인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
본 연구는 DistilBERT, TinyBERT, ALBERT 등 경량 사전학습 언어모델을 활용하여 텍스트 임베딩과 CNN 구조를 결합하고 메타데이터를 어텐션 메커니즘으로 통합한 하이브리드 모델을 제안함으로써 리뷰 유용성 예측 성능을 향상시키고자 하였다. 성능 비교를 위해 메타 정보와 어텐션 메커니즘이 적용되지 않은 기본 BERT-CNN 모델을 기준으로 설정하고, 각 모델의 예측 성능 차이를 분석하였다. 실험 결과, 메타정보를 어텐션 기반으로 통합한 모든 모델에서 일관된 성능 향상이 관찰되었다. DistilBERT-CNN 모델은 Accuracy, Precision, Recall, F1-Score 등 주요 성능 지표에서 전반적으로 높은 수준의 값을 나타냈으며, 추론 속도 또한 BERT-CNN 대비 약 2배 가까이 빠른 성능과 처리 효율성 측면에서 상대적으로 안정적인 결과를 보였다. 한편 TinyBERT-CNN의 성능은 다른 모델에 비해 다소 낮으나 처리 속도가 빠르다는 점에서 실시간 응답이 요구되는 환경에 적합한 선택지로 고려될 수 있다. 본 연구는 경량 모델의 실용성과 어텐션 기반의 메타 통합 효과를 실증적으로 제시함으로써 자원 제약이 있는 환경에서도 적용 가능한 리뷰 유용성 예측 모델을 제안하고자 하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-093577022
