CNN과 Bidirectional LSTM을 활용한 부산시 민원 자동 분류 연구
Automatic Classification of Civil Complaint Data Using CNN and Bidirectional LSTM：The Case of Busan, South Korea
0
조회
0
다운로드
7
인용
0
참고문헌
키워드
초록
온라인과 정보통신기술의 발달로 정부정책에 대한 시민의 참여 욕구는 높아지고 있다. 이에 따라 시민들은 민원을 인터넷과 모바일을 활용하여 전자 민원 게시판을 통해 접수하는 건수가 증가하고 있다. 폭발적으로 늘어나는 민원의 양에 비해 아직 수작업으로 분류 하여 오류가 발생하거나 신속한 대응이 이루어지지 않아 민원인들의 불만이 늘어나고 있다. 본 연구에서는 딥러닝 기법을 통해 담당 부서 분류를 자동화하기 위해 2017년도의 부산시 민원 데이터를 수집하고, 담당 부서를 확인 할 수 있는 부서명, 전화번호, 담당자명을 기준으로 레이블을 부여하였다. 그리고 딥러닝 중 대표적인 분류방법인 CNN과 최근 여러 분야에서 두각을 내고 있는 Bidirectional LSTM을 기반으로 상위 12개 범주에 대하여 지도학습을 실시하였다. 지도학습 결과 각각 73%, 77%의 정확도를 보여 안정적인 성능을 보여주었다. 본 연구의 민원 분류에 대한 지도학습 사례는 향후 다른 주제 및 지방자치단체 민원에 대한 텍스트 데이터의 분류에 이용될 수 있어 실무적인 공헌도와 함께 후속연구를 유발할 수 있다는 학문적 기여도가 있다.
Abstract
The development of the Internet and information and communication technology fueled the desire of citizens to participate in government policy making. An increasingly number of individuals are registering civil complaints in electronic bulletin boards using the Internet and mobile devices. Despite the rapidly burgeoning volume of civil grievances posted online, however, such data are currently handled via manual methods, thereby causing frequent errors and delaying responses. These deficiencies ultimately exacerbate user dissatisfaction. In consideration of these matters, this study implemented an automatic classification of complaints issued by residents of Busan City, South Korea. The collected data were labeled in terms of the departments featured in the complaints, their telephone numbers, and the names of officers in charge. This information could be used to verify the department concerned in the complaints. Supervised learning was implemented on 12 upper complaint categories using a convolutional neural network, which is a representative deep learning approach, and bidirectional long short-term memory, which exhibits superior performance in diverse fields. The supervised learning results indicated that the two methods achieved classification accuracy levels of 73% and 77%, respectively. This study makes practical contributions to supervised learning that involves the classification of civil complaints as it can be employed in similar initiatives by other local governments or in the categorization of text data on a specific topic. The research adds value to the academic domain by opening up directions for further exploration in relevant fields.
