Comparative Analysis of Machine Learning and Transformer Models for Sentiment Analysis
Hajra Sultana, Asad Gohar, Rubina Akter Rabeya, Hee-Cheol Kim · The Journal of the Korean Institute of Information and Communication Engineering · 2026
인터넷 기반 앱들의 확산으로 사용자 입력 데이터의 양이 급격히 증가하였다. 전 세계의 정부들, 기업들, 학계들은 사용자 입력 데이터의 양이 급격히 증가함에 따라 입력의 기초가 되는 감정을 이해할 수 있습니다. 본 연구에서는 구형의 기계 학습 기법과 최신 딥러닝 기반 자연어 처리 모델을 비교하여 감정 분석 효율성을 평가하였다. 사용한 세 가지 모델들을 다음과 같다: (1) TF-IDF 기반 로지스틱 회귀, (2) Word2Vec 기반 로지스틱 회귀, 그리고 (3) 트랜스포머 기반 DistilBERT 모델. 방금 말한 세 가지 모델의 성능은 정확성(Accuracy), 정밀성(Precision), 재현율(Recall), F1-스코어(F1-Score) 및 혼동 행렬(Confusion Matrix)을 사용하여 Yelp 데이터셋에 나온 5,000개의 라벨이 붙은 리뷰에서 모델 성능을 평가했다. 분석 결과, DistilBERT 모델이 가장 높은 정확성을 보였으며, 구형의 모델들은 합리적인 처리 비용으로 경량 응용에 적합하였다. 본 연구는 효율적으로 감정 분석을 할 수 있는 모델을 선택하는 것의 중요성을 보여준다.