디지털 라이브러리[ 검색결과 ]
상대방 화자의 상태 문맥을 파악해 대화에서 화자의 감정을 인식하는 RNN 모델
http://doi.org/10.5626/JOK.2021.48.7.802
감정 분석은 인공지능 분야에서 지속적으로 관심을 받고 있는 주제이다. 본 연구에서는 RNN 모델을 통해 대화 내에서 발화를 통해 나타나는 특정 화자의 감정을 분석하고 파악한다. 대화(dialogue)에는 화자(speaker)를 두 가지 문맥 정보가 있는데, 하나는 해당 화자의 문맥 정보(self-dependency)이고 다른 하나는 해당화자와 상대방 화자 간의 문맥 정보(inter-speaker dependency)이다. 특히, 상대방 화자의 상태 문맥 정보가 현재 화자의 감정에 끼칠 수 있는 영향(inter-speaker dependency)을 고려하여 감정을 분석한다. 이를 위해, 기존의 DialogueRNN 모델에서 상대방의 상태 문맥을 파악할 수 있는 GRU(Gated Recurrent Unit) Cell을 하나 추가한 모델을 제안한다. 본 연구에서 제안하는 모델이 기존의 DialogueRNN 모델 및 3가지 변형 모델과 비교했을 때, 더 높은 성능을 보였다.
임베딩 기법을 이용한 문맥의존 철자오류 교정 성능의 비교
http://doi.org/10.5626/JOK.2020.47.2.147
본 논문에서는 임베딩(embedding) 기법들을 이용하여 문맥의존 철자오류 교정에 적용하고 각 기법의 성능을 비교한다. 임베딩 학습을 통해 얻은 단어의 벡터를 사용하여 교정 대상 단어와 주변 문맥단어 간의 거리(distance)를 비교하여 교정한다. 논문에서는 학습 말뭉치(corpus)에 포함되어 있지 않은 단어(out of vocabulary)의 처리와 교정 단어의 주변 문맥 정보를 잘 반영하여 교정 성능을 높이려 한다. 교정에 사용하는 임베딩 기법의 종류는 단어 기반의 임베딩(word embeding)과 문맥정보를 반영하는 임베딩(contextual embedding)으로 나뉜다. 본 논문에서는 앞서 제시한 두 가지 향상 목표를 초점으로 임베딩 기법을 적용하여 교정실험을 하였으며, 신용 있는 교정 성능을 얻을 수 있었다.
