A Text Content Classification Using LSTM For Objective Category Classification
1
조회
0
다운로드
4
인용
0
참고문헌
키워드
초록
인공지능은 현재 인공지능 번역기, 페이스 아이디와 같이 우리의 삶 다양한 곳에 적용되고 있으며 여러 가지 장점으로 많은 산업분야에서도 적용되고 있다. 본 연구는 매년 방대한 양의 콘텐츠들이 넘쳐나는 상황에서 인공지능을 적용한 카테고리 분류로 원하는 데이터를 추출함으로써 편의성을 제공한다. 본 연구에서는 텍스트 분류에서 두각을 나타내고 있는 LSTM(Long-Short Term Memory network)을 사용한 모델을 제안하며 자연어 처리에 적합한 구조를 가진 RNN(Recurrent Neural Network)과 BiLSTM(Bidirectional LSTM)을 사용한 모델과의 성능을 비교한다. 세 가지 모델의 성능비교는 뉴스 텍스트 데이터에 적용해 accuracy, precision, recall의 측정값을 사용해 비교하였고 그 결과 LSTM모델의 성능이 가장 우수한 것으로 나타났다. 따라서 본 연구에서는 LSTM을사용한 텍스트 분류를 권장한다.
Abstract
AI is deeply applied to various algorithms that assists us, not only daily technologies like translator and Face ID, but also contributing to innumerable fields in industry, due to its dominance. In this research, we provide convenience through AI categorization, extracting the only data that users need, with objective classification, rather than verifying all data to find from the internet, where exists an immense number of contents. In this research, we propose a model using LSTM(Long-Short Term Memory Network), which stands out from text classification, and compare its performance with models of RNN(Recurrent Neural Network) and BiLSTM(Bidirectional LSTM), which is suitable structure for natural language processing. The performance of the three models is compared using measurements of accuracy, precision, and recall. As a result, the LSTM model appears to have the best performance. Therefore, in this research, text classification using LSTM is recommended.
참고문헌 (16)
- 전필한, "RBFNNs 기반 소프트맥스 패턴분류기를 이용한 포즈변화에 강인한 얼굴인식 시스템 설계", 한국지능시스템학회 논문지, 27(6), pp.486~492 (2017), 한국지능시스템학회
- 박상범, "최적화된 Fuzzy Transform을 이용한 소프트맥스 함수 기반RBFNN 분류기 설계", 한국지능시스템학회 논문지, 28(2), pp.99~106 (2018), 한국지능시스템학회
- 이윤석, "파일 접근 행태의 LSTM 학습을 활용한 악성 코드 탐지 기법", 한국정보기술학회논문지, 18(2), pp.25~32 (2020), 한국정보기술학회[DOI]
- "Artificial intelligence translator"[URL]
- "Face ID"[URL]
- "Identifying of cervical cancer with AI"[URL]
- "Entertainment articles in Naver's'Life·Culture' section"[URL]
- Jelena Stankeviciene, "High-low Strategy of Portfolio Composition using Evolino RNN Ensembles", Engineering Economics, 28(2) (2017), Kaunas University of Technology (KTU)[DOI]
- "RNN and LSTM"[URL]
- F. A. Gers, "Learning Precise Timing with LSTM Recurrent Networks", Journal of Machine Learning Research, 3(1), pp.115~143 (2002)[DOI]
- 김나랑, "CNN과 Bidirectional LSTM을 활용한 부산시 민원 자동 분류 연구", 전산회계연구, 17(2), pp.81~98 (2019), 한국전산회계학회[DOI]
- Hyun-Joon Nam, "On-Device Automatic Speech Recognition Application for Android Smartphone using Tensorflow Mobile Library and Bidirectional LSTM", The Institute of Electronics and Information Engineers, pp.708~711 (2018)
- Yoonjae Lee, "AirScope : Implementation of Air Travel Chatbot with Named Entity Recognition by BiLSTM-CRF and Intent Analyzer by MNB, LSTM", The Korean Institute of Information Scientists and Engineers, pp.1507~1509 (2019)
- 양기수, "자연어 추론에서의 교차 검증 앙상블 기법", 정보과학회논문지, 48(2), pp.154~159 (2021), 한국정보과학회[DOI]
- 이새미, "텍스트 마이닝을 활용한 매스 미디어와 소셜 미디어 의제 분석 : ‘마스크 5부제’를 중심으로", 한국콘텐츠학회 논문지, 20(6), pp.460~469 (2020), 한국콘텐츠학회[DOI]
- Seung-Man Lee, "Implementation of a Harmful Website's Automatic Classification System based on Morphological Analysis and Skin-Color Distribution's Human Detection Algorithm", The Korean Institute of Information Scientists and Engineers, 31(1), pp.601~603 (2004)