본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

목차보기

목차

감정 단어의 의미적 특성을 반영한 한국어 문서 감정분류 시스템 / 황재원 ; 고영중 1

요약 1

Abstract 1

1. 서론 2

2. 배경 및 관련 연구 2

2.1. 관련 연구 2

2.2. 기계 학습 2

2.3. 의미지향성 3

3. 감정자질의 의미지향성 추정 방법 및 적용 3

3.1. 일반적 의미지향성 추정 3

3.2. 영역 의존적 의미지향성 추정 3

3.3. 일반적 + 영역 의존적 의미지향성 추정 3

3.4. 감정자질 및 문장의 감정 강도 계산 4

4. 실험 및 결과 4

4.1. 실험 말뭉치 4

4.2. 실험 결과 4

5. 결론 및 향후 연구 5

참고문헌 5

초록보기

본 논문은 감정단어(Sentiment Word)의 의미적 특성을 반영하여 한국어 문서 감정분류 시스템의 성능을 향상시킬 수 있는 방법을 제안한다. 감정단어는 감정을 가지는 단어를 의미하며, 감정단어들의 집합은 감정자질(Sentiment Feature)로써 감정분류를 위한 중요한 어휘 자원이다. 감정자질은 일반적으로 사용될 때와 특정 영역(Domain)에서 사용될 때에 그 감정 정도의 차이를 가진다. 감정자질이 일반적으로 사용될 때 그 감정 정도는 검색 엔진을 통해 얻을 수 있는 스니핏(Snippet)을 통해 추정할 수 있으며, 특정 영역에서 사용될 때의 감정 정도는 실험 말뭉치를 이용하여 추정할 수 있다. 이렇게 추정된 감정자질의 감정 정도 수치를 의미지향성이라고 하며, 문서내의 문장의 감정 강도를 추정하기 위해 이용된다. 문장의 감정 강도가 추정되면 문장 감정 강도를 감정자질의 가중치에 반영하게 된다. 본 논문은 지지 벡터 기계(Support Vector Machine)를 이용하여 일반적, 영역 의존적, 일반적/영역 의존적 의미지향성을 반영한 경우에 대해 성능을 평가한다. 평가 결과, 앞의 3가지 경우에 모두 성능 향상을 얻었으며 일반적/영역 의존적 의미지향성을 반영한 경우, 일반적인 정보 검색에서 사용하는 내용어(Content Word) 기반의 자질을 사용한 경우보다 3.1%의 성능 향상을 얻을 수 있었다.

This paper proposes how to improve performance of the Korean document sentiment- classification system using semantic properties of the sentiment words. A sentiment word means a word with sentiment, and sentiment features are defined by a set of the sentiment words which are important lexical resource for the sentiment classification. Sentiment feature represents different sentiment intensity in general field and in specific domain. In general field, we can estimate the sentiment intensity using a snippet from a search engine, while in specific domain, training data can be used for this estimation. When the sentiment intensity of the sentiment features are estimated, it is called semantic orientation and is used to estimate the sentiment intensity of the sentences in the text documents. After estimating sentiment intensity of the sentences, we apply that to the weights of sentiment features. In this paper, we evaluate our system in three different cases such as general, domain-specific, and general/domain-specific semantic orientation using support vector machine. Our experimental results show the improved performance in all cases, and, especially in general/domain-specific semantic orientation, our proposed method performs 3.1% better than a baseline system indexed by only content words.

권호기사

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 목차
온톨로지 기반 데이터 가변성 처리 기법 임윤선 ; 김명 pp.239-251

보기
UML 2.0을 사용한 모델 기반의 임베디드 소프트웨어 소모 전력 분석을 위한 MARTE Profile의 확장 편호림 ;김종필 ;홍장의 pp.252-263

보기
단계적 후보 축소에 의한 예제기반 초해상도 영상복원을 위한 고속 패치 검색 박규로 ;김인중 pp.264-272

보기
심장 CT 영상에서 밝기값 분포와 적응적 기울기 프로파일을 이용한 좌심실 내외벽 경계 검출 이민진 ;홍헬렌 pp.273-281

보기
온톨로지 Open World 추론과 규칙 Closed World 추론의 통합 최정화 ;박영택 pp.282-296

보기
문장구조 유사도와 단어 유사도를 이용한 클러스터링 기반의 통계기계번역 김한경 ;나휘동 ;이금희 ;이종혁 pp.297-304

보기
(A)Motion correspondence algorithm based on point series similarity Kiyeol Eom ;Jaeyoung Jung ;Moonhyun Kim pp.305-310

