초록 열기/닫기 버튼
최근 텍스트 데이터의 감정 분류에 컨볼루션 신경망을 적용한 결과 효율적인 성능을 나타내고 있음을 여러 연구에서 보이고 있다. 본 연구에서는 한글로 작성된 음악 리뷰의 감정을 분류하는 컨볼루션 신경망 기반의 모델을 설계하고, 설계한 모델의 성능을 분석한다. 일반적으로 문자로 이루어진 음악 리뷰는 신경망 기반의 모델에서 사용할 수 있도록 벡터로 변환되어야 하는데, 본 연구에서는 룩업 테이블을 사용하여 문자를 벡터로 변환하였고, 전체 음악 리뷰의 80%는 학습 데이터, 20%는 평가 데이터로 구분하여 사용하였다. 또한 감정 분류 모델은 한 개의 컨볼루션 층과 두 개의 완전 연결 층을 갖도록 설계하였다. 그리고 이들을 사용하여 네 가지 활성화 함수와 함께 음악 리뷰의 감정 분류를 수행한 결과, Leaky ReLU 함수를 사용하였을 때 분류 정확도가 가장 높았으며, SELU 함수를 사용하였을 때 학습 속도가 가장 빠르고 학습이 안정적으로 이루어지는 모습을 확인하였다. 또한 학습이 거듭될수록 감정 분류 정확도는 활성화 함수의 종류에 상관없이 높은 수준의 정확도로 수렴함을 보였고, 이러한 실험 결과들은 컨볼루션 신경망을 사용하여 텍스트 데이터의 감정을 분류하는 연구에 기여할 수 있을 것으로 본다.
Recently, several researches have shown that sentiment analysis of text data using convolutional neural networks shows efficient performance. In this study, we design a model based on convolutional neural networks that classifies the sentiment of music reviews written in Korean and analyze the performance of the designed model. Generally, a reviews composed of letters should be converted to vectors for use in a neural network based model. In this study, we converted letters to vectors using a lookup table. 80% of the reviews were used as learning data and 20% as evaluation data. The model is designed to have one convolution layer and two fully connected layers. The results showed that classification accuracy was the highest when Leaky ReLU was used, and training speed was the fastest and learning was stable when SELU was used. In addition, as the learning progressed, the accuracy converged to a high level irrespective of the type of activation function, and these experimental results can contribute to the sentiment classification of text data using convolutional neural networks.
키워드열기/닫기 버튼
Convolutional neural networks, Sentiment classification, Activation function, Lookup table, Music reviews.
