텍스트 분류를 위한 질문 형태의 데이터 증강 기법

주어진 텍스트 데이터에 질문 형태의 텍스트를 추가하여 새로운 학습 데이터를 생성하는 기법이다. 이는 기존의 텍스트를 직접적으로 변형하지 않으면서 데이터셋의 크기를 늘려 머신러닝 모델의 성능을 향상시키는 것을 목적으로 한다.

연구 결과, 완전한 질문 형태와 최소 요소만 포함한 모조 질문 형태 모두 모델의 성능을 향상시켰다. 특히 모조 질문 증강 기법을 적용했을 때 정확도가 0.0066 증가하여, 텍스트를 직접 변형하지 않고도 효과적인 성능 개선이 가능함을 입증하였다.

학술대회자료

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2022 한국컴퓨터종합학술대회 논문집

오류 신고하기

피인용 0

검색

초록·키워드

이 연구는 한국어를 대상으로 한 질문 형태의 텍스트 데이터 증강 기법을 제안한다. 한국어 영화 리뷰 감성 분석 데이터셋에 해당 증강 기법을 적용해 일반 사전학습 언어 모델 기반 분류 모델 대비 성능 향상을 제시한다. 제안 ... 전체 초록 보기

UCI(KEPA) : I410-ECN-0101-2022-569-001542507

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