TCDA: 대화형 속성 기반 감성 4요소 분석을 위한 스레드 제약 및 담화 인지 모델링

대화형 감성 분석에서 여러 대화가 섞일 때 발생하는 구조적 노이즈와 문장 간 거리가 멀어질 때 관계 파악이 어려워지는 문제를 해결했습니다. 스레드 단위의 제약을 둔 그래프 구조와 담화 맥락을 반영한 위치 임베딩을 통해 복잡한 다자간 대화에서도 정확한 감성 추출이 가능함을 입증했습니다.

기존의 대화형 감성 분석은 Graph Convolutional Networks(GCN)를 사용하여 발화 간의 관계를 모델링했으나, 이는 관련 없는 대화 스레드로부터 노이즈를 유입시키는 한계가 있었다. 또한 표준 RoPE 방식은 긴 대화에서 토큰 간의 거리가 멀어지면 의미적 연결 고리가 약해지는 Distance Dilution 현상을 겪는다.

TCDA는 이를 해결하기 위해 대화의 '스레드' 구조에 주목한다. 먼저 TC-DAG를 통해 정보가 같은 스레드 내에서만 흐르도록 제약하여 노이즈를 차단한다. 이는 마치 복잡한 채팅방에서 특정 답장 흐름만 추적하는 것과 유사한 원리다.

나아가 D-RoPE는 위치 정보를 계산할 때 토큰 단위의 순서뿐만 아니라 발화 단위의 진행 순서를 독립적인 공간에 투영한 뒤 결합한다. 이 과정에서 스레드가 다를 경우 좌표 부호를 반전시키는 Topology-Adaptive 변환을 적용하여, 물리적 거리가 멀더라도 논리적 구조에 기반한 상대적 거리를 모델이 학습할 수 있게 한다.

전체 프레임워크는 크게 Global Discourse Encoder와 Multi-granularity Integrator로 구성된다. 먼저 PLM을 통해 추출된 특징을 TC-DAG 기반의 관계형 GNN에 입력하여 발화 간의 위상 구조를 반영한 전역 담화 표현을 생성한다.

TC-DAG 구축 시에는 각 노드를 동일 화자의 이전 발화와 연결하되, 윈도우 크기 ω 내의 중간 배경 정보를 포함시킨다. 스레드 경계에 도달하면 전역 루트 노드 u1에 연결하여 전체 대화의 일관성을 유지한다. [발화 인덱스 i, j 입력 → 스레드 소속 여부 및 화자 동일성 판단 → 유향 엣지 생성 → 스레드 제약 그래프 출력]

D-RoPE는 Hfinal 표현을 토큰 스트림(mic)과 발화 스트림(mac)으로 분리 투영한다. 토큰 레벨에서는 θmic=10000의 주파수를, 발화 레벨에서는 θmac=100의 낮은 주파수를 사용하여 거시적 담화 앵커를 형성한다. [토큰/발화 인덱스 입력 → 이중 스트림 회전 변환 → 위상 적응형 좌표 반전 → 최종 위치 임베딩 생성]

ZH 데이터셋에서 Quadruple F1 Micro 점수 44.35를 기록하며 DMIN(43.29) 대비 우수한 성능을 보였다. EN 데이터셋에서도 39.69점을 기록하여 기존 SOTA 모델인 ICMSR(39.36)을 경신했다.

Ablation Study 결과, TC-DAG를 제거했을 때 ZH 기준 F1 점수가 0.57 하락했으며, D-RoPE를 제거했을 때 0.61 하락했다. 두 모듈을 모두 제거하면 1.06의 성능 하락이 발생하여 두 구성 요소가 상호 보완적으로 작동함을 확인했다.

D-RoPE의 범용성 실험에서는 MVQPN 모델에 D-RoPE만 추가했을 때 ZH 데이터셋에서 Micro F1이 1.84% 향상되는 결과를 얻어, 모델에 구애받지 않는 플러그인으로서의 효과를 입증했다.

TCDA 아키텍처는 RoBERTa-Large를 백본으로 사용하며, 3계층의 구체 지식 인코더(CKEncoder)와 2계층의 TC-DAG를 결합한다. CKEncoder는 구문 및 의미 GCN을 병렬로 배치하여 로컬 지식을 추출한다.

TC-DAG의 핵심은 관계 인식 어텐션 메커니즘이다. 화자 공유 여부에 따라 관계별 투영 행렬 W_rij를 선택적으로 적용하여 화자 내/화자 간 의존성을 차별적으로 가중한다. 업데이트 과정에서는 두 개의 병렬 GRU(GRUH, GRUC)를 사용하여 노드 상태와 컨텍스트 진화를 동시에 모델링한다.

D-RoPE는 Topology-Adaptive Coordinate Transformation을 통해 스레드가 갈라지는 지점에서 좌표 부호를 반전시킨다. 이는 서로 다른 스레드 간의 거리를 합산 거리(ptok(i) + ptok(j))로 변환하여 위상적 경로 길이를 정확히 인코딩하게 한다. 학습 시에는 AdamW 옵티마이저를 사용하며 PLM에는 1e-5, 기타 파라미터에는 1e-4의 학습률을 적용한다.