감정 딥러닝 필터를 활용한 토픽 모델링 방법론
저자
발행사항
서울 : 국민대학교 비즈니스IT전문대학원, 2020
학위논문사항
학위논문(석사)-- 국민대학교 비즈니스IT전문대학원 : 비즈니스IT전공 2020. 2
발행연도
2020
작성언어
한국어
DDC
658.4038 판사항(23)
발행국(도시)
서울
형태사항
iv, 42 p. : 삽화 ; 26 cm
일반주기명
지도교수 : 김남규
Topic Modeling with Deep Learning-based Sentiment Filters
참고문헌 : p. 33-38
UCI식별코드
I804:11014-200000294435
소장기관
국문요약
텍스트 마이닝은 산업계에서 흔히 쓰이는 방법론으로 텍스트를 요약하거나, 주어진 텍스트에서 주제를 요약하거나 키워드를 추출하는 방법론이다. 이 방법은 다양한 산업군에서 활용되는 방법론으로 주관적 의미로 쓰이는 문장 및 단어를 컴퓨팅 기법을 사용해 객관적인 결론을 얻어내는 결과 때문에 좋은 호응을 받고 있다. 이러한 장점에도 불구하고, 텍스트 마이닝 방법론에는 제약이 많다. 첫 번째로 단어의 의미가 실질적으로 반영되는 것이 아닌 단순히 텍스트를 이진 부호로 변환해 연산하는 것에 다름이 없으므로 실제 세상에서 사용되는 인간의 언어 습관을 적절하게 반영할 수 없다는 단점이 존재한다. 두 번째로 이렇게 변환된 이진 부호를 수학적 연산을 통해 주제어를 클러스터링하거나 키워드를 추출하는 것은 단순한 문서 내 빈도수에 기반을 두어 언어를 조작하는 방법이기 때문에 적절한 주제나 키워드를 추출하지 못하는 경우가 많고, 때때로 인간이 판단하기에 전혀 엉뚱한 문장을 한 클러스터에 묶거나 키워드를 검출하는 경우가 다수 존재한다. 이는 앞서 언급한 바와 같이 텍스트 마이닝 기법 자체가 문장의 구조나 단어의 의미를 전혀 고려하지 않고 단순히 연산의 대상으로 인식해 수학적 연산만을 추구한, 어찌 보면 당연한 결과이다. 이에 본 연구에서는 단순히 단어나 문장의 빈도에 근거하기보다는 문장 내에서 단어 사이의 관계에 더 집중해 결론을 내리는 Attention 방법론을 기반으로 한 문장 분류 및 키워드 검출 방법론을 제시하고자 한다. Attention 방법론은 문장 내 단어를 vector화한 후 단어와 단어 사이의 관계를 부호화하고, 다시 문장 단위의 관계를 고려하여 최종적으로 문장을 분류한다. 그중 Hierarchical Attention Network(HAN) 방법론은 문장 분류에 탁월한 효과를 내는 방법론으로 이 방법론으로 문장을 분류한 후 문장 내 가중치에 따른 단어 집합을 얻을 수 있다는 점에서 문서 내 특징적인 단어 집합의 검출에 탁월한 성과를 내는 방법론이다. 이에 따라 정밀하게 추출된 단어 집합을 바탕으로 기존 토픽 모델링 키워드를 필터링한다면 진일보된 효과를 얻을 수 있을 것으로 기대하며, 본 논문에서는 해당 방법론을 사용하여 실험을 진행하고자 한다.
주제어 : 빅데이터, 딥러닝, 계층적 어텐션 네트워크, 리뷰 분석, 텍스트 분석, 토픽 모델링
Abstract
Topic Modeling with
Deep Learning-based Sentiment Filters
by Choi, Byeong Seol
Graduate School of Business IT, Kookmin University,
Seoul, Korea
Text mining is a methodology commonly used in the industry to summarize text, summarize topics from a given text, or extract keywords. This method is used in various industries and is well received because conclusion is drawn by computing techniques for sentences and words that have a subjective meaning. Despite these advantages, text mining methodologies are limited.
First of all, the meaning of a word is not actually reflected, but it is nothing more than simply converting text to binary code. Therefore, there is a disadvantage that it cannot properly reflect the human language used in the real world.
Secondly, clustering keywords or extracting keywords through mathematical operations on these converted binary codes is a way of manipulating the language based on simple frequency of documents. There are many cases in which a sentence that is completely wrong by humans is bundled into a cluster.
As mentioned above, the text mining technique itself does not consider the structure of the sentence or the meaning of the word at all, and simply recognizes it as a binary.
Therefore, this study proposes sentence classification and keyword detection methodology based on Attention methodology, which concludes by focusing on the relationship between words in sentences rather than simply based on the frequency of words or sentences. Attention methodology vectorizes words in a sentence, calculates the relationship between words, and finally classifies sentences in consideration of the relationship between sentences. Among them, the hierarchical attention network (HAN) method is a method that has an excellent performance on sentence classification. It perfomes well in detecting the characteristic word set in the document, and it is possible to obtain the word set according to the weight in the sentence after classifying the sentence. Accordingly, if we filter existing topic modeling keywords based on the precisely extracted word set, we expect to get an advanced effect. In this paper, we will experiment with the methodology.
Keyword: Big Data, Deep Learning, Hierarchical Attention Networks, Review Analysis, Text Analytics, Topic Modeling
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)