본 논문은 대규모 언어 모델(LLM)을 이용한 효율적이고 효과적인 감정 분석을 위한 새로운 동적 적응형 순위 공간 탐색(DARSE) 프레임워크를 제안합니다. DARSE는 최적의 순위 범위를 식별하는 조잡한 탐욕 알고리즘, 순위 선택을 개선하는 미세한 탐색 알고리즘, 그리고 각 LLM 계층에 대한 최적의 순위 조합을 결정하는 동적 순위 할당 방법으로 구성됩니다. 실험 결과, DARSE는 기존 연구 대비 MSE 15.1%, 정확도 4.3% 향상된 감정 분석 정확도를 달성하여 계산 효율성과 모델 성능 간의 균형을 이룹니다.
