의미 정보가 강화된 워드 임베딩을 통한 감성 분석 (Sentiment Analysis by Using Semantics-Enhanced Word Embedding)

서지정보

· 발행기관 : 사단법인 인문사회과학기술융합학회
· 수록지 정보 : 예술인문사회 융합 멀티미디어 논문지 / 7권 / 2호 / 321 ~ 329페이지
· 저자명 : 임미영, 강신재

초록

하나의 단어는 도메인에 따라서 표현하는 감성이 달라질 수 있다. 예를 들어 과학 분야에서의 “지진”과 사회뉴스 분야에서의 “지진”은 전자는 중성, 후자는 부정적인 의미를 내포하고 있다. 하지만 기존의 워드 임베딩에 관한 연구는 문장 내에서 단어의 통사적 정보와 같은 쓰임새 정보만 학습하고 있어서 쓰임새는 같으나 의미는 반대인 단어 “good”과 “bad”와 같은 경우는 유사한 워드 임베딩 벡터로 표현되는 한계점을 가지고 있다. 이에 본 논문에서는 단어의 쓰임새와 도메인별 단어의 감성 정보를 결합한 워드 임베딩 방법을 제안하고, 이를 이용한 감성분류 시스템을 제안한다. 제안하는 워드 임베딩 신경망은 두 부분으로 이루어져 있다. 통사정보를 표현하기 위한 Word2vec 네트워크와 의미 정보를 표현하기 위한 감성분류 네트워크 부분이다. 도메인별로 새로 학습해야 하는 의미 네트워크의 효율성을 높이기 위해서 도메인별 자질들을 TF·IDF로 축소시킨 다음, 기존에 학습한 Word2vec과 결합하는 형식을 제안하여 Word2vec만 사용한 방법에 비해 2%p 정도의 성능 제고를 가져왔다.

영어초록

The meaning of a word can be different according to the different domains. For example, the sentiment information of “earthquake” in Science domain and the one in Social News domain would be “neutral” and “negative” respectively. However, since the previous word embedding methods only used syntactical information, the word “good” and “bad”, which have same usages but different sentiment, show similar word embedding vectors respectively. This paper proposes a word embedding method combines syntax information and sentiment information by domain. The network has two parts. One is Word2vec network to express syntactic information, and the other is semantic network to represent sentiment information. The semantic network needs to be trained for each domain. To improve the semantic network’s efficiency, we propose to reduce domain features using basic statistical method — TF·IDF, and combine the semantic network with pre-trained Word2vec. This resulted 2%p improvement compare to the baseline system which used Word2vec only.

참고자료

· 없음