ABSA 모델은 특정 어휘에 대한 감성을 파악해야 하는데, 기존 역설 생성 방법은 문장 전체의 감성을 뒤집어 어휘 유효성, 의미 변화, 모순을 초래할 수 있습니다. CAVE-ABSA는 어휘 관련 의견 범위를 특정하고, 제어된 역설 재작성, 후보 수정, 어휘 기반 검증 단계를 거쳐 의미 있는 역설을 생성합니다. 이 프레임워크는 ABSA 모델의 견고성 평가와 데이터 증강을 위한 검증된 역설 ABSA 데이터셋 구축을 목표로 합니다.
CAVE-ABSA는 생성과 검증을 분리하여 어휘 기반 감성 추론에 대한 모델 의존성을 테스트하고, 어휘 유효성, 의미 유사성, 구조 보존, 편집 최소성, 유창성, 모순 감지 등을 통해 역설의 품질을 보장합니다.
연구팀은 CAVE-ABSA를 통해 기존 방법의 한계를 극복하고, ABSA 모델의 정확성을 검증하는 데 기여할 것으로 기대합니다.