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
- 본 연구는 연구적, 실무적으로 시사하는 바가 있는데, 연구적 시사점으로는 첫 번째로 한글 저자 판별에 딥러닝 기법 중 하나인 CNN을 사용함으로써 한글의 문법적 특성에 따른 데이터 전처리의 복잡성과 분석의 어려움을 최소화하고자 했다는 것이다. 그리고 두 번째로는 본 연구가 기본 자모 단위의 통계적 분석으로도 충분히 효과적인 결과를 도출할 수 있다는 것을 확인함으로써 한글의 복잡한 문법체계로 제한적인 연구를 진행할 수 밖에 없었던 국내 웹 텍스트 연구에 새로운 대안을 제시하였다는 것이다.
- 본 연구에서는 기존의 국내 저자판별 연구에서 활용한 유사도 기반 방법이 아닌, 기계학습 기법 중 새롭게 각광 받고 있는 CNN을 한글 텍스트 저자판별에 적용한다. 또한 데이터 확보에 어려움을 겪었던 기존 연구를 보완하여 현실의 웹 텍스트를 확보하고 이를 기반으로 한글의 자연어처리를 최소화한 한국어 텍스트 저자판별 방법론을 제시하는 것을 목적으로 한다.
- 본 연구는 연구적, 실무적으로 시사하는 바가 있는데, 연구적 시사점으로는 첫 번째로 한글 저자 판별에 딥러닝 기법 중 하나인 CNN을 사용함으로써 한글의 문법적 특성에 따른 데이터 전처리의 복잡성과 분석의 어려움을 최소화하고자 했다는 것이다. 그리고 두 번째로는 본 연구가 기본 자모 단위의 통계적 분석으로도 충분히 효과적인 결과를 도출할 수 있다는 것을 확인함으로써 한글의 복잡한 문법체계로 제한적인 연구를 진행할 수 밖에 없었던 국내 웹 텍스트 연구에 새로운 대안을 제시하였다는 것이다.
- 본 연구는 저자 판별 연구에 있어 딥러닝 알고리즘인 CNN을 활용하여 검증하였고 텍스트 분석 방법으로의 활용 가능성에 대해 확인함으로써 향후 다양한 분야로의 적용을 확대해 가는 단초가 될 것이다.
- 본 연구는 한글 웹 텍스트 데이터 분석에 있어 교착어의 문법적 특성을 극복하고 이전의 행동기반 고객군 추정으로 진행된 연구에서 벗어나 경영정보 자원으로써의 활용 안을 제시했다. 하지만 페이스북 이외의 다른 SNS 상의 웹 텍스트에 검증해보지 못했다는 점과 데이터가 부족한 다른 연령대를 포함하지 못했다는 점, 그리고 딥러닝 알고리즘의 블랙박스 현상으로 인해 세대와 연령의 분류에 대해 이해할 수 있는 변수를 찾기 힘들다는 한계점을 가지고 있다.
가설 설정
- 수집한 아이디의 페이스북 타임 라인에서 총 527,172개의 포스트를 확보하였으며 전처리를 통해 3,000자 이상, 100자 미만의 포스트는 제거하였다. 또한 기본 자모로 변환한 길이가 1,024를 초과한 경우 글자를 자르고 새로운 포스트로 가정하여 샘플을 확보하였다. 이러한 방법으로 확보한 포스트 샘플은 [Table 2]와 같다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.