본 논문은 감정 인식 분야에서 고품질 다양한 감정 데이터셋 부족 문제를 해결하기 위해, 대규모 언어 모델(LLM)을 이용한 새로운 감정 풍부한 텍스트 생성 프레임워크인 PersonaGen을 제시합니다. PersonaGen은 인구통계적 속성, 사회문화적 배경, 상세한 상황적 맥락을 결합하여 계층화된 가상 페르소나를 구성하고, 이를 통해 감정 표현 생성을 유도합니다. 클러스터링 및 분포 메트릭을 통한 의미 다양성 평가, LLM 기반 품질 점수를 통한 인간 유사성 평가, 실제 감정 말뭉치와의 비교를 통한 현실성 평가, 하류 감정 분류 작업에서의 실용성 평가 등 포괄적인 평가를 수행합니다. 실험 결과, PersonaGen은 다양하고, 일관성 있으며, 차별적인 감정 표현 생성에서 기준 방법을 상당히 능가하며, 실제 감정 데이터셋을 보완하거나 대체할 강력한 대안으로서의 잠재력을 보여줍니다.
