최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국정보과학회언어공학연구회 2018년도 제30회 한글 및 한국어 정보처리 학술대회, 2018 Oct. 12, 2018년, pp.106 - 111
최민성 (군산대학교, 소프트웨어융합공학과) , 박상민 (군산대학교, 소프트웨어융합공학과) , 온병원 (군산대학교, 소프트웨어융합공학과)
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
감성분석이란 무엇인가? | 이에 따라 자연어 처리와 함께 비정형 데이터인 텍스트의 감성을 분석하는 연구도 많이 증가하고 있는 추세이다. 감성분석이란 텍스트에 나타난 사람들의 태도, 의견, 성향과 같은 주관적인 데이터를 분석하는 자연어 처리 기술이다[1]. 생성된 텍스트에서 감성을 자동으로 분석할 수 있다면 가치 있고 유용한 정보를 얻을 수 있으며 많은 분야에서 활용이 가능하다. | |
딥러닝 기법은 충분한 양의 학습데이터로 모델을 학습해야 좋은 모델을 구축할 수 있는데, 감성분석에 있어 이러한 딥러닝 기법 적용 시 한계점은 무엇인가? | 딥러닝 기법은 충분한 양의 학습데이터로 모델을 학습해야 좋은 모델을 구축할 수 있다. 하지만 감성분석에 적합한 충분한 양의 학습데이터를 구하기란 쉽지 않다. | |
기계학습 기반의 감성분석에서 감독학습의 대표적인 기법으로는 무엇이 있는가? | 한국어 감성분석은 기계학습을 이용한 기법이 많이 연구가 되어져왔다. 기계학습 기반의 감성분석은 감독(Supervised), 비감독(Unsupervised), 반감독(Semi-supervised) 학습에 의해 수행되며 감독학습의 대표적인 기법으로는 나이브 베이즈(Naive Bayes), 지지벡터기계(Support Vector Machine) 등이 있다[4]. [5]에서는 영어 단어 시소러스의 유의어 정보로 단어를 확장하고 이를 번역하여 감정 자질을 추출한 뒤 기계학습 기법 중 하나인 지지벡터기계를 사용하여 문서의 감성을 긍정과 부정에 초점을 맞춰 분류하였다. |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.