인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
최근 대규모 언어 모델(Large Language Model, LLM)은 감성 분석을 포함한 자연어 처리 분야에서 우수한 성능을 보이고 있으나, 프롬프트 설계 방식에 따라 예측 성능과 해석 일관성이 크게 달라지는 문제가 존재한다. 본 연구에서는 프롬프트 유형에 따른 파운데이션 모델의 감성 분석 성능과 LIME을 활용한 설명 가능성을 비교 분석하였다. 실험에서는 한국어 앱 리뷰, 영어 IMDB 리뷰, 영어 TweetEval 데이터셋을 대상으로 역할 기반, 문맥 강화, 소수 예제, 형식 제한 프롬프트를 적용하고, GPT-4o-mini와 Gemini 2.5 Flash 모델의 성능을 평가하였다. 또한 문장 임베딩 기반 코사인 유사도와 LIME을 활용하여 예측 결과의 의미적 일관성과 설명 안정성을 정량, 정성적으로 분석하였다. 실험 결과, 이진 분류(IMDB)에서는 성능 차이가 1.5%p 이내였고 설명 일관성 차이도 0%p로 나타나 전반적으로 제한적이었다. 반면 삼중 분류(APP, Tweet)에서는 최대 약 3.0%p의 성능 차이가 나타났으며, 트윗 도메인에서는 설명 일관성 차이가 LIME 기준 25.0%p, 전체 합의율 기준 12.5%p로 확인되었다. 본 연구는 LLM 기반 감성 분석에서 프롬프트 설계가 성능과 해석 가능성에 미치는 영향을 체계적으로 분석하였다는 점에서 의의를 갖는다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-096643528
