지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 이수원
- 발행연도
- 2014
- 저작권
- 숭실대학교 논문은 저작권에 의해 보호받습니다.
이용수5
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
감성 분석은 자연언어 처리 기술 및 텍스트마이닝 기술을 활용하여 텍스트 데이터로부터 주관적인 정보를 인식 및 추출하는 기술로서, 분석하고자 하는 문서에 포함된 감성 단어의 감성 극성 및 지수를 이용하여 수행된다. 단어의 감성 지수를 추정하는 연구가 감성 극성을 추론하는 연구보다 정교한 감성 분석을 가능하게 하지만, 한국어를 대상으로 한 감성 지수 추정 연구는 제한된 수의 감성 단어의 감성 지수를 추정하는 수준에 그치고 있어 신규 단어에 대한 감성 지수를 자동으로 추정하는 기술이 필요하다.
본 논문에서는 감성 단어를 동시 출현 단어와의 연관성 벡터로 표현하고, 벡터 간 유사도를 기반으로 감성 단어 간 유사도를 추출하여 신규 감성 단어의 쾌-불쾌 지수를 자동으로 추정하는 방법을 제안한다. 제안 방법은 전처리, 자질어 선택, 동시 출현 단어와의 연관성 계산, 감성 단어 간 유사도 계산, 유사도 보정, 반의어 제거의 단계를 거쳐 최종적으로 쾌-불쾌 지수 자동 추정을 수행한다. 실험 결과 제안 방법이 기존 방법들에 비해 좋은 성능을 보였다.
본 논문에서는 감성 단어를 동시 출현 단어와의 연관성 벡터로 표현하고, 벡터 간 유사도를 기반으로 감성 단어 간 유사도를 추출하여 신규 감성 단어의 쾌-불쾌 지수를 자동으로 추정하는 방법을 제안한다. 제안 방법은 전처리, 자질어 선택, 동시 출현 단어와의 연관성 계산, 감성 단어 간 유사도 계산, 유사도 보정, 반의어 제거의 단계를 거쳐 최종적으로 쾌-불쾌 지수 자동 추정을 수행한다. 실험 결과 제안 방법이 기존 방법들에 비해 좋은 성능을 보였다.
목차
국문초록 ⅴ영문초록 ⅶ제 1 장 서론 11.1 연구 배경 및 개요 11.2 논문의 구성 3제 2 장 관련 연구 42.1 단어의 감성 극성 추론 연구 42.2 단어의 감성 지수 추정 연구 4제 3 장 제안 방법 83.1 가설 및 시스템 구조도 83.2 전처리 103.3 기본 감성 단어 사전 구축 123.4 자질어 선택 133.5 감성 단어 간 유사도를 이용한 쾌-불쾌 지수 자동 추정 143.6 쾌-불쾌 지수 보정 193.6.1 상대적 유사도 적용 193.6.2 반의어 처리 21제 4 장 실험 및 결과 244.1 실험 데이터 244.2 전처리 결과 244.3 adjusted_kNSW_AR 실험을 위한 반의어 사전 구축 264.4 평가 방법 274.5 평가 척도 284.6 자질어 선택 결과 284.7 제안 방법의 실험 및 평가 304.8 기존 방법과의 비교실험 및 평가 37제 5 장 결론 및 향후 계획 43참고문헌 45
최근 본 자료
댓글(0)
0