최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국정보과학회언어공학연구회 2015년도 제27회 한글 및 한국어 정보처리 학술대회, 2015 Oct. 17, 2015년, pp.109 - 114
신동원 (고려대학교) , 이연수 ((주)엔씨소프트) , 장정선 ((주)엔씨소프트) , 임해창 (고려대학교)
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
워드 임베딩이란 무엇인가? | 워드 임베딩은 하나의 단어를 일반적으로 수백 개 정도의 저차원의 실수 벡터로 표현하는 것이다. 이러한 단어에 대한 분산화 되고(distributed), 연속적인(continuous) 표현 방식은 단어에 대해 유사도 관점의 분석을 가능하게 하고 다양한 벡터 연산을 통해 관계를 유추할 수 있도록 해준다. | |
전통적으로 감정에 대한 분류 체계로 주로 사용된 것은 무엇인가? | 사용자의 감정 인식, 전달 연구에 관한 연구는 주로 affective computing 분야에서 활발하게 이루어져 왔다. 전통적으로 감정에 대한 분류 체계로는 주로 행복, 슬픔, 화남, 혐오, 놀람, 공포로 이루어진 Ekman의 6 가지 분류 체계[4]가 사용되어 왔으며, 이미지나 영상 등에서 표정을 나타내는 facial landmark point 등을 추출하거나, head pose, eye gaze, prosody, nonlinguistic vocalization (laugh, cry) 등을 이용하여 사용자의 현재 감정 상태를 분류한다[5]. | |
대화 속에서 새롭게 발생한 사용자의 발화에 대해 여러 가지 중 하나의 감정을 선택하는 것을 분류 모델을 이용한 다중 분류 문제로 접근하기 위해 학습 데이터에 필요한 것은 무엇인가? | 이를 위해 학습 데이터는 두 가지가 필요하다. 임베딩을 위한 1) 대량의 원시 말뭉치와 2) 9가가지 중 하나의 감정 태그가 정답으로 부착된 소량의 대화 말뭉치이다. 우선 1)을 사용하여 워드 임베딩 모델을 학습시켜 생성한다 그리고 2)를 사용하여 감정 분류기를 학습한다. |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.