Linguistically Informed Heterogeneous Graph Model for Korean Short Text Classification

단문 텍스트는 문맥이 부족하고 문장 구조가 비정형적이어서 분류가 어렵다. 특히 한국어는 교착어적 특성과 어순 유연성으로 인해 의미 단위 분석이 더욱 까다롭다. 지금까지 한국어 단문 분류에 특화된 연구는 거의 이루어지지 않았다. 본 연구에서는 이러한 문제를 해결하기 위해 SHINE 모델을 기반으로, 형태소·품사·개체명 정보를 그래프로 구성하고, 이를 통해 동적으로 문서 그래프를 학습하는 한국어에 특화된 분류 모델 K-SHINE을 제안한다. Kiwi 형태소 분석기, KLUE/RoBERTa 임베딩, KPF-BERT-NER 개체명 인식 모델을 적용하여 한국어의 언어적 특성에 맞는 문맥 정보를 반영하였으며, 실험 결과, K-SHINE은 다중 클래스 한국어 단문 분류에서 기존 비교 모델보다 우수한 성능을 보였다.