메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
권순재 (서강대학교) 김주애 (서강대학교) 강상우 (가천대학교) 서정연 (서강대학교)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제23권 제4호
발행연도
2017.4
수록면
268 - 273 (6page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
최근 감정 분류 분야에서 딥러닝 인코더 기반의 접근 방법이 활발히 적용되고 있다. 딥러닝 인코더 기반의 접근 방법은 가변 길이 문장을 고정 길이 문서 벡터로 압축하여 표현한다. 하지만 딥러닝 인코더에 흔히 사용되는 구조인 장･단기 기억망(Long Short-Term Memory network) 딥러닝 인코더는 문서가 길어지는 경우, 문서 벡터 표현의 품질이 저하된다고 알려져 있다. 본 논문에서는 효과적인 감정 문서의 분류를 위해, 장･단기 기억망의 출력을 중요도에 따라 가중합하여 문서 벡터 표현을 생성하는 주목방법 기반의 딥러닝 인코더를 사용하는 것을 제안한다. 또한, 주목 방법 기반의 딥러닝 인코더를 문서의 감정 분류 영역에 맞게 수정하는 방법을 제안한다. 제안하는 방법은 윈도우 주목 방법(Window Attention Method)을 적용한 단계와 주목 가중치 재조정(Weight Adjustment) 단계로 구성된다. 윈도우 주목 방법은 한 단어 이상으로 구성된 감정 자질을 효과적으로 인식하기 위해, 윈도우 단위로 가중치를 학습한다. 주목 가중치 재조정에서는 학습된 가중치를 평활화(Smoothing) 한다, 실험 결과, 본 논문에서 제안하는 방법은 정확도 기준으로 89.67%의 성능을 나타내어 장･단기 기억망 인코더보다 높은 성능을 보였다.
#감정 분류 #딥러닝 인코더 #장·단기 기억망 #주목 방법 #sentiment classification #deep learning encoder #long short-term memory network #attention method

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 주목 방법 기반의 딥러닝 인코더
4. 실험 및 결과
5. 결론 및 향후 연구
References

참고문헌 (13)

참고문헌 신청
Yang, Changhua, et al., Emotion classification using web blog corpora, IEEE/WIC/ACM International Conference on IEEE, pp. 275-278, 2007. Montejo-Raez, Arturo et al., Ranked wordnet graph for sentiment polarity classification in twitter, Computer Speech&Language, Vol. 28, No. 1, pp. 93- 107, 2014. Tsai, Angela Charng-Rurng, et al., Building a concept-level sentiment dictionary based on commonsense knowledge, IEEE Intelligent Systems, Vol. 28, No. 1, pp. 93-107, 2014. Saif Mohammad, et al., NRC-Canada: Building the state-ofthe-art in sentiment analysis of tweets, SemEval-2013, pp. 321-327, 2013. Jaewon Hwang and Youngjoong Ko, A Document Sentimet Classification System Based on the Feature Weighting Method Improved by Measuring Sentence Sentiment Intensity, Journal if KIISE : Software and applications, Vol. 36, No. 6, pp. 491-497, 2009. (In korean)

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

딥러닝 모델을 이용한 실시간 객체 검출 기반 어포던스 특징 추출 시스템
고광은 ,  심귀보 제어로봇시스템학회 논문지 2017 .08
딥러닝 기반 기능적 뇌 영상 분석 및 경도인지장애 진단 프레임워크
강은송 ,  석흥일 한국정보과학회 학술발표논문집 2017 .06
시각장애인을 위한 딥러닝 기반 표지판 검출 및 인식
전태재 ,  이상윤 전자공학회논문지 2017 .02
딥러닝 기반의 멀티-모달 MRI 영상에서의 뇌종양 영역 분할
윤지석 ,  석흥일 한국정보과학회 학술발표논문집 2016 .12
하계 전력수요 예측을 위한 딥 러닝 입력 패턴에 관한 연구
신동하 ,  김창복 한국정보기술학회논문지 2016 .11

최근 본 자료

전체보기

댓글(0)

0