최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기디지털산업정보학회논문지 = Journal of the Korea Society of Digital Industry and Information Management, v.15 no.1, 2019년, pp.87 - 97
주명길 (한국교통대학교 소프트웨어학과) , 윤성욱 (한국교통대학교 소프트웨어학과)
Reaction of people is importantly considered about specific case as a social network service grows. In the previous research on analysis of social network service, they predicted tendency of interesting topic by giving scores to sentences written by user. Based on previous study we proceeded researc...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
Word2Vec은 무엇인가? | Word2Vec는 문장에서 사용된 단어들이 서로 관련이 되어있는 관계 정도를 정의하며 단어의 유사성과 의미에 따라 값이 정의된다. Word2Vec의 대표적인 학습 모델은 CBOW와 skip-gram이 있다. | |
Word2Vec의 대표적인 학습 모델은 무엇이 있는가? | Word2Vec는 문장에서 사용된 단어들이 서로 관련이 되어있는 관계 정도를 정의하며 단어의 유사성과 의미에 따라 값이 정의된다. Word2Vec의 대표적인 학습 모델은 CBOW와 skip-gram이 있다. CBOW모델은 문장을 기반으로 단어를 예측을 하는데 사용되어지고 skip-gram은 한 단어를 기준으로 문장을 구성할 수 있는 주변 단어를 예측하는 모델이다. | |
TensorFlow를 이용하여 학습을 통해 긍정과 부정을 예측하는 방법의 한계점은? | TensorFlow를 이용하여 학습을 통해 긍정과 부정을 예측하는 방법은 생각보다 쉽고 높은 기대치를 가져왔다. 그러나 학습 대상이 영화의 리뷰이다 보니 단어의 한계가 존재한다. 중복되는 단어나 영화제목이나 영화를 평가할 때 사용하는 단어와 같이 이러한 단어들만 학습하다보니 다른 이슈에 대해서 예측을 할 때 취약점이 보인다. |
장환석.장은영.정광용, "Word2Vec를 이용한 감성어 분석 방법," 한국정보과학회 한국소프트웨어종합학술대회 논문집, 2017, pp.661-663.
양민혁.정인선.김용채.조완섭, "SNS 데이터를 활용한 국내대학 인식 및 선호도 분석," 한국빅데이터서비스학회, 제1권, 제1호, 2014, pp.1-13.
이아름.방지선.김윤희, "SNS Big-data를 활용한 TV 광고 효과 분석 시스템 설계," 정보과학회 컴퓨팅의 실제 논문지, 제21권, 제9호, 2015, pp.579-586.
서덕성.모경현.박재선.이기창.강필성, "워드임베딩과 그래프 기반 준지도학습을 통한 한국어 어휘 감성 점수 산출," 대한산업공학회지, 제43권, 제5호, 2017, pp.330-340.
김윤석.서영훈, "기계 학습을 이용한 한글 텍스트 감정 분류," 한국엔터테인먼트산업학회, 2013, pp.206-210.
Bird, S. and Loper, E., "NLTK: The Natural Language Toolkit," Cornell University, 2002.
박보국, "Python 환경에서 한글 형태소 분석기 패키지 KoNLPy 사용법," 부산대학교, 2014.
Mikolov, T. and Chen, K. and Corrado, G., "J. Dean, Efficient Estimation of Word Representations in Vector Space," Cornell University, 2013.
이동훈.김관호, "Word2Vec 기반의 의미적 유사도를 고려한 웹사이트 키워드 선택 기법," 대한산업공학회, 제2017권, 제211호, 2017, pp.923-938.
이경택.김창욱, "Word2vec과 shrinkage 회귀를 이용한 semi-supervised 감성 분석 기법," 한국경영과학회, 2017, pp.3691-3707.
한정수.곽근창, "컨벌루션 신경회로망과 ReLU 함수 기반 ELM 분류기를 이용한 영상 분류," 한국정보기술학회논문지, 제15권, 제2호, 2017, pp.15-23.
고장혁.이동호, "정보 유출 탐지를 위한 머신 러닝 기반 내부자 행위 분석 연구," 디지털산업정보학회, 제13권, 제2호, 2017, pp.1-11.
박흠.이창범, "기계학습 기반의 주행중 운전자 자세교정을 위한 지능형 시트," 디지털산업정보학회, 제13권, 제4호, 2017, pp.81-90.
네이버 영화, https://movie.naver.com/movie/point/af/list.nhn
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.