본 논문은 암묵적 증오 표현 감지에 있어 기존의 대조 학습 방식의 한계를 지적하고, 인간의 추론 과정을 모방한 새로운 접근 방식인 AmpleHate를 제안합니다. AmpleHate는 사전 훈련된 명명된 개체 인식 모델을 사용하여 명시적 대상을 식별하고, [CLS] 토큰을 통해 암묵적 대상 정보를 포착합니다. 명시적 및 암묵적 대상과 문장 맥락 간의 주의 기반 관계를 계산하여 이러한 관계 벡터를 최종 문장 표현에 직접 주입함으로써, 대상-맥락 관계의 중요한 신호를 증폭시켜 암묵적 증오를 판별합니다. 실험 결과, AmpleHate는 기존 대조 학습 기반 모델보다 평균 82.14% 향상된 성능을 보이며 더 빠른 수렴 속도를 달성했습니다. 정성적 분석을 통해 AmpleHate의 주의 패턴이 인간의 판단과 밀접하게 일치함을 보여주어, 해석 가능성과 견고성을 강조합니다.