부정 표현과 예외 처리

not good에서는 good이 여전히 긍정으로 점수화되므로 단서를 세는 방식이 제대로 작동하지 않습니다. 부정 표현은 문장 전체의 의미를 뒤집어 단순한 탐지기를 속일 수 있습니다.

not, never, no 같은 부정 단어를 작은 목록으로 관리하세요. 이런 단어가 나타나면 바로 뒤의 단서는 대개 반대 의미가 됩니다.

간단한 해결책은 토큰이 부정어이면 그 뒤에 오는 단어의 감정을 반전한 뒤 점수에 더하는 것입니다.

부정 표현은 보통 다음 한두 단어에 영향을 주므로 작은 범위를 적용하세요. 문장 나머지 전체의 의미를 뒤집으면 지나치게 수정하게 됩니다.

very와 really 같은 단어는 강조어로 작용합니다. Very good은 good보다 더 강하게 느껴지므로 다음 단서에 더 큰 가중치를 줄 수 있습니다.

어떤 단어는 감정의 강도를 낮춥니다. Slightly와 barely는 완화어이므로 수식하는 단서의 가중치를 줄여야 합니다.

사람들은 이모지에 감정을 많이 담습니다. 웃는 얼굴은 긍정 신호를, 찡그린 얼굴은 부정 신호를 더하므로 자주 쓰이는 이모지를 어휘집에 매핑하세요. 🙂

강한 감정은 반복되는 문장 부호로 나타나기도 합니다. 느낌표가 여러 개 있으면 주변 단서의 가중치를 높일 수 있습니다. amazing보다 amazing!!!이 더 강하게 들리기 때문입니다.

규칙은 just wonderful, another bug 같은 빈정거림도 놓칩니다. 확신도가 낮은 사례는 검토 대상으로 표시하세요. 거짓 확신보다는 정직한 한계가 낫습니다.

긴 리뷰에서는 칭찬과 불만이 동시에 나타납니다. 하나의 레이블은 미묘한 차이를 숨기므로 더 명확한 그림을 위해 문장 단위의 감정을 보고하는 것도 고려하세요.

새 규칙을 추가할 때마다 한 가지 빈틈은 메워지지만 복잡성은 커집니다. 예외 사례가 쌓이면 학습된 모델이 대개 더 자연스럽게 처리합니다.

작은 규칙과 범위를 사용해 부정 표현, 강조어, 이모지, 빈정거림에 더 강한 탐지기를 만들었습니다. 예외 사례가 쌓이면 학습된 모델을 사용하세요. ✅