에세이 자동 평가(Automated Essay Scoring; AES)란 주어진 에세이에 대해 채점자가 점수를 평가하는 대신 모델이 자동으로 점수를 부여하는 작업이다. 최근 AES는 논증 구조를 자질로 활용하였으나, hand-crafted feature의 사용으로 높은 자질 추출 비용이 요구되며, 제한적인 평가 항목만을 고려하므로 에세이 작성자에게 적절한 피드백을 제공하기 어렵다는 문제가 있다. 이를 해결하기 위해 본 논문에서는 논증 레이블만을 사용하며, trait attention을 통한 가중치 조절로 모든 trait(평가 항목)을 고려할 수 있는 AES 모델을 제안한다. 실험을 통해 제안모델이 다양한 trait에서 효과적으로 성능을 개선하는 것을 확인하였으며, 특히, 논증 구조가 노이즈로 작용할 수 있는 일부 trait에 대해서도 가중치 조절을 통해 성능 하락을 완화할 수 있음을 보였다.