$\require{mediawiki-texvc}$

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.

A Deep Learning Model for Disaster Alerts Classification 원문보기

韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, v.26 no.12, 2021년, pp.1 - 9  

Park, Soonwook (School of Software, Soongsil University) ,  Jun, Hyeyoon (School of Software, Soongsil University) ,  Kim, Yoonsoo (School of Software, Soongsil University) ,  Lee, Soowon (School of Software, Soongsil University)

초록
AI-Helper 아이콘AI-Helper

재난문자는 재난 발생 시 국가에서 해당 지역에 있는 시민들에게 보내는 문자 메시지다. 재난문자의 발송 건수는 점점 증가하여, 불필요한 재난문자가 많이 수신됨에 따라 재난문자를 차단하는 사람들이 증가하고 있다. 이와 같은 문제를 해결하기 위하여, 본 연구에서는 재난문자를 재난 유형별로 자동으로 분류하고 수신자에 따라 필요한 재난의 재난문자만 수신하게 하는 딥러닝 모델을 제안한다. 제안 모델은 재난문자를 KoBERT를 통해 임베딩하고, LSTM을 통해 재난 유형별로 분류한다. [명사], [명사 + 형용사 + 동사], [모든 품사]의 3가지 품사 조합과 제안 모델, 키워드 분류, Word2Vec + 1D-CNN 및 KoBERT + FFNN의 4종류 분류 모델을 활용하여 재난문자를 분류한 결과, 제안 모델이 0.988954의 정확도로 가장 높은 성능을 달성하였다.

Abstract AI-Helper 아이콘AI-Helper

Disaster alerts are text messages sent by government to people in the area in the event of a disaster. Since the number of disaster alerts has increased, the number of people who block disaster alerts is increasing as many unnecessary disaster alerts are being received. To solve this problem, this s...

주제어

표/그림 (13)

AI 본문요약
AI-Helper 아이콘 AI-Helper

문제 정의

  • 이와 같은 문제를 해결하기 위해 본 연구에서는 재난 문자를 재난 유형(Disaster Type)별로 자동으로 분류하고, 수신자에 따라 필요한 재난의 재난문자만 수신하게 하는 딥러닝 기반 모델을 제안한다. 이를 위하여 재난문자를 행정안전부에서 시행한 ‘재난문자 방송 기준 및 운영 규정’ 에 명시된 재난 유형으로 구분한 후, KoBERT를 통해 임 베딩(Embedding)하고 LSTM을 통해 재난문자를 분류하는 모델을 제시한다.
본문요약 정보가 도움이 되었나요?

참고문헌 (17)

  1. Criteria and Operating Regulations for Disaster Text Broadcasting, http://www.law.go.kr/LSW//admRulLsInfoP.do?admRulSeq2100000179035. (accessed May 10, 2021) 

  2. H. Lee, Y. Byun, S. Chang, and S. Choi, "A Study on the Investigation of the User Awareness of Korean Public Alert System", Proc. of the 2020 Conference of the Korean Institute of Broadcast and Media Engineers, pp. 8-9, Nov. 2020. 

  3. H. Lee, Y. Byun, S. Chang, and S. Choi, "Requirement Analysis of Korean Public Alert Service using News Data", Journal of Broadcast Engineering of the Korean Institute of Broadcast and Media Engineers, pp. 994-1003, Nov. 2020. DOI: 10.5909/JBE.2020.25.6.994 

  4. T. Mikolov, K. Chen, G. Corrado, and J. Dean, "Efficient Estimation of Word Representations in Vector Space", Journal of International Conference on Learning Representations, Jan. 2013. arXiv:1301.3781v3 

  5. J. Devlin, M.-W. Chang, K. Lee, and K. Toutanova, "BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding", Proc. of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Volume 1, pp. 4171-4186, Jun. 2019. arXiv:1810.04805v2 

  6. SKTBrain, Korean BERT pre-trained cased(KoBERT) [Online]. Available: https://github.com/SKTBrain/KoBERT. (downloaded 2021, Mar. 30) 

  7. Y. Kim, "Convolutional Neural Networks for Sentence Classification", Proc. of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP), pp. 1746-1751, Oct. 2014. arXiv:1408.5882v2 

  8. I. Sutskever, O. Vinyals, and Q. V. Le, "Sequence to Sequence Learning with Neural Networks", Proc. of the 2014 Conference on Neural Information Processing Systems (NIPS), Dec. 2014. arXiv:1409.3215v3 

  9. H. Sak, A. W. Senior, and F. Beaufays, "Long short-term memory recurrent neural network architectures for large scale acoustic modeling", Proc. of 15th Annual Conference of the International Speech Communication Association (INTERSPEECH), pp.338-342, Sep. 2014. arXiv:1402.1128v1 

  10. D. Kim, and M. Koo, "Categorization of Korean News Articles Based on Convolutional Neural Network Using Doc2Vec and Word2Vec", Journal of the Korean Institute of Information Scientists and Engineers (KIISE), Vol. 44, No. 7, pp.742-747, Jul. 2017. DOI: 10.5626/JOK.2017.44.7.742 

  11. Y. Oh, M. Kim, and W. Kim, "Korean Movie-review Sentiment Analysis Using Parallel Stacked Bidirectional LSTM Model", Journal of the Korean Institute of Information Scientists and Engineers (KIISE), Vol. 46, No. 1, pp.45-49, Jan. 2019. DOI: 10.5626/JOK.2019.46.1.45 

  12. C. Park, and C. Lee, "Sentimental Analysis of Korean Movie Review using Variational Inference and RNN based on BERT", Journal of KIISE Transactions on Computing Practices, Vol. 25, No. 11, Nov. 2019. DOI: 10.5626/KTCP.2019.25.11.552 

  13. D. Bahdanau, K. Cho, and Y. Bengio, "Neural Machine Translation by Jointly Learning to Align and Translate", Proc. of the 3rd International Conference on Learning Representations, 2015. arXiv:1409.0473v7 

  14. J. Yim and B. Hwang, "Predicting Movie Success based on Machine Learning Using Twitter", Journal of KIPS Transactions on Software and Data Engineering, pp. 263-270, Jul. 2014. DOI: 10.3745/KTSDE.2014.3.7.263 

  15. H. Kim, S. Cho, and P. Kang, "KR-WordRank : An Unsupervised Korean Word Extraction Method Based on WordRank", Journal of the Korean Institute of Industrial Engineers, Vol. 40, No.1, pp. 18-33, Feb. 2014. DOI: 10.7232/jkiie.2014.40.1.018 

  16. S. Ji, H. Yun, P. Yanardag, S. Matshushima, and S. V. N. Vishwanathan, "WordRank: Learning Word Embeddings via Robust Ranking", Proc. of the 2016 Conference on Empirical Methods in Natural Language Processing, pp. 658-668, Jan. 2016. arXiv:1506.02761v4 

  17. J. Kim, H. Jo, and B. Lee, "A Comparison Study on Performance of Malicious Comment Classification Models Applied with Artificial Neural Network", Journal of Digital Contents Society, Vol. 20, No.7, pp. 1429-1437, Jul. 2019. DOI: 10.9728/dcs.2019.20.7.1429 

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

이 논문과 함께 이용한 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