양방향 LSTM 모델을 활용한 SNS의 자살 고위험군 게시글 판별

Q: 이 논문에서 정의한 양방향 LSTM이란 무엇인가?

기존 LSTM 모델의 단방향성을 개선하여 순방향과 역방향 모두를 고려함으로써 문맥 파악 능력을 향상시킨 순환 신경망 모델이다. 이는 SNS 상의 자살 고위험군 게시물을 일반 게시물과 구별하여 정확하게 분류하기 위한 핵심 알고리즘으로 활용된다.

Q: 양방향 LSTM 모델이 기존 키워드 기반 분류 기법보다 우수한 이유는 무엇인가?

연구 결과, 양방향 LSTM 모델은 기존 기법 대비 정확도가 57%, 재현율이 68% 더 높게 나타났다. 특히 '자살' 키워드를 불용어 처리함으로써 특정 단어에 대한 과적합 문제를 해소하고 문맥 중심의 일반화 성능을 향상시켰기 때문이다.

박준상; 이성재

자료유형: 학술대회자료

저자정보: 박준상 (서울대학교) 이성재 (국민대학교)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2021 한국컴퓨터종합학술대회 논문집

발행연도: 2021.6

수록면: 352 - 354 (3page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

SNS 상에서 자살 고위험군 게시물을 정확하게 분류하는 것이 중요하다. 그러나, 기존의 방법은 ‘자살’키워드만을 활용했다는 점에서 정확하지 않을 뿐 더러, 자살위험군 게시물을 일반 게시물로 분류할 가능성이 높다는 점에서 안전하지 않다는 한계가 있다. 본 연구에서는 자살 고위험 ... 전체 초록 보기

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2021-569-001872591

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)