정보과학회논문지 (Journal of KIISE)
Current Result Document : 32 / 32
| 한글제목(Korean Title) |
데이터 분포의 균형화를 이용한 한국어 텍스트의 차원적 감성 분석 |
| 영문제목(English Title) |
Dimensional Sentiment Analysis of Korean Text using Data Balancing |
| 저자(Author) |
전태희
김창환
Taehee Jeon
Changhwan Kim
|
| 원문수록처(Citation) |
VOL 48 NO. 07 PP. 0790 ~ 0801 (2021. 07) |
한글내용
(Korean Abstract) |
텍스트 혹은 발화의 감정을 연속적인 수치로 회귀하는 차원적 감성 분석 연구는 데이터의 부족으로 인해 감정을 범주로 분류하는 범주적 감성 분석 연구에 비해 많은 연구가 이루어지지 못하였다. 최근 한국정보화진흥원의 AI Hub를 통해 공개된 ‘멀티모달 영상 데이터’는 한국어의 차원적 감성 분석 연구에 활용할 수 있는 공공 데이터이다. 본 연구에서는 자연어 처리에서 전형적으로 쓰여 온 딥 러닝 모델인 중 하나인 CNN을 이용해 한국어의 차원적 감성 분석을 시도하였다. 또한 데이터의 분포를 균형적으로 조정함으로써 모델의 성능이 향상되는지 검증하였다. 실험 결과 모델들은 기존의 영어 연구와 비슷한 성능을 보여 한국어 텍스트의 차원적 감성 분석 연구에서 ‘멀티모달 영상 데이터’가 효용성을 지님을 알 수 있었다. 또한 데이터를 균형화함으로써 더 적은 학습 데이터를 이용해 학습한 모델이 더 좋은 성능을 보일 수 있음을 확인하였다. |
영문내용
(English Abstract) |
Compared with most studies on categorical sentiment analysis which aims to represent emotional states as a small set of emotion categories, there have been fewer studies on dimensional sentiment analysis which treats sentiment analysis as a regression problem because of the shortage of data. Recently, the National Information Society Agency (NIA) released open data, Multimodal Video Data, through their web site, AI Hub. Using this data, we experimented with dimensional sentiment analysis of Korean text. For this purpose, we used CNN which is one of the conventional deep learning models in NLP. We also verified that data balancing could improve the performance of models. The results show that the model trained on Multimodal Video Data performs well enough to show that the data should be useful for dimensional sentiment analysis of Korean text and that with data balancing the model can perform better in spite of their fewer training data. |
| 키워드(Keyword) |
차원적 감성 분석
감정 회귀
한국어 텍스트
데이터 분포
데이터 균형화
dimensional sentiment analysis
emotion regression
Korean text
data distribution
data balancing
|
| 파일첨부 |
PDF 다운로드
|
