본 논문은 Aspect-based Sentiment Analysis (ABSA)를 위한 새로운 방법론인 Extensible Multi-Granularity Fusion Network (EMGF)를 제안합니다. EMGF는 의존 구문, 구성 구문, 어텐션 기반 의미론 및 외부 지식 그래프를 통합하여, 언어적 특징의 다양성으로 인한 모델 복잡성을 해결하고 확장 가능한 프레임워크를 제공합니다. EMGF는 multi-anchor triplet learning과 orthogonal projection을 사용하여 다양한 세분성의 특징을 효과적으로 융합하고, 추가적인 계산 부담 없이 상호 작용을 강화합니다. 또한, 텍스트 기반 ABSA를 위한 최초의 task-specific curriculum learning 프레임워크를 도입하여, 다섯 가지 지표를 사용하여 난이도 점수를 할당하고, 쉬운 것부터 어려운 순서로 모델을 학습시켜 일반화 성능을 향상시킵니다. SemEval 2014, Twitter, MAMS 데이터셋에서 실험한 결과, EMGF+CL이 최첨단 ABSA 모델보다 일관되게 우수한 성능을 보였습니다.
