본 논문은 차원적 측면 기반 감성 분석에 중점을 둔 SemEval-2026 Task 3에 대한 접근 방식을 제시합니다. 이 작업은 전통적인 범주형 레이블 대신 감성 valence 및 arousal에 대한 세밀한 실수 값 점수를 예측하는 방법을 조사합니다.
- 팀은 주어진 측면에 대한 점수를 예측하는 Subtask 1과 측면, 카테고리, 의견, 점수를 포함한 전체 감성 세부 정보 세트를 추출하는 Subtask 3에 참여합니다.
- 회귀 작업의 경우, 접근 방식은 Transformer 기반 인코더 모델의 가중 앙상블을 사용합니다.
- 러시아어 입력의 경우, 이 방법은 대규모 언어 모델을 사용하여 합성 감성 설명을 생성함으로써 데이터를 강화합니다.
- 추출 작업의 경우, 디코더 LLM이 구조화된 예측을 수행하도록 파인튜닝되어 감성 요소 식별과 수치 점수 추정을 동시에 수행합니다.