$\require{mediawiki-texvc}$

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.

Doc2Vec을 활용한 CNN기반 한국어 신문기사 분류에 관한 연구
A Study on Categorization of Korean News Article based on CNN using Doc2Vec 원문보기

한국어정보학회 2016년도 제28회 한글및한국어정보처리학술대회, 2016 Oct. 07, 2016년, pp.67 - 71  

김도우 (서강대학교, 정보통신대학원) ,  구명완 (서강대학교, 정보통신대학원)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 word2vec과 doc2vec을 함께 CNN에 적용한 문서 분류 방안을 제안한다. 먼저 어절, 형태소, WPM(Word Piece Model)을 각각 사용하여 생성한 토큰(token)으로 doc2vec을 활용하여 문서를 vector로 표현한 후, 초보적인 문서 분류에 적용한 결과 WPM이 분류율 79.5%가 되어 3가지 방법 중 최고 성능을 보였다. 다음으로 CNN의 입력자질로써 WPM을 이용하여 생성한 토큰을 활용한 word2vec을 범주 10개의 문서 분류에 사용한 실험과 doc2vec을 함께 사용한 실험을 수행하였다. 실험 결과 word2vec만을 활용하였을 때 86.89%의 분류율을 얻었고, doc2vec을 함께 적용한 결과 89.51%의 분류율을 얻었다. 따라서 제안한 모델을 통해서 분류율이 2.62% 향상됨을 확인하였다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 문서 분류를 위하여 doc2vec과 word2vec을 함께 활용한 CNN 모델을 제안한다.
  • 본 논문에서는, word2vec과 CNN을 이용한 기존의 분류 방법[3]을 수정하여, 한국어 신문기사로부터 doc2vec을 활용하여 문서의 vector 표현을 생성하고 수정된 CNN에 word2vec을 활용한 단어의 vector 표현과 함께 적용함으로써 이를 바탕으로 기사를 적합한 범주로 자동 분류하는 방안을 제안하며, word2vec만을 활용한 기존 CNN 기법에 비해 문서의 vector 표현을 함께 사용했을 때 분류 율이 향상됨을 검증하는 것이 목적이다. 분류율은 검증에 사용한 전체 문서 중에서 정확하게 분류된 문서가 차지하는 비율을 말하며 다음 식으로 나타낸다[1].
  • 본 연구에서는 word2vec만을 사용한 기존 CNN 모델에 doc2vec을 함께 적용하는 것이 문서 분류율에 끼치는 영향을 검증하는 것이 목적이기 때문에, doc2vec 및 CNN의 튜닝은 연구대상에 포함하지 않았으나, 모델의 튜닝 및 모델의 topology를 개선하는 등의 분류율 향상 시도가 향후 필요할 것으로 보인다. 또한 다른 데이터셋으로 제안 모델의 성능을 실험하여 데이터셋에 독립적으로 성능 향상을 보이는지 여부와 범주 4와 7에서 word2vec만 사용하였을 때보다 분류율이 낮은 이유의 분석 또한 필요할 것으로 생각된다.
  • 그러나, 문서 자체를 vector로 표현하는 방법인 doc2vec의 활용은 고려되지 않았다. 이에 본 논문에서는 그림 2와 같이 doc2vec을 함께 활용한 CNN 모델을 제안한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
문서 분류의 자동화를 위하여 기존에는 어떤 방법을 이용했는가? 문서 분류의 자동화를 위하여 기존에는 단순히 문서에 나타나는 단어의 빈도를 이용하여 분류 범주를 지정하는 통계적인 분류방법을 이용하거나[1], 분류에 필요한 주요 단어들을 추출하고 추출된 단어들을 기반으로 K-NN, 의사결정 트리, 베이지언 네트워크, 인공신경망 등의 데이터 마이닝 알고리즘을 이용한 연구가 진행되었다[2]. 최근에는 딥러닝 알고리즘인 컨볼루션 신경망(Convolutional neural network, CNN)이 자연어 처리에 효과적이라는 것이 알려지면서, 문서에 포함된 단어들을 각각 vector로 표현하는 방법인 word2vec[5]과 CNN을 이용한 문서 분류 방법[3]이 제안되었고, 실제로 놀라운 결과를 보여주었다[3].
딥러닝 알고리즘인 컨볼루션 신경망이 무엇에 효과적인가? 문서 분류의 자동화를 위하여 기존에는 단순히 문서에 나타나는 단어의 빈도를 이용하여 분류 범주를 지정하는 통계적인 분류방법을 이용하거나[1], 분류에 필요한 주요 단어들을 추출하고 추출된 단어들을 기반으로 K-NN, 의사결정 트리, 베이지언 네트워크, 인공신경망 등의 데이터 마이닝 알고리즘을 이용한 연구가 진행되었다[2]. 최근에는 딥러닝 알고리즘인 컨볼루션 신경망(Convolutional neural network, CNN)이 자연어 처리에 효과적이라는 것이 알려지면서, 문서에 포함된 단어들을 각각 vector로 표현하는 방법인 word2vec[5]과 CNN을 이용한 문서 분류 방법[3]이 제안되었고, 실제로 놀라운 결과를 보여주었다[3]. 그러나, CNN을 이용한 문서 분류 방법에서 문서 자체를 vector로 표현하는 방법인 doc2vec[6]의 활용은 고려되지 않았다.
문서 분류의 자동화에 대한 필요성이 증대되고 있는 이유는? 이에 따라 국내외 언론사들은 인터넷 기사 서비스를 위한 별도의 체계를 구성·운영하여 정규 뉴스보도 외에도 사용자들이 시간과 장소에 구애받지 않고 신속하게 뉴스 서비스를 이용할 수 있도록 지원하고 있다. 대부분의 언론사에서는 기사를 인터넷에 게시하기 전에 분류 전문가를 통해 기사를 분류하고 검증하는 단계를 거친다. 그러나 이러한 수작업 처리 방법은 정보시스템의 급속한 발달로 인해 처리해야 할 정보와 문서의 양이 점점 방대해지고 복잡해지는 현대 시대에 빠르게 전달해야 하는 뉴스의 속도를 저하시킬 뿐만 아니라 인력 자원의 투입으로 인한 많은 비용을 소비하고 있다. 따라서 문서 분류의 자동화에 대한 필요성은 더욱 증대되고 있다[1].
질의응답 정보가 도움이 되었나요?

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

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