소셜 미디어와 전자 상거래의 영향력 증가로 고객 태도 이해가 중요해짐에 따라, 텍스트 기반 의견 분석의 중요성이 커지고 있습니다. 기존의 어휘 기반 접근 방식과 전통적인 머신러닝 기법은 문맥적 뉘앙스와 확장성을 처리하는 데 한계가 있었습니다. 딥러닝(DL)은 재귀 신경망(RNN)과 컨볼루션 신경망(CNN)을 통해 의미 관계를 포착하는 데 개선을 보였습니다. 본 연구는 양방향 게이트 재귀 유닛(BGRU)과 장단기 메모리(LSTM) 레이어를 결합한 하이브리드 딥 신경망 모델(HBGRU-LSTM)을 도입하여, 특히 문맥적 뉘앙스, 확장성 및 클래스 불균형 문제를 해결하여 감성 분석을 개선하는 것을 목표로 합니다. IMDB 영화 비평 및 Amazon 제품 평가 벤치마크 데이터 세트를 사용하여 HBGRU-LSTM 아키텍처를 실험한 결과, 95%의 테스트 정확도를 달성하여 LSTM (93.06%), CNN+LSTM (93.31%), GRU+LSTM (92.20%)과 같은 기존 DL 프레임워크의 성능을 능가했습니다. 또한, 불균형 데이터 세트에서 86%였던 부정적 감성에 대한 재현율이 균형 데이터 세트에서 96%로 향상되었으며, 불균형 데이터 세트에서 20.24%였던 오분류 손실은 균형 데이터 세트에서 13.3%로 감소하여 일반화 성능과 견고성이 향상되었습니다.
