Development of a Sentiment Classification and Keyword Extraction System Based on Chatbot and Sentiment Analysis Model

기존의 설문 기반 정보 수집 방식이나 단일 문장 중심의 감성 분석 모델은 대화 문맥을 반영하지 못하는 한계를 가진다. 이에 본 연구는 한국어 트랜스포머 기반 감성 분석 모델 KcELECTRA와 챗봇 시스템을 결합하여, 질문-응답 문맥에 기반한 실시간 사용자 정보 추출 시스템을 제안한다. 제안 시스템은 KcELECTRA를 통해 감정 상태를 이진 분류하고, SBERT 기반 유사도 계산과 GPT 기반 생성형 추론을 결합해 관심 키워드를 도출한다. 또한, 8비트 정밀도의 Post-Training Quantization 기법을 적용하여 모델 경량화와 추론 속도를 향상시켰다. 실험 결과, 제안 모델은 기존 KcELECTRA 기반 공개 모델 대비 정확도 0.9800, F1 점수 0.9804로 높은 성능을 나타냈으며, 양자화 후에도 정확도 0.9750, 추론 속도 29% 향상, 모델 크기 67.65% 축소 등 실시간 응용에 적합한 성능을 보였다. 본 시스템은 온디바이스 환경에서도 높은 감성 분석 정확도와 빠른 응답 속도를 유지하며 개인화 정보 제공, 맞춤형 추천, 사용자 중심 UI 설계 등 다양한 응용이 가능하다. 나아가 문맥 기반 감성 해석과 실시간 사용자 모델링의 실용적 가능성을 제시한다.