QA 신경망 모델을 이용한 영미 시 감정 분류

• 영문명: Classification of English Poetic Emotions Using QA Neural Network Model*
• 발행기관: 한국자료분석학회
• 저자명: 김은성(Eunseong Kim) 주수빈(Subin Joo) 이찬형(Chan Hyeong Lee) 전수영(Sooyoung Cheon)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.24 No.2, 585~597쪽, 전체 13쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2022.04.30

국문 초록

최근 텍스트 감정 분석에 관한 관심이 높아지고 있다. 텍스트 감정 분석 방법은 빈도수를 이용하는 방법, 토픽모델링을 이용하는 방법, 임베딩을 이용하는 방법 등 다양하게 발전해 왔다. 텍스트 종류 중 영미 시는 분석 데이터로서 주목을 덜 받고 있지만, 시의 특성상 형식도 자유롭고 다양하며 시적 허용 등 비문법적인 표현이 있어 학습 데이터로 적합하다. 일반적으로 시인들이 공통으로 직시하는 것은 인간 사회에 내재하는 모순과 억압이기 때문에 작품에서 먼저 발현하는 것은 좌절, 절망, 분노이다. 따라서 본 연구는 영미 시에서 드러난 좌절, 절망, 분노의 감정을 분석하기 위하여 패스트텍스트로 임베딩 후 메모리 네트워크로 감정을 분류한다. 메모리 네트워크는 QA 신경망 모델 중 하나로 학습 데이터는 텍스트, 질문, 답변이 필요하다. 인문학 전문가에 의해 구축된 질문은 감정 분류를 목적으로 각 감정을 검증하기 위하여 만들었고, 질문에 대한 답변 역시 인문학 전문가가 라벨링 하였다. 구축한 데이터로 본 연구가 제안한 모델의 성능을 알아보기 위하여 메모리 네트워크를 사용하지 않은 모델과 비교해 보았다. 결과적으로 메모리 네트워크를 사용한 모델의 정확도가 가장 좋은 것을 확인하였다.

영문 초록

Text emotional analysis has received much attention recently. Text emotion analysis methods have developed in various ways, such as using frequency, topic modeling, and embedding. English poetry is receiving less attention in text analysis, but it is suitable for learning data because its format is free and diverse, and there are non-grammatical expressions such as poetic permission. In general, poets face contradictions and oppression inherent in human society, so the first thing they express in their works is frustration, despair, and anger. This study classifies emotions by memory networks with fasttext embedding to analyze the emotions of frustration, despair, and anger revealed in English poetry. Learning data of memory network needs text, questions, and answers. Questions constructed by humanities experts were created to verify each emotion for the purpose of classifying emotions. Also, the answer to the question was also labeled by experts. For the performance of the proposed model with the constructed data, the memory network was compared with the model not used. Numerical results are in favor of the new method in terms of estimation accuracy.

목차

1. 서론

2. 감정 분석 방법

3. 감정 분석 예측 알고리즘

4. 분석 결과

5. 결론

References

키워드

자연어 처리 감정 분류 패스트텍스트 메모리 네트워크 NLP emotion analysis fasttext memory network