메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
이재준 (국민대학교 일반대학원 데이터사이언스학과) 권순범 (국민대학교 경영학부) 안성만 (국민대학교 경영학부)
저널정보
한국IT서비스학회 한국IT서비스학회지 한국IT서비스학회지 제17권 제1호
발행연도
2018.1
수록면
79 - 89 (11page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (2)

2018

한글 음소 단위 딥러닝 모형을 이용한 감성분석
이재준 ,  권순범 ,  안성만 한국IT서비스학회지 2018.01 학술저널

2017

한글 음소 단위를 적용한 딥러닝 모형의 감성분석 : 번역된 영화리뷰(IMDB)를 중심으로
이재준 ,  안성만 한국지능정보시스템학회 학술대회논문집 2017.08 학술대회자료

초록· 키워드

오류제보하기
Sentiment analysis is a technique of text mining that extracts feelings of the person who wrote the sentence like movie review. The preliminary researches of sentiment analysis identify sentiments by using the dictionary which contains negative and positive words collected in advance. As researches on deep learning are actively carried out, sentiment analysis using deep learning model with morpheme or word unit has been done. However, this model has disadvantages in that the word dictionary varies according to the domain and the number of morphemes or words gets relatively larger than that of phonemes. Therefore, the size of the dictionary becomes large and the complexity of the model increases accordingly. We construct a sentiment analysis model using recurrent neural network by dividing input data into phoneme-level which is smaller than morpheme-level. To verify the performance, we use 30,000 movie reviews from the Korean biggest portal, Naver. Morpheme-level sentiment analysis model is also implemented and compared. As a result, the phoneme-level sentiment analysis model is superior to that of the morpheme-level, and in particular, the phoneme-level model using LSTM performs better than that of using GRU model. It is expected that Korean text processing based on a phoneme-level model can be applied to various text mining and language models.
#Sentiment Analysis #Deep Learning #Sequential Model #Phoneme Unit #LSTM #GRU

목차

등록된 정보가 없습니다.

참고문헌 (22)

참고문헌 신청
안성만 / 2017 / 한국어 음소 단위 LSTM 언어모델을 이용한 문장 생성 / 지능정보연구 23(2):71~88 dbpia Bengio, Y. / 1993 / The Problem of Learning Long-term Dependencies in Recurrent Networks / IEEE International Conference on Neural Networks :1183~1188 google schola Chollet, F. / Keras google schola Chung, J.Y. / 2014 / Empirical Evaluation of Gated Recurrent Neural Networks on Sequence Modeling / arXiv preprint arXiv : 1412.3555 google schola Dave, K. / 2003 / Miningthepeanutgallery : Opinion Extraction and Semantic Classification of Product Reviews / Proceedings of the 12th International Conferenceon World Wide Web :519~528 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0