실시간 문맥 인식 감성 분석을 위한 모듈형 아키텍처 설계 (Design of a Modular Architecture for Real-Time Context-Aware Sentiment Analysis)

서지정보

· 발행기관 : 한국융합학회
· 수록지 정보 : 미래기술융합논문지 / 4권 / 2호 / 225 ~ 231페이지
· 저자명 : 안은희, 안정국

초록

최근 인공지능 기술과 대형 언어모델(Large Language Models, LLM)의 발전으로 감성 분석의 정확도는 꾸준히 향상되고 있으나, 실시간 문맥 인식, 감성 추론, 사용자 반응 분석 등 실용적 적용을 위한 구조적 기반은 여전히 미흡한 실정이다. 본 연구에서는 기존 감성 데이터와 온톨로지 기반 감성 분석 모델을 바탕으로, 실시간 감성 흐름을 인식하고 반응형 서비스를 지원할 수 있는 모듈형 아키텍처를 설계하였다. 제안 아키텍처는 LSTM 기반 Attention 모델을 중심으로, 실시간 데이터 스트림 환경에서 감성 변화 추론과 시각화 기능을 통합할 수 있도록 구조화되었다. 또한, 대형 언어모델의 문맥 이해 능력과 감성 온톨로지의 의미 구조를 결합하여 감성 해석의 신뢰도와 도메인 적응력을 향상시켰다. 실험을 통해 제안된 구조는 기존 감성 분석 시스템 대비 향상된 실시간 처리 성능과 감성 예측 정확도를 입증하였으며, 사회적 이슈 대응, 고객 피드백 분석, 여론 흐름 모니터링 등 다양한 응용 환경에서의 활용 가능성을 확인하였다. 본 연구는 감성 분석 기술의 실시간 응용을 위한 구조적 기반을 제시함으로써, 사용자 중심의 지능형 감성 서비스 설계에 기여할 수 있다.

영어초록

Recent advancements in artificial intelligence and large language models (LLMs) have significantly improved the accuracy of sentiment analysis. However, the structural foundation for practical applications—such as real-time context awareness, sentiment inference, and responsive user interaction—remains insufficiently addressed. This study proposes a modular architecture designed to support real-time sentiment flow recognition and reactive services, building upon existing sentiment datasets and ontology-based analysis models. The proposed architecture centers around an LSTM-based attention mechanism and is structured to integrate sentiment variation inference and visualization within real-time data stream environments. Furthermore, by combining the contextual understanding capabilities of large language models with the semantic structure of sentiment ontologies, the system enhances both the reliability of sentiment interpretation and domain adaptability. Experimental results demonstrate that the proposed architecture outperforms conventional sentiment analysis systems in terms of real-time processing and predictive accuracy. The system also shows strong potential for application in various real-world scenarios, including social issue detection, customer feedback analysis, and public opinion monitoring. This research contributes a structural foundation for the real-time deployment of sentiment analysis technologies and supports the development of user-centric, intelligent sentiment-aware services.

참고자료

· 없음