본 논문은 종속 구문 분석 트리와 문맥적 의미를 결합하여 측면 기반 감정 분석(ABSA)을 수행하는 기존 방식의 한계점을 극복하기 위해 Optimal Transport-Enhanced Syntactic-Semantic Graph Network (OTESGN) 모델을 제안합니다. OTESGN은 구문 그래프 인식 어텐션 모듈과 의미 최적 전송 어텐션 모듈을 통해 구조적 및 분포적 신호를 통합합니다. 구문 그래프 인식 어텐션 모듈은 구문 안내 마스킹을 사용하여 전역적 의존성을 모델링하고, 의미 최적 전송 어텐션 모듈은 Sinkhorn 알고리즘을 사용하여 측면-의견 연관성을 분포 매칭 문제로 공식화합니다. 적응형 어텐션 융합 메커니즘은 이종 특징을 균형 있게 조정하고, 대조 정규화는 강건성을 향상시킵니다. Rest14, Laptop14, Twitter 세 개의 벤치마크 데이터셋에 대한 실험 결과, OTESGN은 최첨단 성능을 달성하며, 특히 Laptop14에서 최대 +1.30 Macro-F1, Twitter에서 +1.01 Macro-F1 향상을 보였습니다. 추가적으로 ablation study와 시각화 분석을 통해 미세한 감정 연관성을 포착하고 무관한 문맥의 노이즈를 억제하는 OTESGN의 능력을 강조합니다.
