본 논문은 대규모 언어 모델(LLM)을 이용하여 종합적인 측면 기반 감정 분석(ABSA) 데이터를 생성하는 방법을 제시합니다. 실제 대화의 미묘한 뉘앙스를 반영하는 다양하고 라벨링된 데이터의 부족이라는 ABSA의 어려움을 해결하기 위해, GPT-4를 사용하여 여러 도메인에 걸쳐 일관된 주제 및 감정 분포를 갖는 데이터 생성 프로세스를 상세히 설명합니다. 생성된 데이터의 질과 유용성은 세 가지 최첨단 LLM(Gemini 1.5 Pro, Claude 3.5 Sonnet, DeepSeek-R1)의 주제 및 감정 분류 작업 성능을 평가하여 검증되었습니다. 실험 결과, 합성 데이터의 효과를 보여주며, 모델 간의 성능 차이(DeepSeekR1은 높은 정밀도, Gemini 1.5 Pro와 Claude 3.5 Sonnet은 높은 재현율, Gemini 1.5 Pro는 빠른 추론 속도)를 확인하였습니다. 결론적으로, LLM 기반 합성 데이터 생성은 제한적이거나 접근 불가능한 실제 라벨링 데이터에 의존하지 않고, 가치 있는 ABSA 리소스를 생성하여 연구 및 모델 평가를 용이하게 하는 실행 가능하고 유연한 방법임을 보여줍니다.
