본 논문은 SemEval 2025 Task 11 (Track A)를 위한 다국어 단문 감정 감지 시스템을 제안한다. 본 시스템은 언어별 성능 최적화를 위해 문서 표현과 학습 알고리즘을 동적으로 조정하는 특징 중심 프레임워크를 기반으로 한다. 28개 언어에 대해 문서 표현, 차원 축소, 모델 학습 세 가지 주요 구성 요소를 평가하고, 그 중 5개 언어에 대한 상세 분석을 제공한다. TF-IDF는 저자원 언어에 효과적이며, FastText와 Sentence-BERT 같은 문맥적 임베딩은 언어별 강점을 보인다. PCA는 특히 FastText와 MLP와 같은 신경망 모델에서 성능 저하 없이 학습 시간을 단축시킨다. 모델 복잡성과 처리 비용 간의 상충 관계를 분석하고, 다국어 감정 감지에 대한 확장 가능한 솔루션을 제공한다.
