딥러닝 기반 감정인식 성능향상 방법
Performance Improvement Method of Deep Learning-based Emotion Recognition
1
조회
0
다운로드
4
인용
0
참고문헌
키워드
초록
인터넷의 발달과 비대면 서비스의 증가로 사용자들 간에 문자나 SNS로 소통하는 경우가 늘어나고 있다. 사용자에 의한 대량의 데이터가 발생하면서 사용자 정보나 의견을 분석하여 감정을 인식하는 연구가 활발하게 진행되고 있다. 그중에서도 텍스트 감정인식은 대부분 단어나 문장의 단일 감정을 인식하고 있다. 그러나 하나의 문장에도 여러 감정이 복합적으로 존재하기 때문에 다중 감정인식 방법이 필요하다. 따라서 본 논문에서는 더욱 정확한 텍스트 감정인식을 위해 데이터를 보정하는 방법과 딥러닝 기반의 다중 감정인식 방법을 적용한 감정인식 성능향상 방법을 제안한다. 제안한 모델의 유용성을 확인하기 위해 딥러닝 모델을 비교 실험한 결과 Attention 모델을 사용했을 때 Accuracy가 76.7%로 가장 좋은 성능을 보였다.
Abstract
With the development of the Internet and the increase of non-face-to-face services, the number of users communicating through text messages or SNS is increasing. As a large amount of data is generated by users, research on recognizing emotions by analyzing user information or opinions is being actively conducted. Among them, most of the text emotion recognition recognizes a single emotion of a word or sentence. However, since multiple emotions exist complexly in a single sentence, a multi-emotion recognition method is required. Therefore, in this paper, we propose a data correction method for more accurate text emotion recognition and a method to improve emotion recognition performance by applying a deep learning-based multi-emotion recognition method. As a result of comparing deep learning models to confirm the usefulness of the proposed model, when the attention model was used, Accuracy showed the best performance with 76.7%.
참고문헌 (14)
- 윤경목, "유전알고리즘과 신경망 파라미터 값들의 변동에 의한 영화 추천시스템 성능향상", 한국차세대컴퓨팅학회 논문지, 10(5), pp.56~64 (2014), 한국차세대컴퓨팅학회
- 서정한, "협업 필터링 성능향상을 위한 데이터 필터링 및 재분배 방법", 한국차세대컴퓨팅학회 논문지, 17(4), pp.13~22 (2021), 한국차세대컴퓨팅학회[DOI]
- 손귀영, "EEG 신호 기반의 특징벡터 형성 및 감정인식을 위한 기계학습", 한국차세대컴퓨팅학회 논문지, 16(2), pp.72~79 (2020), 한국차세대컴퓨팅학회[DOI]
- 임명진, "감정 차원을 적용한 연속 감정인식 방법", 한국스마트미디어학회 춘계학술대회, 10(1), pp.173~175 (2021)
- Aman, Saima, "Identifying expressions of emotion in text", International Conference on Text, Speech and Dialogue, pp.196~205 (2007), Springer
- Purver, Matthew, "Experimenting with distant supervision for emotion classification", Proceedings of the 13th Conference of the European Chapter of the Association for Computational Linguistics, pp.482~491 (2012)
- Y. Kim, "Convolutional Neural Networks for Sentence Classification", Conference on Empirical Methods in Natural Language Processing (EMNLP), pp.1746~1751 (2014)
- Hochreiter, S., "Long shortterm memory", Neural computation, pp.1735~1780 (1997)
- 신동원, "CNN-LSTM 복합 모델을 이용한 대화의 사용자 발화 감정 분류", 석사, pp.2017
- "인식기술-언어지능"[URL]
- 이강복, "SNS에서 단어 간 유사도 기반 단어의 쾌-불쾌 지수 추정", 정보과학회 컴퓨팅의 실제 논문지, 20(3), pp.159~164 (2014), 한국정보과학회
- "오픈사전프로"[URL]
- "대한민국의 인터넷 신조어 목록"[URL]
- 임명진, "리뷰의 의미적 토픽 분류를 적용한 감성 분석 모델", 스마트미디어저널, 9(2), pp.69~77 (2020), (사)한국스마트미디어학회[DOI]