주식 토론방 댓글, AI는 웃는 글과 화난 글을 가려낼까?

무슨 연구인가

주식 토론방에는 하루에도 수천 개의 댓글이 쏟아집니다. 이 연구는 그중 6,000개를 골라, 각 댓글이 긍정인지·중립인지·부정인지 컴퓨터가 스스로 판별하도록 만든 실험입니다.

🔬 어떻게 분석했나

① 먼저 원자료를 손질했어요 — 댓글마다 감정 딱지를 붙이고, 오탈자·군더더기를 지우고, 문장을 컴퓨터가 읽기 좋은 조각(토큰)으로 잘랐습니다. 요리 전 재료 손질과 같은 단계입니다.
② 글을 '뜻이 담긴 숫자'로 바꿨어요(ERNIE) — ERNIE는 방대한 글을 미리 읽어둔 언어모델로, 문장을 넣으면 그 의미를 수백 개 숫자의 좌표로 돌려줍니다. 뜻이 비슷한 문장일수록 가까운 좌표에 놓여, 컴퓨터가 '의미'를 거리로 계산할 수 있게 됩니다.
③ 그 위에 가벼운 판별기를 얹었어요(Transformer 인코더) — 이 부품은 '셀프어텐션'으로 한 문장 안에서 어떤 단어가 감정을 좌우하는지 스스로 골라 더 크게 반영합니다. '폭락인데 웃기네' 같은 문장에서 '폭락'과 '웃기네' 중 무엇에 무게를 둘지 판단하는 셈이죠.
④ 마지막으로 설정값을 미세 조정했어요 — 여러 조합을 자동으로 훑어(그리드서치) 가장 성적이 좋은 설정을 고르고, 성능이 더 오르지 않으면 학습을 멈추게(조기종료) 했습니다.

📊 무엇을 찾았나

결과는 100개 중 약 93개를 맞히는 정확도(92.75%)였고, 종합 점수(F1)는 88.12%로 기존 BERT 방식보다 3.2%p 앞섰습니다 — 반에서 늘 몇 등씩 앞서는 학생인 셈이죠.

💡 내 연구에 가져갈 것

큰 모델을 통째로 다시 학습시키기 버겁다면, ERNIE·BERT는 '고정 특징 추출기'로만 쓰고 가벼운 분류기만 얹어보세요.

📄 논문 정보

Sentiment classification of stock forum text based on a parameter-decoupled ERNIE-Transformer architecture
Li Xiumei, Chen Fei, Ling Wenchao, Chen Kun
Journal of Electrical Systems and Information Technology · 2026-09-16 · 🔓 오픈액세스
원문 보기 ↗