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
- 이승룡
- 발행연도
- 2013
- 저작권
- 경희대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
감성인지기술은 모바일 중심으로 재편되는 컴퓨팅 환경에서 인간 중심 인터페이스가 중요해짐으로 인해 그 필요성이 커지고 있는 핵심 기술이이다. 특히 모바일 환경의 발전으로 성장하고 있는 SNS, 모바일 메신저, 문자메시지와 같은 모바일 텍스트는 사용자의 감성을 매우 잘 나타내는 매체라 할 수 있다. 이러한 텍스트로부터 사용자의 감성을 분류하기 위해, 적절한 Feature가 추출되어야 하며, 이는 감성분류기의 신뢰성과 정확성을 높이는데 중요한 역할을 한다.
텍스트로부터 감성을 분류하기위해 형태소 분석에 의한 의미 추론, 기계학습에 의한 분류 등 다양한 방법이 사용되었지만, 띄어쓰기 오류 및 오탈자가 많은 인터넷 상의 텍스트 특징으로 인해 기계학습이 주목을 받고 있으며, 특히 긍정과 부정을 분류하는 이진 분류 문제에서 SVM(Support Vector Machine)이 좋은 성능을 내는 것으로 알려져 있다.
텍스트를 SVM에 매핑(mapping)시키기 위해 영어권에서 String Kernel이 제안 되었으며, 한글에서는 알파벳 대신 음절단위로 String Kernel에 적용한 음절 커널(Syllable Kernel)을 제안하였다. 하지만 기존 커널 기법은 띄어쓰기에는 강건하나 초성을 중심으로 중성, 종성이 변화한 통신어체가 많은 모바일 텍스트에는 다소 정확도가 떨어지는 단점이 있다. 따라서 본 논문에서는 음절보다 작은 단위인 음운(Phoneme: 초성,중성,종성의 단위)으로 나누어 커널에 적용한 음운 커널(Phoneme Kernel)을 제안한다.
제안하는 음운 커널을 통해 SNS, 모바일 메신저 등으로부터 생성된 140자 이내의 모바일 텍스트를 보다 정확하게 감성을 분류할 수 있다.
텍스트로부터 감성을 분류하기위해 형태소 분석에 의한 의미 추론, 기계학습에 의한 분류 등 다양한 방법이 사용되었지만, 띄어쓰기 오류 및 오탈자가 많은 인터넷 상의 텍스트 특징으로 인해 기계학습이 주목을 받고 있으며, 특히 긍정과 부정을 분류하는 이진 분류 문제에서 SVM(Support Vector Machine)이 좋은 성능을 내는 것으로 알려져 있다.
텍스트를 SVM에 매핑(mapping)시키기 위해 영어권에서 String Kernel이 제안 되었으며, 한글에서는 알파벳 대신 음절단위로 String Kernel에 적용한 음절 커널(Syllable Kernel)을 제안하였다. 하지만 기존 커널 기법은 띄어쓰기에는 강건하나 초성을 중심으로 중성, 종성이 변화한 통신어체가 많은 모바일 텍스트에는 다소 정확도가 떨어지는 단점이 있다. 따라서 본 논문에서는 음절보다 작은 단위인 음운(Phoneme: 초성,중성,종성의 단위)으로 나누어 커널에 적용한 음운 커널(Phoneme Kernel)을 제안한다.
제안하는 음운 커널을 통해 SNS, 모바일 메신저 등으로부터 생성된 140자 이내의 모바일 텍스트를 보다 정확하게 감성을 분류할 수 있다.
목차
국문요약 11장 서론 32장 관련연구 52.1 의미 분석을 통한 감성분류 72.2 기계학습을 통한 감성분류 103장 SVM 기반 감성분류기 123.1 Support Vector Machine 133.2 커널 함수 153.3 String Kernel 183.4 음절 커널 213.5 기존 연구와의 차별점 234장 음운커널 기반 모바일 텍스트 감성인지 264.1 음운 커널 284.2 학습모델 생성 305장 실험 및 평가 315.1 실험 환경 315.2 실험 방법 325.3 실험 결과 335.3.1 소멸계수별 정확도 335.3.2 커널별 구간 정확도 비교 356장 결론 36참고문헌 37
최근 본 자료
댓글(0)
0