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
학술저널
저자정보
김정미 (인하대학교) 이주홍 (인하대학교)
저널정보
한국지능시스템학회 한국지능시스템학회 논문지 한국지능시스템학회 논문지 제27권 제6호
발행연도
2017.12
수록면
560 - 565 (6page)
DOI
10.5391/JKIIS.2017.27.6.560

이용수

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

이 논문의 연구 히스토리 (2)

2018

word2vec을 활용한 RNN기반의 문서 분류에 관한 연구
김정미 컴퓨터공학과 2018.01 학위논문

2017

Word2vec을 활용한 RNN기반의 문서 분류에 관한 연구
김정미 ,  이주홍 한국지능시스템학회 논문지 2017.12 학술저널

초록· 키워드

오류제보하기
자연어 처리 분야에서도 심층 신경망 기술이 주목되고 있으며, 최근에는 convolutional neural network (CNN)기반의 심층신경망 구조가 이미지 분류뿐만 아니라 자연어 처리의 문서 분류에서도 좋은 성능이 입증되었다. 하지만 convolutional neural network (CNN)을 이용한 문서 분류 연구에서는 문장의 평균 단어 수가 16개로 이루어진 짧은 문장에 한하여 적용되었으며, 구문 전체와 의미론적 관계가 복잡한 전체 문장을 다루기 어렵다는 단점을 가지고 있다. 본 논문은 기존 연구의 한계점을 극복하고 더 정확한 문서 분류 성능을 위하여 word2vec를 활용한 recurrent neural network (RNN)기반의 심층 신경망의 접근법을 새롭게 제안한다. 이를 위해 장기 의존성 문제를 해결한 long short-term memory (LSTM)을 사용하여 긴 시퀀스의 입력에서도 효과적인 문서 분류가 가능하도록 하였고, 제안 방식의 효율성을 검증하기 위해 영문 데이터 뿐 아니라 한국어 영화 리뷰 데이터에 대해서도 실험을 수행하였다. 그 결과 장문을 포함하고 있는 영문 신문 기사에서는 87%, 단문으로 구성된 영문 영화 리뷰 문서에서는 90%, 한국어 영화 리뷰에서는 88%의 문서 분류 정확도를 보였다.
#텍스트 마이닝 #정보검색 #딥 러닝 #문서분류 #Text Mining #Information Retrieval #Deep Learning #DocumenCt lassification

목차

요약
Abstract
1. 서론
2. 이론적인 배경
3. Word2vec을 활용한 RNN기반의 문서분류
4. 실험 및 관련 연구와의 성능 비교
5. 결론 및 향후 연구
References

참고문헌 (20)

참고문헌 신청
KIM, Yoon. “Convolutional neural networks for sentence classification.” arXiv preprint arXiv:1408.5882, 2014. Wang, Peng, et al. “Semantic expansion using word embedding clustering and convolutional neural network for improving short text classification.” Neurocomputing vol. 174, no. 1, pp.806-814, 2016 Dowoo Kim, Myoung-Wan Koo. “Categorization of Korean News Articles Based on Convolutional Neural Network Using Doc2Vec and Word2Vec”, Journal of KIISE, vol.44. no. 7, pp.742-747, 2017 In-Su Kang. A Comparative Study on Using SentiWordNet for English Twitter Sentiment Analysis. Journal of Korean Institute of Intelligent Systems, vol. 23, no. 4 , pp. 317-324, 2013. Mikolov, Tomas, et al. “Efficient estimation of word representations in vector space.” arXiv preprint arXiv:1301.3781, 2013.

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Categorization of Korean News Articles Based on Convolutional Neural Network Using Doc2Vec and Word2Vec
김도우 ,  구명완 Journal of KIISE 2017 .07
의미구분 단위에 따른 word2vec 모델 비교
신수미 ,  배수영 한국정보과학회 학술발표논문집 2016 .06
Word2vec을 활용한 문서의 의미 확장 검색방법
김우주 ,  김동희 ,  장희원 한국콘텐츠학회논문지 2016 .10
Large-Scale Text Classification with Deep Neural Networks
Hwiyeol Jo ,  Jin-Hwa Kim ,  Kyung-Min Kim 외 3명 정보과학회 컴퓨팅의 실제 논문지 2017 .05
RNN을 이용한 한국어 문장 간 구문 유사도 측정
이동건 ,  오교중 ,  최호진 한국정보과학회 학술발표논문집 2016 .06

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2018-003-001575537