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.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김창대
- 발행연도
- 2022
- 저작권
- 서울대학교 논문은 저작권에 의해 보호받습니다.
이용수17
초록· 키워드
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
본 연구는 온라인 상에 게시되는 자살 관련 글 중에서 기존의 ‘키워드’ 방식보다 오류가 적고 안전한 신경망 기반의 자살 위험군 분류기를 개발하고 평가하기 위해 수행되었다. 이를 위해 자살 위험군이 작성한 온라인 상담 게시물 5,231개와 온라인 커뮤니티 자유게시판에서 수집된 게시물 5,880개 등 총 11,111개를 자연어 처리하여 학습 데이터 세트로 구성하였고, 상담 전문가 3인이 기준에 따라 코딩한 127개의 SNS 데이터를 테스트 데이터 세트로 구성하였다. 문맥을 파악하는데 유리한 신경망 모델인 양방향 LSTM(Bi-LSTM)을 활용하여 두 종류의 신경망 모델을 구축하였고, 학습 데이터를 훈련시켜 최종 모델을 개발하고 테스트 데이터를 활용해 모델의 성능을 평가하였다. 최종 모델로 선택된 BiLSTM-2 모델에서 자살 위험군 분류 과제에서 정확도와 재현율이 각각 83%와 97%임을 보여, 키워드 기반 모델에 비해 더 정확하고 안전한 분류 모델임을 확인하였다. 이러한 결과를 바탕으로, 앞으로 상담학에서 빅데이터와 인공지능과 같은 기술을 활용한 연구를 수행했을 때 기대할 수 있는 장점과, 상담 분야에 기술을 적용하기에 앞서 학계에서 논의하고 합의해야 할 윤리적 쟁점, 그리고 후속 연구에 대해 제언하였다.
목차
- 제 1 장 서론 1제 1 절 연구의 필요성 및 목적 1제 2 절 연구문제 5제 2 장 이론적 배경 6제 1 절 자살의 개념과 예방 61. 자살의 개념 62. 자살의 심리학적 정의에 대한 이론적 배경 73. 자살의 예방 94. 자살 예방 매체로서의 SNS 12제 2 절 자연어 처리와 기계학습 141. 자연어 처리의 기초 142. 기계학습의 기초 16제 3 장 연구방법 19제 1 절 학습 및 테스트 데이터의 수집과 전처리 191. 학습 데이터 192. 테스트 데이터 20제 2 절 자살 위험군 게시글 분류 모델 21제 3 절 모델 테스트 및 평가 231. 테스트 환경 232. 평가 모델 243. 모델의 성능 평가 25제 4 장 연구결과 26제 1 절 모델에 따른 분류 성능 결과 26제 5 장 논의 28제 1 절 요약 및 논의 28제 2 절 연구의 의의 및 시사점 28제 3 절 연구의 제한점 및 추후연구 제언 33참고문헌 35
최근 본 자료
