본 논문은 최신 유니버설 텍스트 임베딩 모델의 부정어 인식 능력에 대한 심층 분석을 수행합니다. 기존 연구에서 BERT, ELMO, RoBERTa, XLNet 등의 문맥적 텍스트 임베딩 모델이 부정어를 정확하게 이해하는 데 어려움을 겪는다는 사실이 밝혀졌지만, 유니버설 텍스트 임베딩 모델의 부정어 인식 능력은 평가 벤치마크의 편향으로 인해 불명확했습니다. 본 연구는 최신 유니버설 텍스트 임베딩 모델에서 부정어를 포함한 텍스트 쌍을 의미적으로 유사하게 해석하는 등 부정어 인식 능력이 부족함을 발견했습니다. 이러한 문제를 해결하기 위해, 텍스트 임베딩 모델의 매개변수를 수정하지 않고 데이터 및 계산 효율적인 임베딩 재가중치 부여 방법을 제안합니다. 제안된 방법은 단순한 부정어 이해 작업과 복잡한 부정어 이해 작업 모두에서 텍스트 임베딩 모델의 부정어 인식 능력을 크게 향상시키며, 대규모 언어 모델 기반 작업별 고차원 유니버설 텍스트 임베딩의 부정어 인식 능력도 향상시킵니다.
