작성자 천재
작성일 24-04-08 12:20 조회 433회 댓글 0

• 수정
• 삭제

최근에는 Naive Bayes(NB), Support Vector Machine(SVM), 신경망(NN), Genetic Algorithm(GA), K-Nearest Neighbor(kNN) 등 기존의 대부분의 감정 분석 기법에 머신러닝 알고리즘이 사용되었습니다. 텍스트 문서의 데이터를 기반으로 예측을 최적화, 분류 및 형성합니다. 기계 학습 접근 방식은 감상적인 판단을 표현하는 비감정 용어(예: "이 카메라는 싸다"라는 문구에서 "싸다")를 식별하는 능력을 포함하여 특정 이점을 가지고 있습니다. 이러한 접근 방식의 또 다른 이점은 적용 가능한 광범위한 학습 알고리즘을 사용할 수 있다는 것입니다. 그러나 이러한 방법에는 훈련 단계에 사람이 라벨을 붙인 코퍼스가 필요하다는 등의 특정 단점이 있습니다. 또한, 도메인 내에서는 이러한 훈련된 기계 학습 방법이 매우 잘 수행되지만 다른 도메인에 적용하면 성능이 크게 저하될 수 있습니다. 예를 들어, 휴대폰 영역에서는 '싸다', '똑똑하다'라는 단어가 긍정적인 의견의 표현으로 사용되는 반면, 책 영역에서는 '잘 연구된', '스릴러'라는 단어가 긍정적인 감정을 의미합니다. 따라서 휴대폰 도메인 학습 알고리즘은 도서 도메인 리뷰를 올바르게 분류할 가능성이 없습니다. 더욱이 [ 58 ] 에서 알 수 있듯이 일부 기계 학습 알고리즘은 "미리 정의된 감정 용어 목록을 참조하여 문장이 특정 방식으로 분류된 이유에 대한 명확한 설명을 제공"할 수 없습니다. 주로 문서 수준, 문장 수준, 측면 수준의 세 가지 세부 수준에서 감정 분석 애플리케이션을 조사할 수 있습니다. 문서 수준에서는 전체 문서에 전체 감정 점수가 할당됩니다. 문장 수준 감정 분석은 독립된 문장의 감정을 예측하는 데 중점을 둡니다. 이어서, 점수 집계 방법을 적용하여 결합된 문장 수준 점수로부터 전체 검토 점수를 생성합니다. 그러나 문서 또는 문장 수준의 분석에서는 측면 수준의 분석을 통해 이러한 문제를 극복할 수 있는 경우가 많지만, 세밀한 의견을 얻는 것이 쉽지 않습니다. 측면 수준 기술은 엔터티 및/또는 해당 측면에 대한 정서를 식별하려는 의도로 보다 세부적인 분석을 수행합니다[ 65 ]. 구글 상위노출 온라인카지노 커뮤니티 스포츠중계 스포츠중계 성인용품 성인용품 롤 토토 롤 토토 비제이벳 강남달토 강남레깅스룸 11