Transfer Learning Model for Contextual Feature Extraction and Emotion Analysis in Dialogues

Abstract

This paper proposes a KoGPT2-based transfer learning model, Context-KoGPT2, designed to identify and analyze contextual characteristics within Korean dialogues. By assigning specific weights, it aims to reflect the cumulative atmosphere of conversations and was tested utilizing a Korean dialogues dataset across seven emotional categories. The results present that the model, particularly with a weight of 0.9, significantly enhances emotion classification performance by taking into account the contextual cues within the dialogue. Furthermore, it is confirmed that the model effectively diminishes the influence of previous sentences based on a thorough understanding of time gaps and the earlier context in conversation. It offers practical implications for real-time systems requiring swift emotional recognition.

본 논문에서는 한국어 대화에서 문맥적 특성을 파악하고 분석하기 위해 고안된 KoGPT2 기반 전이 학습 모델인 Context-KoGPT2를 제안한다. 특정 가중치를 부여하여 대화의 누적된 분위기를 반영하는 것을 목표로 하며, 7가지 감정 범주에 걸친 한국어 대화 데이터 세트를 활용하여 검증되었다. 실험 결과, 이 모델은 대화 내 문맥적 단서를 고려함으로써 감정 분류 성능을 크게 향상시켰다. 특히 가중치를 0.9로 설정한 모델은 대화의 시간적 간격과 이전 문맥에 대한 철저한 이해를 바탕으로 이전 문장의 영향을 효과적으로 감소시키는 것으로 확인되었다. 이는 신속한 감정 인식이 필요한 실시간 시스템에 실용적인 시사점을 제공한다.