Fine-Tuning for Korean Song Lyrics Emotion Classification Using GNN and Unsupervised Labeling

노래에서 가사는 감정이 담긴 여러 문장들로 구성되어 복합적인 감정을 지니고 이에 따라 감정 분석에서는 명확한 노래의 감정을 분류 하는데 여러 문제를 직면한다. 또한 한국어 BERT 계열 모델은 일상, 뉴스 데이터로 학습되어 노래 감정을 파악하는데 한계가 존재하며, 특히 한국어 노래는 가사 데이터셋의 부재, 감정 레이블의 부재 등으로 노래 데이터 구축에서도 어려움이 있다. 본 논문에서는 다음과 같은 단계적 프로세스를 제안한다: (1) 노래 가사를 Sentences embedding으로 추출 하고 (2) 그래프 구조를 통해 노드 임베딩을 GNN을 활용한 보정, (3) 비지도 클러스터링 기반 레이블 데이터셋 구축, (4) 한국어 BERT 모델의 노래 도메인 특화 파인튜닝. 본 연구의 목표는 품질 높은 감정분류를 위한 데이터셋 구축 및 한국어 bERT 모델의 노래 도메인의 최적화 파인튜닝이다. 실험 결과, GNN 보정을 통해 실루엣 계수 0.52를 달성하였고, 파인튜닝된 RoBERTa 모델은 Accuracy 73.6%, F1 Score 74.1%를 기록하여 노래 감정 분류에서 우수한 성능을 보였다. 시각화 분석 및 테스트 데이터를 활용한 검증 과정을 통해 제안 모델의 신뢰성을 확인하였다.