속성기반 감성분석 연구는 상대적으로 부족하며, 한국어의 언어적 특성을 반영한 새로운 접근이 필요한 상황이다. 이에 본 연구는 한국어의 언어적 특성을 고려한 ABSA 모델을 설계하고 이를 실험적으로 검증하였다. 실험을 위해 AI Hub에서 제공하는 '속성 기반 감성분석 데이터' 중 패션 도메인 데이터를 활용하여 모델의 성능을 평가하였다. KLUE-BERT를 기본 임베딩 모델로 활용하였으며, 속성과 감성을 더 정교하게 포착하기 위해 임베딩 품질을 개선하는 특화 레이어를 추가하였다. 또한, 문맥적인 의미가 중요한 한국어 데이터셋의 특성을 고려하여, 문장 내 단어들 간의 구조적 관계를 효과적으로 모델링하기위해 GCN을 도입하여 문맥 정보를 효과적으로 활용할 수 있도록 설계하였다. 모델의 성능은 주요 지표로 Macro F1 스코어를, 추가 지표로 Accuracy를 활용하여 평가하였다. 실험 결과, aspect 분류와 sentiment 분류 모두에서 위치 임베딩과 태스크별 레이어를 도입했을 때 가장 우수한 성능을 보여주었으며, 여기에 그래프 구조를 추가 적용했을 때 더 나은 성능 향상을 달성하였다. 이는 제안된 모델이 한국어 텍스트의 문맥 의존적 특성과 구조적 관계를 효과적으로 반영할 수 있음을 시사한다. 본 연구는 한국어 데이터셋을 활용한 ABSA 연구에 대한 하나의 새로운 접근을 제안하며, 한국어 NLP 기술 발전에 기여할 가능성을 탐구하였다. 앞으로 본 연구가 다양한 도메인과 태스크로 확장되어, 한국어 데이터를 활용한 심층적인 분석과 실질적인 응용으로 이어지기를 기대한다.