연구성과 최종 데모데이를 통해서 현재까지 연구한 결과물을 발표하고 정보를 공유하는 뜻깊은 시간이 되었습니다. 3가지 접근 방식을 통해서 감정 분석을 시도 하였고 의미있는 결과물을 만들었습니다. 첫번째 접근 : 분류 결과에 대한 차원축소 접근 A. 목적 : 가지고 있는 데이터를 기반으로, 6가지(감정으로) “적절하게”분류하고자 함 B. 과정 : tokenizing 이후 선형변환을 통해 단어를 분류, 문장분류까지 확장하고자 함 - AAE 방법을 통해, 단어 분류를 2차원에 표기 C. 한계 : 현재 coding이 진행

연구활동 중간발표 이후에 각각의 연구방향성을 확장하는 시간을 가졌습니다. 연구원 분들마다 감정분석을 할 수 있는 다양한 방법을 연구하였고 그 결과를 공유 할 수 있는 시간이었습니다. - 허형완 / 랩장 : 이전에 확보한 ISEAR데이터 기준으로 LSTM을 이용한 학습 모델을 구현해보았습니다. 하지만 Overfitting이 발생하며 학습이 30%이상 오르지 않는 문제를 확인하였으며, RNN으로 문장을 multi-classification이 힘들다는 결과를 냈습니다. 현재는 CNN을 이용한 문장단위의 분류를 위한 모델을 구현

연구방향 연구원님들께서 '감정 분석' 이라는 주제에 맞게 각자 나름대로 자신만의 방식으로 '감정 분석'에 필요한 알고리즘이나 데이터셋 그리고 앞으로의 아키텍쳐 구상을 해오셨습니다. 몇몇의 연구원분은 온라인의 영화 리뷰나 텐서플로우 강의를 들으면서 실제로 구현을 해보고 대충 어떤식으로 흘러가는지 감을 찾아가기도 하였습니다. 주제를 꽤나 까다로운 '감정 분석'으로 잡아서 다양한 감정들에 대한 레이블들을 달아주는 것을 주 내용으로 하여 이야기가 많이 오갔습니다. '1 + 1 = 2'와 같이 구분 가능하게 정확히 값이 떨어지는 것이

텍스트 데이터 분석에 대해 임동조 연구원이 정리한 자료입니다.

연구활동 2차 미팅까지 감정분석 모델을 개별적으로 간단하게 구현해보기로 해서, 각자 연구한 결과를 리뷰하는 시간을 갖게 되었습니다. 연구원들 마다 감정분석 모델에 접근하는 방식이 다양하였고, 서로의 아이디어가 도움이 되는 자리였습니다. - 허형완 / 랩장 : ISEAR데이터(문장별 감정들이 레이블된 데이터)를 가공하여 한글로 된 데이터셋 구성 및 형태소 분석, Keras를 이용한 NN을 통하여 결과를 도출하는 모델을 구현하였습니다. - 박경하 / 연구원 : Tensorflow를 이용하여 단어의 토큰화 및 word2

랩 소개 Team B타민은 '감정 분석' 이라는 주제를 일단 정해 놓고 트랙을 달려나가는 팀입니다. 팀 구성은 아래의 연구원 소개에서 보게되겠지만 팀 연구원 모두 자연어처리에 관심이 많으시고 각자의 분야에서 꽤 수준있는 분들이셔서 연구 활동에서 서로 몰랐던 개념이나 기술에 대해 많이 알아갈 수 있을 것 같습니다. 저희 B타민 팀은 초반 베이스를 잡고 연구를 진행하며 만족할 만한 아웃풋을 내는 것을 목표로 하고 있습니다. 랩장 소개 • 김현우 / 랩장 : 미국에서 유학을 하다 국가의 부름으로 산업체 포시에스 연구혁신팀에서 챗