본 논문은 자연어 처리에서 복잡한 과제인 감정 분류, 특히 상반되는 여러 감정이 혼재된 긴 문장 분석에 초점을 맞추고 있습니다. 긴 문장일수록 모델 성능 저하가 심해지는 문제를 해결하기 위해, 상반되는 감정들을 분리하고 이를 종합하여 전체 감정을 효과적으로 예측하는 새로운 방법론을 제시합니다. 특히, 다층 퍼셉트론(MLP) 모델을 이용한 집계 전략이 Amazon, Twitter, SST 등 다양한 데이터셋에서 기존 모델보다 우수한 성능을 보이며, 기존 모델의 미세 조정 비용의 약 1/100 수준의 비용으로 동작함을 보여줍니다.
