http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
LSTM 기반 Sequence-to-Sequence을 활용한 한국어 제목 생성
지규빈(Kyu Bin Ji),나요셉(Yoseph Na),곽경민(Kyung Min Kwak),최태영(Tae-Young Choe) 한국정보기술학회 2020 Proceedings of KIIT Conference Vol.2020 No.10
본 연구에서는 LSTM을 기반으로 하는 Sequence-to-Sequence 모델을 활용하여 본문의 단어 간의 유사도를 검출하고 학습하여 추상적 요약을 통해 제목을 생성하는 모델을 제안하였다. 데이터에 단어별 품사를 태깅하고 특수문자를 처리하는 등의 전처리를 수행하였다. 기사의 본 제목과 모델이 생성한 제목의 BLEU 지수를 계산했을 때, 0.558이 가장 높은 결과였음을 확인할 수 있었다. In this paper, we propose a technique that using the Sequence-to-Sequence of LSTM detects and learns similarities between words in the text and generating a title through an abstract summary. Pre-Processing is performed such as tagging the parts by word and processing special characters in the data. When calculating the BLEU score for this title of the article and the title generated by the model, the highest result we have identified is 0.558.
캡슐넷을 활용한 EEG 및 Gaze 데이터 기반의 감정 분류
지규빈(Kyu-Bin Ji),정진우(Jin-Woo Jeong) 한국HCI학회 2020 한국HCI학회 학술대회 Vol.2020 No.2
본 연구에서는 뇌파와 시선 추적 정보를 결합한 데이터를 바탕으로 동영상 시청 시 사람의 감정을 분류하기 위한 딥러닝 기반의 학습 모델을 구축하였다. 본 논문에서 분류하고자 하는 감정은 ‘중립’, ’슬픔’, ’두려움’, ’행복’의 네 가지 감정이다. 이를 위하여, 기존 CNN 구조가 가지고 있는 한계점들을 극복하기 위하여 제시된 새로운 타입의 딥러닝 모델인 Capsule Network 를 이용하여 모델 학습을 수행한 후, CNN 모델과 SVM 모델과의 감정 분류 성능 비교를 수행하였다. 실험 결과를 통하여 본 연구에서 제안한 Capsule Network 기반의 모델이 66%의 정확도로 가장 높은 성능을 보인 것을 확인할 수 있었다. 특히, ‘행복’ 감정에서는 72%의 높은 정확도를 얻었지만 ‘슬픔’ 감정에서는 58%의 상대적으로 낮은 정확도를 보임을 확인할 수 있었다.