본 논문은 금융 분야에 딥러닝과 계산 지능을 적용하는 연구가 활발히 진행되고 있음을 배경으로, 특히 주가 예측에서 소셜 미디어 데이터를 활용한 자연어 처리 기술의 중요성을 강조합니다. 기존 연구들이 다양한 딥러닝 기법(양방향 GRU, 변분 오토인코더, 단어 및 문서 임베딩, 자기 주의, 그래프 주의, 적대적 훈련 등)을 결합하여 성과를 달성한 데 비해, 본 논문은 트위터 데이터에 특화된 BERT 변형인 BERTweet과 트랜스포머 아키텍처를 활용하여 Stocknet 데이터셋에서 경쟁력 있는 성능을 보이고 새로운 Matthews Correlation Coefficient 기준을 제시합니다. 이는 보조 데이터 소스 없이 달성한 결과라는 점에서 의의가 있습니다.
