표제지
목차
국문초록 8
ABSTRACT 10
제1장 서론 12
1.1. 연구배경 및 목적 12
1.2. 연구방법 14
제2장 관련 연구 15
2.1. 오피니언 마이닝(Opinion Mining) 15
2.2. 감성 분석(Sentiment analysis) 16
2.3. 자연언어처리 16
2.3.1. 자연언어처리(Natural Language Progress) 16
2.3.2. 형태소 분석기 17
2.4. Word2vec 18
2.5. 인공 신경망 20
제3장 Word2vec을 이용한 리뷰 분석 22
3.1. 설치환경과 데이터 22
3.2. 워드 임베딩 프로세스 24
3.3. 형태소 분석 25
3.4. 워드 임베딩 26
제4장 2층 신경망 학습과 결과 30
4.1. 형용사 워드 임베딩을 이용한 학습 30
4.1.1. Word2vec의 size가 20일 때의 형용사 학습 30
4.1.2. Word2vec의 size가 50일 때의 형용사 학습 31
4.1.3. Word2vec의 size가 100일 때의 형용사 학습 33
4.2. 명사 워드 임베딩을 이용한 학습 34
4.2.1. Word2vec의 size가 20일 때의 명사 학습 34
4.2.2. Word2vec의 size가 50일 때의 명사 학습 35
4.2.3. Word2vec의 size가 100일 때의 명사 학습 37
제5장 결론 39
참고문헌 41
[표 2-1] 리뷰 요약의 예 15
[표 3-1] 크롤링한 리뷰 데이터의 예 24
[표 3-2] Word2Vec의 파라미터 값 27
[표 3-3] size=20 모델의 '재미있다'와 유사한 단어 10순위 27
[표 3-4] size=20 모델의 '슬프다'와 유사한 단어 10순위 28
[표 3-5] size=100 모델의 '슬픔'과 유사한 단어 10순위 28
[그림 1-1] 스마트폰 이용행태 및 인식(%)-만12세 이상 스마트폰... 13
[그림 2-1] 한나눔 형태소 분석기의 분석 과정 18
[그림 2-2] 국소표현과 분산표현 19
[그림 2-3] CBOW와 Skip-gram 19
[그림 2-4] 인공신경망의 예 20
[그림 2-5] Sigmoid와 ReLu 함수 21
[그림 3-1] 네이버 영화 리뷰 23
[그림 3-2] 워드 임베딩 프로세스 25
[그림 3-3] 형태소 분석으로 명사만을 추출한 예 26
[그림 3-4] 형용사 "재미있다"의 100차원 벡터 29
[그림 4-1] size가 20인 형용사 Word2vec 모델을 이용한 학습 과정 30
[그림 4-2] 입력 값이 20인 형용사 학습 신경망의 학습 과정 그래프 31
[그림 4-3] size가 50인 형용사 Word2vec 모델을 이용한 학습 과정 32
[그림 4-4] 입력 값이 50인 형용사 학습 신경망의 학습 과정 그래프 32
[그림 4-5] size가 100인 형용사 Word2vec 모델을 이용한 학습 과정 33
[그림 4-6] 입력 값이 100인 형용사 학습 신경망의 학습 과정 그래프 34
[그림 4-7] size가 20인 명사 Word2vec 모델을 이용한 학습 과정 35
[그림 4-8] 입력 값이 20인 명사 학습 신경망의 학습 과정 그래프 35
[그림 4-9] size가 50인 명사 Word2vec 모델을 이용한 학습 과정 36
[그림 4-10] 입력 값이 50인 명사 학습 신경망의 학습 과정 그래프 36
[그림 4-11] size가 100인 명사 Word2vec 모델을 이용한 학습 과정 37
[그림 4-12] 입력 값이 100인 명사 학습 신경망의 학습 과정 그래프 38