본문으로 건너뛰기

UCSD Qualcomm Institute

2026.01~02

FinBERT vs LLM 감성분류 연구

KCC 2026 게재6인 중 2저자

의사라벨 감성 분포 — 임계값이 원본 도메인 구조를 지키는가 신뢰도 임계값 α가 낮을수록 원본 금융 도메인 분포를 그대로 유지한다 부정 중립 긍정 원본 금융 도메인 Financial PhraseBank 테스트 4,846건 12.5 59.4 28.1 α = 0.75 · 7 사이클 원본 분포를 거의 그대로 유지 12 58 30 α = 0.9 · 3 사이클 부정이 세 배로 늘며 원본에서 멀어짐 31 47 22 α = 0.75에서 Macro F1 0.85 / 0.84 → 0.87, Macro Accuracy 0.86 → 0.88 단위 %. 값은 반올림돼 합이 100이 아닐 수 있다. 출처: KCC 2026 게재분이 아닌 후속 준지도 자기학습(미출판) — Evaluating the Model Stability of FinBERT through SSL under Cross-Domain Mismatch, Team C

문제

금융 코퍼스(FPB)만 학습한 FinBERT를 일반 리뷰 도메인에 그대로 쓰면 어떻게 되는지는 알려진 바가 없었다.

내가 한 것

BERT·FinBERT 베이스라인을 작성해 돌렸다. Yelp 리뷰 65만 건을 Gemini 품질 필터로 정제하는 데이터 파이프라인도 맡았다.

결과

부정적 전이를 수치로 실증해 6인 중 2저자로 KCC 2026에 실었다. 후속 준지도 자기학습으로 금융 테스트셋 성능을 끌어올렸다.
PythonPyTorchHugging FaceFinBERTGemini APIOpenAI APIpandas
논문