딥러닝을 이용한 감성분석과 문장생성 = Sentiment Analysis and Text Generation using Deep-learning

국문 초록 (Abstract)

감성분석은 문장에 담긴 사람의 긍정, 부정을 나타내는 주관을 탐지하고 분석하는 일이다. 주로 판매 상품에 대한 평가와 영화 감상평 등 특정 사물에 대해 이루어지며, 개인마다 다른 감성과 표현의 다양성을 넘어 여론을 분석하기 위해 쓰인다. 문장생성은 대화형 시스템, 기계 번역, 언어모델링 등 다양한 분야에서 목적에 맞는 문장을 생성하는 작업의 총칭이다. 생성되는 문장은 의미, 문법 더 나아가서는 화용까지 맞아야 하므로 문장생성은 굉장히 어려운 분야이기도 하다. 본 논문에서는 딥러닝을 이용한 감성분석과 문장생성에 관해 기술한다. 합성곱 신경망을 이용한 감성분석과 다양한 재귀 신경망을 이용한 문장생성, 더 나아가 원하는 감성이 담긴 문장을 생성하는 모델까지 제안하고 이를 한국어에 응용한다.

다국어 초록 (Multilingual Abstract)

Sentiment analysis is the task of detecting and analyzing the subject that shows the positive and negative of the person in the sentence. It is mainly used for evaluating sales items and movies, and it is used to analyze public opinion beyond the diversity of sentiment and expressions of individuals. Text generation is a generic term for the task of generating sentences for various purposes, such as interactive systems, machine translation, and language modeling. Text generation is a very difficult field because the sentence to be generated must be suitable for semantics, syntax and even pragmatics. In this paper, we describe sentiment analysis and text generation using deep learning. We propose text generation using recurrent neural network, sentiment analysis using convolutional neural network, and a deep learning model that generates a text containing desired sentiment, and apply it to Korean.

목차 (Table of Contents)

• Ⅰ. 서론 1
• Ⅱ. 관련 연구 3
• 1. 감성 분석 3
• 2. 문장 생성 4
• Ⅲ. CNN을 이용한 한국어 감성 분석 5
• 1. Convolutional Neural Network(CNN) 5
• 2. 사용 데이터 6
• 3. 실험 모델 8
• 4. 실험 및 결과 9
• Ⅳ. SC-GRU를 이용한 자연어 생성 11
• 1. Semantically Conditioned-Gated Recurrent Unit(SC-GRU) 11
• 2. 사용 데이터 13
• 3. 실험 모델 14
• 4. 실험 및 결과 16
• Ⅴ. 한국어 감성 제어 문장 생성 20
• 1. Variational Auto-Encoder(VAE) 20
• 2. 사용 데이터 22
• 3. 실험 모델 22
• 4. 실험 및 결과 25
• Ⅵ. 결론 27
• □ 참고문헌 28
• □ Abstract 30