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
- 양형정
- 발행연도
- 2018
- 저작권
- 전남대학교 논문은 저작권에 의해 보호받습니다.
이용수6
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
본 논문에서는 컨볼루션 신경망 네트워크(CNN:Convolution Neural Network)를 기반으로 단어의 의미와 순서를 고려하는 문서 색인 방법을 이용하여 한글 문서 분류 방법을 제안한다. 먼저 문서를 어절 단위로 분리하여 명사와 형용사만 추출 한 후 Tdm(Term Document matrix)에서 DF(Document Frequence)값이 높은 단어 들을 추출 해 불용어로 처리 하였습니다. 제목은 본문과 연결하였고. 각 문서마다 LDA를 이용하여 토픽을 생성 한 후 문서 내의 단어 중 토픽에 포함된 단어의 경우 기존 단어에 추가로 토픽 내 단어를 추가 하였습니다. 문서의 단어의 의미와 순서를 고려하여 문서를 벡터화 시키고 그 값을 CNN의 입력으로 사용하였습니다. 실험결과 CNN 분류기를 기반으로 본 논문에서 제안하는 문서 색인 방법은 기존의 방법보다 한국일보 데이터에서는 5.4%, 해외과학기술문헌속보의 데이터에서는 4.7%의 성능 상승을 이루었다. 이러한 결과를 통해 본 논문에서 제안하는 방법이 문서 범주화 데이터 셋에서 문서 분류 성능향상에 영향을 미친다는 것을 확인하였다.
목차
Ⅰ. 서론 11. 문제 제기 12. 연구 목적 및 방법 23. 논문의 구성 3Ⅱ. 배경 지식 및 관련 연구 41. 문서 분류 42. 단어 및 문서 벡터화 42.1. Bag-of-words 모델 42.2. 단어 빈도와 역문서 빈도(Tf-Idf) 52.3. LDA(Latent Dirichelt Allocation) 62.4. 단어 벡터화 (Word2vec) 72.5. 문서 벡터화(Doc2vec) 93. 코사인 유사도 104. 컨볼루션 신경망(Convolutional Neural Network, CNN) 115. 관련연구 13Ⅲ. 제안 시스템의 구성 및 세부구조 151. 제안방법 152. LDA (Latent Dirichlet Allocation) 163. Word2vec과 Doc2vec을 활용한 164. CNN(Convolutional Neural Networks) 16Ⅳ. 실험 171. 실험 방법 172. 제안하는 모델의 CNN 분류기 매개변수 튜닝 19Ⅴ. 실험 결과 22Ⅵ. 결론 및 향후 연구 방향 25참고문헌 26Abstract 29
최근 본 자료
댓글(0)
0