Doing More With Less: Rethinking Entity-Level Sentiment at Scale
Author: Engineers at Meltwater | Source: Meltwater Engineering Blog | Published: 2026-04-23
한 줄 요약
문서를 엔티티마다 반복 처리하던 O(n) 감성분석을 단일 패스로 전환하여 추론 비용 45.5% 절감과 정확도 3.02% 향상을 동시에 달성했다.
핵심 주장/내용
- 기존 방식(v1): 엔티티별로 모델 재실행 — 같은 문서를 N번 반복 읽기, 엔티티 수에 비례하는 O(n) 비용
- 새 방식(v2): 문서 1회 인코딩 → 공유된 토큰 표현에서 엔티티별 임베딩 추출 → 멀티 멘션 평균 집계 → 감성 예측
- 비용 절감으로 확보된 리소스로 더 큰 모델 배포 가능 → 정확도 향상의 부수 효과
- 단순 평균 집계가 예상보다 강건, 멘션 레벨 로컬 컨텍스트가 대부분의 신호를 포함
주요 수치 / 사실
- 추론 비용 45.5% 절감
- 정확도 3.02% 향상
- O(n) → O(1) per document
관련 위키
Source: 원문 보기