문단 벡터 기반 리뷰 점수 추론 어플리케이션

Q: 이 논문에서 정의한 문단 벡터란 무엇인가?

문단 벡터는 Word 단위가 아닌 Document를 벡터 공간에 사상하는 기법이다. 이는 단어 벡터를 확장한 개념으로, 각 문서를 통사론적, 의미론적 유사성을 지닌 다른 문서들과 가깝게 위치하도록 벡터 공간에 표현한다. 이를 통해 문서의 의미와 통사 연산을 가능하게 한다.

Q: 문단 벡터 기반 리뷰 점수 추론 모델의 정확도는 어느 정도인가?

연구 결과, 문단 벡터 기반 선형 회귀 모델들의 평균 MSE는 1.37이며, coarse error는 0.31로 나타났다. 이는 69%의 정확도를 의미하며, 전체 점수 구간 4.5점을 고려할 때 오차 범위가 큰 편이다. 따라서 정확도 향상을 위한 비선형 회귀 모델 도입이 필요하다.

김원재; 서진욱

추천

검색

질문

자료유형: 학술대회자료

저자정보: 김원재 (서울대학교) 서진욱 (서울대학교)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2016년 한국컴퓨터종합학술대회 논문집

발행연도: 2016.6

수록면: 735 - 737 (3page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

리뷰 데이터는 리뷰 텍스트만 존재하거나, 텍스트와 점수가 쌍으로 존재하는 데이터이다. 어플리케이션 스토어, 영화 평가 사이트, 온라인 쇼핑 상품 평 등에서 흔히 사용되는 데이터 형식으로, 이에 대한 자동적인 분석은 Opinion Mining의 주된 이슈이다. 특히 점수가 존재하지 않는 경 ... 전체 초록 보기

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2017-569-001112524

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)