aspect-sentiment 사용 가이드
⚠️ 개념 증명(PoC) 스킬입니다. 측면 감정분석의 핵심 흐름(무상태 단건 처리·closed-set 분류체계·화자분리·고정 출력 계약)을 Claude 단독으로 시연하는 단계입니다. 정확도 보장·골드셋 평가·대량 처리·ML 백엔드는 아직 없습니다(아래 「한계」 참조). 결과는 참고용으로만 쓰세요.
이 스킬은 무엇을 하나
한국어 텍스트(리뷰 / CS 상담)를 주면, “무엇에 대한” 감정인지 측면별로 분리해 고정 JSON으로 만듭니다. 단순 긍·부정이 아니라 배송·가격·품질·응대태도 같은 측면마다 긍정/중립/부정을 답니다.
바로 해보기 — 자료 없이 “지침만으로”
아래 예시는 외부 파일 없이 그대로 복사해 말하면 됩니다. (스킬이 분류체계·출력 스키마·few-shot을 자동으로 불러옵니다.)
예시 1 — 리뷰 한 건 (한 문장에 여러 측면 + 상반)
aspect-sentiment로 분석해줘: 『화질은 진짜 좋은데 배터리가 너무 빨리 닳고 가격은 그럭저럭이에요』
기대: 품질(긍정)·품질배터리·가격(중립), overall_sentiment=mixed.
예시 2 — 리뷰 여러 건 (배치 = 건마다 독립 판정)
다음 리뷰 3건을 각각 측면 감정분석해줘. 한 건씩 독립으로 섞지 말고:
- 배송 빠르고 포장도 꼼꼼해요
- 디자인은 예쁜데 사이즈가 작아요
- 가격 대비 영 별로…
기대: 리뷰별 JSON 1개씩(서로의 톤이 섞이지 않음).
예시 3 — CS 상담 멀티턴 (화자분리)
CS 상담 로그야. 고객 발화만 측면 분석해줘(상담원 발화는 제외): [고객] 30분째 기다리는데 연결이 안 되네요 [상담원] 불편을 드려 죄송합니다 [고객] 됐어요 그냥 취소할게요
기대: 대기시간(부정)·환불보상(취소). 상담원 “죄송합니다”는 극성에 넣지 않음. euphemistic_negation=true(됐어요), resolution=unresolved.
예시 4 — 존댓말 속 완곡 불만
이 문장 측면 감정 뽑아줘: 『가격이… 음, 좀 그렇네요』
기대: 가격(부정) + flags.euphemistic_negation=true.
예시 5 — 사르카즘/반어
측면 분석: 『역시 빠르네요~ 일주일 만에 도착 ㅋㅋ』
기대: 배송(부정, 반어) + flags.sarcasm=true.
예시 6 — 미언급 ≠ 중립
본문이 “그냥 그래요”뿐인 리뷰야. 측면 분석해줘.
기대: 잡히는 측면이 없으면 aspects는 빈 배열(중립으로 억지로 채우지 않음).
예시 7 — 내 측면 체계로 (커스텀 분류)
측면 목록을 [맛, 양, 친절]로 해서 분석해줘: 『양은 많은데 너무 짜고 직원분은 친절했어요』
기대: 양(긍정)·맛(부정)·친절(긍정). (내장 기본 대신 사용자 측면 목록 우선)
예시 8 — 상태 축 분리 (감정이 아닌 사실)
CS 분석: 『결제가 두 번 됐다고 했더니 바로 환불해주셔서 해결됐어요』
기대: 환불보상(긍정) + process_signals.resolution=resolved.
예시 9 — 출력 검증
라벨 결과를 JSONL로 저장한 뒤 Claude에게 말하세요.
방금 분석 결과를 스키마·분류체계 멤버십·필드 모순 기준으로 검증해줘
팁
- 배치는 doc별 독립 — 여러 건을 한 번에 줘도 건마다 따로 판정합니다(앞 글 톤이 뒤 글에 옮지 않음).
- 라벨에 극성 넣지 않기 — “배송지연불만” 같은 합친 라벨 대신
배송 + 부정으로 분리됩니다. - 상태 vs 감정 — 해결여부·에스컬레이션은 감정이 아니라
process_signals로 나옵니다. - 도메인이 다르면 커스텀 측면 — 음식점·앱 리뷰 등은 측면 목록을 직접 주세요(예시 7).
한계 (PoC — 꼭 읽어주세요)
- 정확도 미보장 — 골드셋·F1·주석자 합의도(IAA) 평가가 아직 없습니다. 사르카즘·완곡부정·암시는 특히 약합니다.
- 대량 처리 부적합 — 수만 건+ 저비용·저지연 처리는 범위 밖입니다(향후 별도 ML 백엔드
ml-absa영역). - 집계·리포트 없음 — 측면별 분포·KPI(미해결율 등) 집계는 후속 단계. 지금은 라벨링까지입니다.
- 반구조화 실로그 주의 — 실 CS 로그(문자 발송 로그·시스템 메모가 섞인 형태)는 고객 발화 분리가 까다로워 정확도가 떨어집니다.
- PII는 직접 마스킹 — 실데이터를 넣기 전 전화·주문번호·이름 등 개인정보를 마스킹하세요. 이 스킬은 비식별화를 자동 수행하지 않습니다. 먼저
pii-redact스킬을 쓰세요.
한 줄: “되는지 감을 보는” PoC입니다. 운영 품질이 필요하면 골드셋 평가·집계·ML 백엔드를 갖춘 다음 단계가 필요합니다.