정보처리학회 논문지 소프트웨어 및 데이터 공학
Current Result Document :
| 한글제목(Korean Title) |
생성적 적대 네트워크로 자동 생성한 감성 텍스트의 성능 평가 |
| 영문제목(English Title) |
Evaluation of Sentimental Texts Automatically Generated by a Generative Adversarial Network |
| 저자(Author) |
박천용
최용석
이공주
Cheon-Young Park
Yong-Seok Choi
Kong Joo Lee
|
| 원문수록처(Citation) |
VOL 08 NO. 06 PP. 0257 ~ 0264 (2019. 06) |
한글내용
(Korean Abstract) |
최근 자연언어처리 분야에서 딥러닝 모델이 좋은 성과를 보이고 있다. 이러한 딥러닝 모델의 성능을 향상시키기 위해서는 많은 양의 데이터가 필요하다. 하지만 많은 양의 데이터를 모으기 위해서는 많은 인력과 시간이 소요되기 때문에 데이터 확장을 통해 이와 같은 문제를 해소할 수 있다. 그러나 문장 데이터의 경우 이미지 데이터에 비해 데이터 변형이 어렵기 때문에 다양한 문장을 생성할 수 있는 생성 모델을 통해 문장 데이터 자동 확장을 해보고자 한다. 본 연구에서는 최근 이미지 생성 모델에서 좋은 성능을 보이고 있는 생성적 적대 신경망 중 하나인 CS-GAN을 사용하여 학습 데이터로부터 새로운 문장들을 생성해 보고 유용성을 다양한 지표로 평가하였다. 평가 결과 CS-GAN이 기존의 언어 모델을 사용 할 때보다 다양한 문장을 생성할 수 있었고 생성된 문장을 감성 분류기에 학습시켰을 때 감성 분류기의 성능이 향상됨을 보였다.
|
영문내용
(English Abstract) |
Recently, deep neural network based approaches have shown a good performance for various fields of natural language processing. A huge amount of training data is essential for building a deep neural network model. However, collecting a large size of training data is a costly and time-consuming job. A data augmentation is one of the solutions to this problem. The data augmentation of text data is more difficult than that of image data because texts consist of tokens with discrete values. Generative adversarial networks (GANs) are widely used for image generation. In this work, we generate sentimental texts by using one of the GANs, CS-GAN model that has a discriminator as well as a classifier. We evaluate the usefulness of generated sentimental texts according to various measurements. CS-GAN model not only can generate texts with more diversity but also can improve the performance of its classifier.
|
| 키워드(Keyword) |
생성적 적대 신경망
데이터 확장
감성 텍스트
감성 분류기
Generative Adversarial Network (GAN)
Data Augmentation
Sentimental Text
Sentiment Classifier
|
| 파일첨부 |
PDF 다운로드
|
