메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
이민석 (가톨릭대학교) 양석우 (가톨릭대학교) 이홍주 (가톨릭대학교)
저널정보
한국지능정보시스템학회 한국지능정보시스템학회 학술대회논문집 2019년 한국지능정보시스템학회 추계학술대회 초록집
발행연도
2019.10
수록면
17 - 24 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
문장 분류 문제에서 텍스트 데이터를 어떻게 표현하느냐에 따라 분류기의 성능은 크게 달라진다. 분류기의 성능 향상을 위해 데이터의 잠재 공간을 찾아내어 대표성을 증진시키는 방식과 함께, 최근에는 데이터의 어떤 부분에 더욱 집중할 것인지에 대한 연구가 활발하게 이루어지고 있다. 본 연구는 문장 분류 문제에 대해 어텐션 기반 딥러닝 모델을 적용하는 과정에서 단어의 어텐션 가중치(Attention Weight)를 계산할 때, 단어의 추가 정보(Extra Feature)를 활용하는 가중치 어텐션 레이어(Weight Attention Layer, WAL)를 제안한다. 가중치 어텐션 레이어(WAL)는 어텐션 가중치 행렬과 단어의 가중치 행렬의 내적을 구해 어텐션 분포를 계산한다. 본 연구에서는 특징 선택 알고리즘인 정보 이득(Information Gain)을 통해 단어의 추가 정보를 나타내었다. 단어의 정보 이득 값을 사용한 가중치 어텐션 레이어의 성능을 평가하기 위해 유용한 리뷰, 감성 리뷰, 거짓 리뷰의 데이터를 어텐션 기반 딥러닝 모델인 Attention-Based Bidirectional LSTM 과 Hierarchical Attention Network 에 적용하였다. 10-겹 교차 검증 결과 어텐션 기반 딥러닝 모델에 본 연구에서 제안하는 가중치 어텐션 레이어를 적용했을 때 성과가 개선되었음을 확인하였다.
#Attention #Feature Selection #Information Gain #Sentence Classification #Weight Attention Layer

목차

Abstract
1. 서론
2. 방법론
3. 실험 및 결과
4. 결론
5. 참조문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0