디지털 라이브러리[ 검색결과 ]
EEG 기반 감정 분류에서 MSP를 사용한 OOD 검출 적용
http://doi.org/10.5626/JOK.2024.51.5.438
EEG 기반 감정분류는 딥러닝 모델의 다양한 연구로 분류 정확도가 크게 향상되었지만, 여전히 뇌파 신호 및 감정 메커니즘의 복잡성, 개인 내 및 개인 간의 가변성으로 인해 성능 향상에 한계를 지니고 있다. 본 연구에서는 이러한 한계를 극복하기 위해 특징 추출과 모델 구축이 아닌 개인 간 가변성에 집중한다. 제안하는 프레임워크는 딥러닝의 최대 Softmax 값인 MSP(Maximum Softmax Probability)를 모델의 확신 정도(confidence score)로 활용하여 이상(abnormal) 감정 데이터-라벨(label)쌍들을 검출하고 제거하는 과정을 수행한다. 세 가지 공개 데이터셋에서의 실험 결과는 감정 분류 정확도를 최대 4% 향상 시킬 수 있음을 보이며 제안한 방법의 우수성을 입증한다.
감정 어휘 사전을 활용한 KcBert 기반 영화 리뷰 말뭉치 감정 분석
http://doi.org/10.5626/JOK.2022.49.8.608
감정 분석은 텍스트 데이터에 표현된 인간이 느끼는 감정을 기쁨, 슬픔, 분노, 놀람, 공포 등의 다양한 감정 유형으로 분류하는 것이다. 본 연구에서는 감정 어휘 사전을 활용하여 영화 리뷰 말뭉치에 표현된 감정을 기쁨, 슬픔, 공포, 분노, 혐오, 놀람, 흥미, 지루함, 통증의 9가지로 분류하여 감정 말뭉치를 구축하고, KcBert에 감정 말뭉치를 학습시켜 모델의 성능을 평가하였다. 감정 말뭉치를 구축하기 위해 심리학 모델을 기반으로 한 감정 어휘 사전을 사용하였는데, 감정 어휘 사전의 어휘와 영화 리뷰 말뭉치에 나타난 감정 어휘가 일치하는지 여부를 판단하고, 영화 리뷰 말뭉치의 마지막에 등장하는 어휘에 일치하는 감정 유형을 주석하였다. 이렇게 구축한 감정 말뭉치를 NSMC로 사전 학습된 KcBert에 학습시켜 그 성능을 평가한 결과, KcBert는 감정을 9가지 유형으로 분류한 모델에서도 우수한 성능을 보였다.
주제 핵심어 기반 감정 분석을 통한 프로 스포츠 팬 사이트에서의 여론 분류 기술
http://doi.org/10.5626/JOK.2018.45.4.390
본 연구에서는 한국 프로 스포츠 공식 사이트의 팬 게시물을 대상으로, 핵심 키워드를 이용하는 감정 분석 방법에 기반을 둔 여론 분류 방법을 제시하였다. 본 연구팀은 커뮤니티의 특별한 커뮤니케이션 방식이나 단어의 사용을 감안할 수 있는 방법에 대해 연구하였고, 주제의 특징이나 커뮤니티의 은어중 빈도를 기반으로 중요한 단어를 핵심어로 정의하였다. 또한, 우리는 핵심어 단어 풀의 사용 및 핵심어와의 인접 관계를 활용한 새로운 감정 분석 방법을 제시하였고, 실제 커뮤니티의 3년치 데이터셋을 통해 주제 핵심어 기반 감정 분석이 기존의 일반적인 방법에 비해 효과적으로 커뮤니티 환경을 반영하고 있음을 실험을 통해 확인하였다.
