소셜미디어 텍스트의 슬랭 처리 기반 계층적 감정 분류와 텍스트 감정 맞춤형 이모지 생성 기법

Abstract

본 연구는 소셜미디어 텍스트의 정밀한 감정 분석을 반영한 사용자 맞춤형 이모지 생성 방법을 제안한다. GoEmotions를 7개 상위 감정군과 27개 하위 감정군으로 구성된 2단계 계층 구조로 재구성하고, 공유 인코더와 그룹별 헤드를 갖춘 BERT 기반 coarse-to-fine 분류기를 설계하였다. 또한 OED(Oxford English Dictionary)를 기반으로 슬랭 사전을 구축하여 비표준 표현이 포함된 문장의 감정 분류 성능을 향상시켰다. DALL·E 3에 S1(텍스트), S2(텍스트, 감정), S3(텍스트, 감정, 시각 묘사) 프롬프트 전략을 적용하여 텍스트와 감정을 더 충실히 반영하는 최적의 프롬프트를 선정하였다. 실험 결과, 슬랭 정규화를 적용한 계층 분류 모델이 가장 높은 F1-score를 기록했으며, S3 전략이 CLIP-Sentiment, CLIP-Text에서 높은 성능을 기록하였다. 아울러 IS의 저하 없이 이미지 품질과 다양성이 유지되었음을 확인하였다.