$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

워드임베딩과 그래프 기반 준지도학습을 통한 한국어 어휘 감성 점수 산출
Word Sentiment Score Evaluation based on Graph-Based Semi-Supervised Learning and Word Embedding

대한산업공학회지 = Journal of the Korean Institute of Industrial Engineers, v.43 no.5, 2017년, pp.330 - 340  

서덕성 (고려대학교 산업경영공학부) ,  모경현 (고려대학교 산업경영공학부) ,  박재선 (고려대학교 산업경영공학부) ,  이기창 (고려대학교 산업경영공학부) ,  강필성 (고려대학교 산업경영공학부)

Abstract ▼ AI-Helper 아이콘AI-Helper

Sentiment analysis plays an important role in both public and private sectors to understand consumers' responses to products or voters' reactions to policies. One of the most key success factors of sentiment analysis is to build an appropriate sentiment word dictionary. Many current existing approac...

주제어

#Sentiment Analysis   #Word Embedding   #Graph-Based Semi-Supervised Learning   #Label Propagation   #Lasso Regression   #Movie Review Evaluation  

참고문헌 (25)

  1. Baccianella, S., Esuli, A., and Sebastiani, F. (2010), SentiWordNet 3.0 : An Enhanced Lexical Resource for Sentiment Analysis and Opinion Mining, LREC. 

  2. Beineke, P., Hastie, T., and Vaithyanathan, S. (2004), The sentimental factor : Improving review classification via human-provided information, Proceedings of the 42nd annual meeting on association for computational linguistics. 

  3. Bojanowski, P., Grave, E., Joulin, A., and Mikolov, T. (2016), Enriching word vectors with subword information, arXiv preprint arXiv:1607.04606. 

  4. Cambria, E., Schuller, B., Xia, Y., and Havasi, C. (2013), New avenues in opinion mining and sentiment analysis, IEEE Intelligent Systems, 28(2), 15-21. 

    상세보기 crossref

  5. Chapelle et al. (2006), Semi-Supervised Learning, 6, 193-196. 

  6. Jeong, B. and Yoon, J. (2016), Identifying product development opportunities using topic modeling and sentiment analysis, Journal of the Korean Operations Research Society, 4, 4817-4822. 

  7. Jo, E. (2012), The Current State of Affairs of the Sentiment Analysis and Case Study Based on Corpus, The Journal of Linguistics Science, 61, 259-282. 

  8. Kaji, N. and Kitsuregawa, M. (2007), Building Lexicon for Sentiment Analysis from Massive Collection of HTML Documents, EMNLPCoNLL. 

  9. Kim, E. (2002), A Wordfield Study of Korean Sentiment Verbs, Sejong Press. 

  10. Kim, J., Seo, D., Kim, H., and Kang, P. (2017), Facebook Spam Post Filtering based on Instagram-based Transfer Learning and Meta Information of Posts, Journal of Korean Institute of Industrial Engineers, 43(3), 192-202. 

    원문보기 상세보기 crossref

  11. Kim, J., Oh, Y., and Chae, S. (2015), The Construction of a Domain-Specific Sentiment Dictionary Using Graph-based Semi-supervised Learning Method, Korean Journal of the Science of Emotion & Sensibility, 18(1), 103-110. 

    원문보기 상세보기 crossref

  12. Kim, M., Jang, H., Jo, Y., and Shin, H. (2013), KOSAC : Korean Sentiment Analysis Corpus, Korea Information Science Society, 6, 650-652. 

  13. Li, F., Pan, S. J., Jin, O., Yang, Q., and Zhu, X. (2012), Cross-domain co-extraction of sentiment and topic lexicons, Proceedings of the 50th Annual Meeting of the Association for Computational Linguistics, Association for Computational Linguistics, 1, 410-419. 

  14. Liu, B. (2012), Sentiment analysis and opinion mining, Synthesis Lectures on Human Language Technologies, 5(1), 1-167. 

    상세보기

  15. Mikolov, T., Chen, K., Corrado, G., and Dean, J. (2013), Efficient estimation of word representations in vector space, arXiv preprint arXiv:1301.3781. 

  16. Mikolov, T., Sutskever, I., Chen, K., Corrado, G. S., and Dean, J. (2013), Distributed representations of words and phrases and their compositionality, Advances in neural information processing systems, 3111-3119. 

  17. Rao, D. and Ravichandran, D. (2009), Semi-supervised polarity lexicon induction. Proceedings of the 12th Conference of the European Chapter of the Association for Computational Linguistics, Association for Computational Linguistics. 

  18. Oh, S. (2014), A Study on the Conceptualization of FEAR in Korean and English, Korean Semantics, 44, 141-170. 

  19. Prollochs, N., Feuerriegel, S., and Neumann, D. (2015), Generating Domain-Specific Dictionaries using Bayesian Learning, ECIS. 

  20. Tang, J., Alelyani, S., and Liu, H. (2014), Feature selection for classification : A review, Data Classification : Algorithms and Applications, 37-64. 

  21. Turney, P. D. (2002), Thumbs up or thumbs down? : semantic orientation applied to unsupervised classification of reviews, Proceedings of the 40th annual meeting on association for computational linguistics, Association for Computational Linguistics. 

  22. Von Luxburg, U. (2007), A tutorial on spectral clustering, Statistics and Computing, 17(4), 395-416. 

    상세보기 crossref

  23. Zhou, D., Bousquet, O., Lal, T. N., Weston, J., and Scholkopf, B. (2004), Learning with local and global consistency, Advances in Neural Information Processing Systems, 16, 321-328. 

  24. Zhu, X. and Ghahramani, Z. (2002), Learning from labeled and unlabeled data with label propagation, Citeseer. 

  25. Zhu, X. and Goldberg, A. B. (2009), Introduction to semi-supervised learning, Synthesis Lectures on Artificial Intelligence and Machine Learning, 3(1), 1-130. 

    상세보기

저자의 다른 논문 :

LOADING...

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로