참고문헌 (27)
- 김도우, "Doc2Vec을 활용한 CNN 기반한국어 신문기사 분류에 관한 연구", 제28회 한글 및 한국어 정보처리 학술대회 논문집, pp.67~71 (2016)
- 김은율, "양방향 LSTM 을 이용한 영상의 하이라이트 예측", 대한전자공학회학술대회 논문집, pp.508~511 (2018)
- 김정미, "Word2vec을 활용한 RNN기반의 문서 분류에 관한 연구", 한국지능시스템학회 논문지, 27(6), pp.560~565 (2017), 한국지능시스템학회
- 김판준, "기계학습에 기초한 국내 학술지 논문의 자동분류에 관한 연구", 정보관리학회지, 35(2), pp.37~62 (2018), 한국정보관리학회[DOI]
- 김한규, "음성-음악 혼재 데이터에서의 음성분리를 위한 확률적 어텐션을 사용한 양방향 LSTM 기반 피치 분류", 정보과학회 컴퓨팅의 실제 논문지, 25(4), pp.223~230 (2019), 한국정보과학회[DOI]
- 박진희, "특허기술 고객충성도에 대한 기계학습 예측모델링 연구", 전산회계연구, 17(1), pp.1~19 (2019), 한국전산회계학회[DOI]
- 손남례, "공공민원 빅데이터 분석을 통한 민원통계 및담당부서 자동분류 시스템", 한국차세대컴퓨팅학회 논문지, 13(1), pp.22~35 (2017), 한국차세대컴퓨팅학회
- 오영택, "Parallel Stacked Bidirectional LSTM 모델을 이용한 한국어 영화리뷰 감성 분석", 정보과학회논문지, 46(1), pp.45~49 (2019), 한국정보과학회[DOI]
- 오원식, "딥러닝(CNN)기반 저해상도 IR이미지 분석을 통한 작업자 인식", 한국가스학회지, 22(6), pp.8~15 (2018), 한국가스학회[DOI]
- 유승의, "텍스트 네트워크 분석을 통한 부산시 버스민원 패턴분석", 전산회계연구, 16(2), pp.19~43 (2018), 한국전산회계학회[DOI]
- 육지희, "토픽모델링과 딥 러닝을 활용한 생의학 문헌 자동 분류 기법 연구", 정보관리학회지, 35(2), pp.63~88 (2018), 한국정보관리학회[DOI]
- 이치욱, "CNN-LSTM 모델을 이용한 이슈 관리 시스템의 모듈 분류 연구", 석사, pp.2017
- 이찬희, "문자 단위 단방향 LSTM을 이용한 데이터 중심의띄어쓰기 오류 교정", 한국정보과학회 학술발표논문집, pp.660~662 (2017)
- 장재나, "양방향 LSTM 을 이용한 한국어 자동 띄어쓰기", 한국정보과학회 학술발표논문집, pp.2052~2053 (2018)
- 정호철, "에너지인터넷에서 1D-CNN과 양방향 LSTM을이용한 에너지 수요예측", 전기전자학회논문지, 23(1), pp.134~142 (2019), 한국전기전자학회[DOI]
- 경기도 교통불편 민원의 효율적인 처리방안, "조응래", 경기연구원, 1~76 (2016)
- 조현, "워드 임베딩 기법을 활용한 범주형 데이터의 군집분석：고차원 데이터를중심으로", 석사, pp.2019
- 주일택, "양방향 LSTM 순환신경망 기반 주가예측모델", 한국정보전자통신기술학회 논문지, 11(2), pp.204~208 (2018), 한국정보전자통신기술학회
- 하지은, "RandomForest와 XGBoost를 활용한 한국어 텍스트 분류: 서울특별시 응답소 민원 데이터를 중심으로", 한국빅데이터학회 학회지, 2(2), pp.95~104 (2017), 사)한국빅데이터학회[DOI]
- 하태빈, "양방향 LSTM을 이용한 전이기반 한국어 의존 구문분석", 석사, pp.2019
- Joulin, A., "Fasttext. zip：Compressing text classification models", arXiv preprint arXiv：1612.03651, ~ (2016)
- Kim, Y., "Convolutional neural networks for sentence classification", arXiv preprint arXiv：1408.5882, ~ (2014)
- Li, C., "News Text Classification Based on Improved Bidirectional LSTM-CNN", 2018 9th International Conference on Information Technology in Medicine and Education (ITME), pp.890~893 (2018)
- Robinson, T., "An Application of Recurrent Nets to Phone Probability Estimation", IEEE Transactions on Neural Networks, 5(2), pp.298~305 (1994)
- Schuster, M., "Bidirectional recurrent Neural Networks", IEEE Transactions on Signal Processing, 45(11), pp.2673~2681 (1997)
- Song, M., "Text Sentiment Analysis Based on Convolutional Neural Network and Bidirectional LSTM Model", Springer, pp.55~68 (2018)
- Zhou, J., "Sentiment Analysis of Chinese Microblog Based on Stacked Bidirectional LSTM", IEEE Access, 7, pp.38856~38866 (2019)