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 아닌 '슬픔 + 기쁨 = ??' 과 같이 애매한 상황에 대해 이야기를 나누었습니다.
공통 : 모든 연구원 모두 감정분석에 대한 조사를 많이 해오셨고 나중에 이를 구현하기 위해 'TensorFlow'를 공부하고 있습니다. 연구활동
김현우 / 랩장 : 데이터 셋의 테이블과 컬럼의 내용 그리고 인풋으로는 무엇이 들어가며 아웃풋으로는 무엇을 뱉어낼 것인가에 대한 조사를 하고 연구원들과 토의를 하였습니다.
사진에 대해 간략하게 설명하자면 감정 분석에서 저희 팀이 사용할 방식은 (당연히) supervised learning이고 사진 속 table에서는 word가 input으로 들어가고 파란색으로 된 column의 값들을 training 하여 새로 들어오는 word의 감정을 출력하는 모습을 보여주기 위한 feature인데, 팀원들과 토의를 통하여 input을 sentence로 하고 output도 '기쁨'과 같은 단순한 형태의 감정이 아닌 재미있고 시각적으로 감정을 표현하자고 이야기 되었습니다. (후에 자세한 서술)
박경하 / 연구원 : 박경하 연구원님께서는 TensorFlow는 어느정도의 경험이 있는 것으로 보이고 실제로 예전에 했었던 감정분석 코드를 보여주며 팀원들이 딥 러닝의 흐름을 파악하고 코드를 어떻게 작성하는지에 대해 간단한 리뷰를 해주셨습니다. 정확도가 그리 높지는 않았지만 예시 하나하나가 처음 발을 디딛는 저희 팀 연구원 분들에게는 큰 도움이 되었을 것이라 생각이 됩니다.
오윤석 / 연구원 : 오윤석 연구원님께서는 머신러닝을 사용하지 않고 단순히 sum 그리고 avg를 이용해 영화리뷰의 긍부정을 판별하는 코드를 작성하고 그 결과를 보여주셨습니다. 그리고 저희 팀이 앞으로 논의해야 할 중요한 문제를 던져주셨습니다. '무엇을 기준으로 감정을 판별할것인가?'
연구활동 파일: https://drive.google.com/open?id=1SlQm80ktINxb0EKwURbyTcJroNJVmM8k
임동조 / 연구원 : 임동조님께서는 오윤석님의 영화리뷰 분석에 대해 어떻게 하면 더 정확도를 높일 수 있을지에 대해 조언을 해주셨고 앞으로 팀에서 팀원들과 함께 TensorFlow나 Pytorch에 미숙하기 때문에 모두 딥러닝 라이브러리에 익숙해지는데에 연습할 계획입니다.
허형완 / 연구원 : 실제로 TensorFlow로 간단한 모델을 만들고 실행시켜보는 등 여러가지 시도를 하였습니다. 아직 모든 연구원 모두 TensorFlow나 Pytorch에 미숙하기 때문에 모두 딥러닝 라이브러리에 익숙해지는데에 연습하는 중입니다. 허형완님께서 단순한 형태의 감정을 출력하는 것보다는 재미있게 감정을 표현하는 것이 좋을 것같다라는 의견을 제시해 주셨습니다.
공통 : 연구원 모두 감정분석에 대한 조사를 많이 해오셨고 나중에 이를 구현하기 위해 'TensorFlow'를 공부하고 있습니다. 예시를 들어보자면 아래 그림과 같이 감정에 색을 부여하는 방식입니다.
2차 미팅이 추석으로 인해 애매해져서 1차 미팅에서 매우 많은 정보가 오고갔기에 모든 내용을 요약해서 적으려고 노력했습니다만 글의 순서나 글이 자연스럽지 못한 부분에 대해서는 너그럽게 봐주시면 감사하겠습니다.