보기
제어 및 데이터 신호에 의한 Esterel에서의 새로운 회로 중복사용 문제 윤정한 ;김철주 ;김성건 ;최광무 ;한태숙 pp.311-316

보기
감정 단어의 의미적 특성을 반영한 한국어 문서 감정분류 시스템 황재원 ;고영중 pp.317-322

보기
하드웨어/소프트웨어 동시검증을 위한 합성 가능한 인터페이스 검증 기법 이재호 ;한태숙 ;윤정한 pp.323-339

보기

참고문헌 (21건) : 자료제공( 네이버학술정보 )

참고문헌 목록에 대한 테이블로 번호, 참고문헌, 국회도서관 소장유무로 구성되어 있습니다.
번호 참고문헌 국회도서관 소장유무
1 B. Pang, L. Lee and S. Vaithyanathan, "Thumbs up? Sentiment Classification Using Machine Learning Techniques," In Proceedings of the EMNLP, pp.79-86, 2002. 미소장
2 T. Mullen and N. Collier, "Sentiment Analysis using Support Vector Machines with Diverse Information Sources," In Proceedings of EMNLP, pp.412-418, 2004. 미소장
3 V. Hatzivassiloglou and K. McKeown, "Predicting the semantic orientation of adjectives," In Proceedings of the 35th ACL/8th EACL, pp.174-181, 1997. 미소장
4 P. Turney, "Thumbs up or thumbs down? Sentiment orientation applied to unsupervised classification of reviews," In Proceedings of the ACL, pp.417-424, 2002. 미소장
5 P.D. Turney and M.L. Littman, "Measuring Praise and Criticism: Inference of Semantic Orientation from Association," In Proceedings of the ACM Transactions on Information Systems, pp.315-346, 2003. 미소장
6 A Document Sentiment Classification System Based on the Feature Weighting Method Improved by Measuring Sentence Sentiment Intensity 소장
7 B. Pang and L. Lee, "A Sentimental Education: Sentiment Analysis Using Subjectivity Summarization Based on Minimum Cuts," In Proceedings of the ACL, pp.271-278, 2004. 미소장
8 P. Beineke and T. Hastie and S. Vaithyanathan, "The Sentimental Factor: Improving Review Classification via Human-Provided Information," In Proceedings of the ACL, pp.263-270, 2004. 미소장
9 M. Gamon, "Sentiment classification on customer feedback data: noisy data, large feature vectors, and the role of linguistic analysis," In Proceedings the ACL, pp.841-847, 2004. 미소장
10 Y. Mao and G. Lebanon, "Isotonic Conditional Random Fields and Local Sentiment Flow," In Proceedings of the NIPS, 2007. 미소장
11 Y. Choi, C. Cardie, E. Riloff, and S. Patwardhan, "Identifying sources of opinions with conditional random fields and extraction patterns," In Proceedings of the HLT/EMNLP, pp.355-362, 2005. 미소장
12 M. Thomas, B. Pang, and L. Lee, "Get out the vote: Determining support or opposition from congressional floor-debate transcripts," In Proceedings of the EMNLP, pp.327-335, 2006. 미소장
13 A. Esuli and F. Sebastiani, "Determining the Semantic Orientation of Terms through Gloss Classification," In Proceedings of the CIKM, pp.617-624, 2005. 미소장
14 E. Riloff and J. Wiebe, "Learning extraction patterns for subjective expressions," In Proceedings of the EMNLP, pp.105-112, 2003. 미소장
15 P. Turney and M. Littman, "Unsupervised learning of semantic orientation from a hundred-billonword corpus," Technical Report ERB-1094, National Research Council, Institute for Information Technology, 2002. 미소장
16 S.M. Kim and E. Hovy, "Determining the Sentiment of Opinions," In Proceedings of the COLING conference, pp.1367-1373, 2004. 미소장
17 A. Esuli and F. Sebastiani, "PageRanking WordNet Synsets: An Application to Opinoin Mining," In Proceedings of the ACL, pp.424-431, 2007. 미소장
18 황재원, 고영중, "감정 분류를 위한 한국어 감정 자 질 추출 기법과 감정 자질의 유용성 평가", 한국정보과학회논문지, 컴퓨팅의 실제 및 레터, 제14권 제3호, pp.336-340, 2008. 미소장
19 Y. Ko, J. Park, and J, Seo, "Automatic Text Categorization using the Importance of Sentences," In Proceedings of the 19, IInternational Conference on COLING, pp.474-480, 2002. 미소장
20 X. Bai, R. Padman and E. Airoldi, "Sentiment extraction from unstructured text using tabu search-enhanced Markov blanket," In Proceedings of the International Workshop on Mining for and from the Semantic Web, pp.24-35, 2004. 미소장
21 T. Joachims, "Text Categorization with Support Vector Machines: Learning with Many relevant Features," In Proceedings of the ECML, pp.137-142, 1998. 미소장

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기