이번 연구는 20가지 감정을 분류하는 데이터셋을 활용하여 PyCaret AutoML과 BiLSTM 모델의 성능을 비교했어요. 전통적인 머신러닝 모델과 딥러닝 모델을 비교한 결과, BiLSTM 모델이 89%의 정확도를 기록하며 가장 좋은 성능을 보였어요. BiLSTM 모델은 문맥 속 감정 단서를 더 잘 파악하는 것으로 나타났어요.
로지스틱 회귀, 나이브 베이즈, SVM과 같은 머신러닝 모델은 TF-IDF 특징을 사용했고, BiLSTM, GRU, PyTorch 기반의 경량 Transformer 모델을 비교했어요. SVM 모델은 88.11%의 정확도를 기록하며 BiLSTM 모델과 근접한 성능을 보였어요.
연구 결과, 전통적인 머신러닝 모델은 여전히 경쟁력 있고 효율적이지만, 시퀀스 기반 딥러닝 모델이 텍스트의 감정 단서를 더 잘 포착하는 것으로 확인되었어요.