선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 또한 신경망을 포함하여 통계적 패턴 인식 방법 등 전통적인 대부분의 패턴 인식 기법들이 학습 데이터의 수행 도를 최적화하기 위해 경험적인 위험 최소화(Empirical Risk Minimization)방법에 기초하고 있는 반해 SVM은 고정되어 있지만 알려지지 않은 확률 분포를 가지는 데이터에 대해 잘못 분류하는 확률을 최소로 하는 구조적인 위험 최소화 (Structure Risk Minimization)방법에 기초하고 있다. 본 논문에서는 SVM 공개 라이브러리인 LIBSVM을 이용해 감정 분류기의 훈련 및 분류를 수행했다.
- 즉, 이미 확보된 감정 특징에 대한 시소러스 정보를 이용해 감정 특징을 확장하는 것이다. 본 논문에서는 네이버(Naver) 국어사전에 있는 관련 어휘 정보(비슷한 말, 반대말)를 활용해 품사별로 획득된 기본 감정 특징을 확장했다.
- 본 논문에서는 문장의 감정을 분류하기 위해 문장에 포함되어 있는 사전 기반의 형식적 어휘 정보뿐만 아니라 인터넷 용어, 이모티콘 정보와 같은 비형식적 어휘 정보를 이용한 새로운 문장 감정 분류 방법을 제안한다. 문장의 감정을 분류하기 위해 제안한 방법에서는 감정사전을 이용해 문장으로 특징벡터로 표현한다.
- 본 논문에서는 사전 정보에 기반을 둔 형식적 감정 어휘와 이모티콘과 같은 비형식적 감정 어휘를 이용한 문장 감정 분류 시스템을 제안했다. 제안한 방법은 기존의 형식적 감정 특징을 이용해 문장의 감정을 분류하는 방법에 비해 인터넷 상의 댓글과 같은 다양한 문장의 감정을 분류하는데 우수한 성능을 보여주었다.
- 이러한 제한된 감정 특징을 확장하기 위해 기존의 여러 연구에서는 시소러스를 활용하여 단어를 확장하였다. 즉, 이미 확보된 감정 특징에 대한 시소러스 정보를 이용해 감정 특징을 확장하는 것이다. 본 논문에서는 네이버(Naver) 국어사전에 있는 관련 어휘 정보(비슷한 말, 반대말)를 활용해 품사별로 획득된 기본 감정 특징을 확장했다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.