2018년 컴퓨터종합학술대회
Current Result Document :
| 한글제목(Korean Title) |
Parallel Stacked Bidirectional LSTM 모델을 이용한 한국어 영화리뷰 감성 분석 |
| 영문제목(English Title) |
Korean Movie-review Sentiment analysis Using Parallel Stacked Bidirectional LSTM Model |
| 저자(Author) |
오영택
김민태
김우주
Yeongtaek Oh
Mintae Kim
Wooju Kim
|
| 원문수록처(Citation) |
VOL 45 NO. 01 PP. 0823 ~ 0825 (2018. 06) |
한글내용
(Korean Abstract) |
감성 분석(Sentiment Analysis)은 텍스트 문서의 감성을 분류하는 분야이다. 감성 분석에 딥러닝 모델을 적용한 연구가 매우 활발히 진행되고 있다. 딥러닝을 이용한 감성 분석 방법론은 문서를 벡터화하는 과정과 벡터화된 문서를 분류하는 과정으로 나눌 수 있다. 문서를 벡터화하는 과정은 문서의 문장을 단어 단위로 토큰화하여 word2vec을 이용해 벡터화하는 방법과, 문장을 문자 단위로 토큰화하여 임베딩레이어 학습을 통해 벡터화하는 방법이 있다. 다음으로 벡터화된 문서를 분류하는 딥러닝 기반 모델은 크게 CNN (Convolutional Neural Netoworks)을 이용한 분류 모델과 RNN(Recurrent Neural Networks)을 이용한 분류 모델로 나누어진다. 이 연구에서는 한국어 문서를 형태소 분석 및 단어 단위의 토큰화 전처리 방법과 한글의 음소 단위의 토큰화 전처리 방법을 비교하고 기존 LSTM을 이용한 RNN 구조 모델을 개선하여 Parallel Stacked Bidirectional LSTM Model을 제안하였다. 제안된 모델의 성능을 기존의 딥러닝 모델 기반의 성능을 비교하기 위하여 네이버 영화 리뷰 데이터셋인 nsmc(naver sentiment movie corpus)에 대해 비교 실험을 하였다. 전처리 방법과 모델에 따른 성능을 측정하였고 전처리 방법 별 제안된 모델이 최고 성능을 보였으며, 최종적으로 단어 단위와 음소 단위 모델의 앙상블을 통해 87.75%의 분류 정확도를 달성하였다.
|
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
