최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국HCI학회 2007년도 학술대회 1부, 2007 Feb. 05, 2007년, pp.938 - 942
황재원 (동아대학교 컴퓨터공학과) , 전태균 (동아대학교 컴퓨터공학과) , 고영중 (동아대학교 컴퓨터공학과)
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
지지 벡터 기계는 무엇인가? | 지지 벡터 기계는 두개의 범주를 구분하는 문제를 해결하기 위해 1995년에 Vapnik에 의해 소개된 학습 기법으로 두 개의 클래스의 구성 데이터들을 가장 잘 분리해 낼 수 있는 초평면(optimal hyperplane)을 찾는 모델이다[15]. 지지 벡터 기계에서의 초평면은 식(2)와 같이 나타낼 수 있다. | |
의미적 문서 분류를 위한 긍정과 부정을 나타내는 어휘와 일반적인 정보검색에서 사용되는 어휘들 간의 가장 큰 차이점은 무엇인가? | 하지만 의미적 문서 분류를 위해서는 먼저 긍정과 부정을 나타내는 어휘를 따로 추출하여야 한다. 이들 어휘들과 일반적인 정보검색에서 사용되는 어휘들과의 가장 큰 차이점은 정보검색에서 사용되는 어휘들의 품사는 명사, 동사가 중요하게 사용되는 반면 감정 분류에서는 형용사, 부사 등이 중요하게 사용된다는 점이다. 이러한 감정 어휘 집합을 추출하기 위해서는 여러가지 어휘자원들이 필요한데 외국의 연구에서는 WordNet[12]과 같은 어휘 의미망이 많이 사용되고 있다. | |
특정 주제나 상품을 대상으로 하여 글쓴이의 감정과 의견이 잘 나타나 있는 대표적인 문서는 무엇인가? | 신문 기사 및 상품 평은 특정 주제나 상품을 대상으로 하여 글쓴이의 감정과 의견이 잘 나타나 있는 대표적인 문서이다. 최근 여론 조사 및 상품 의견 조사 등 다양한 측면에서 대용량의 문서의 의미적 분류 및 분석이 요구되고 있다. |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.