• School Mathematics
• /
• v.13 no.3
• /
• pp.469-484
• /
• 2011

Students experience various affects in solving mathematical problem and learning mathematics. Focusing on meta-affect in affective domain, we explored the types of meta-affect. Our research provides illustrative examples and analysis of meta-affect during solving problem. As a result, meta-affect has four types i.e. monitoring of affect, evaluation of emotion, control of emotion, and utilization of affect. And meta-affect is a main key to decide how to handle affect and influence student's cognitive strategies and affect.

• The KIPS Transactions:PartB
• /
• v.10B no.6
• /
• pp.579-586
• /
• 2003

In this paper, we propose a novel approach to employ emotional features to document retrieval systems. Fine emotional features, such as HAPPY, SAD, ANGRY, FEAR, and DISGUST, have been used to represent Korean document. Users are allowed to use these features for retrieving their documents. Next, retrieved documents are learned by classification methods like cohesion factor, naive Bayesian, and, k-nearest neighbor approaches. In order to combine various approaches, voting method has been used. In addition, k-means clustering has been used for our experimentation. The performance of our approach proved to be better in accuracy than other methods, and be better in short texts rather than large documents.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.01a
• /
• pp.243-246
• /
• 2019

본 논문에서는 감성과 힐링, 머신러닝이라는 주제를 바탕으로 딥러닝을 통한 사용자의 얼굴표정을 인식하고 그 얼굴표정을 기반으로 음악을 재생해주는 얼굴표정 기반의 음악재생 프로그램을 제안한다. 얼굴표정 기반 음악재생 프로그램은 딥러닝 기반의 음악 프로그램으로써, 이미지 인식 분야에서 뛰어난 성능을 보여주고 있는 CNN 모델을 기반으로 얼굴의 표정을 인식할 수 있도록 데이터 학습을 진행하였고, 학습된 모델을 이용하여 웹캠으로부터 사용자의 얼굴표정을 인식하는 것을 통해 사용자의 감정을 추측해낸다. 그 후, 해당 감정에 맞게 감정을 더 증폭시켜줄 수 있도록, 감정과 매칭되는 노래를 재생해주고, 이를 통해, 사용자의 감정이 힐링 및 완화될 수 있도록 도움을 준다.

• Annual Conference on Human and Language Technology
• /
• 2020.10a
• /
• pp.450-452
• /
• 2020

기술의 발전과 함께 사용자에게 가까이 자리 잡은 소셜 네트워크 서비스는 이미지, 동영상, 텍스트 등 활용 가능한 데이터의 수를 폭발적으로 증가시켰다. 작성자의 감정을 포함하고 있는 텍스트 데이터는 시장 조사, 주가 예측 등 다양한 분야에서 이용할 수 있으며, 이로 인해 긍부정의 이진 분류가 아닌 다중 감정 분석의 필요성 또한 높아지고 있다. 본 논문에서는 딥러닝 기반 감정 분류에 심리학 이론의 기반 감정 모델을 활용한 결합 모델과 단일 모델을 비교한다. 학습을 위해 AI Hub에서 제공하는 데이터와 노래 가사 데이터를 복합적으로 사용하였으며, 결과에서는 대부분의 경우에 결합 모델이 높은 결과를 보였다.

• 한국HCI학회:학술대회논문집
• /
• 2007.02c
• /
• pp.189-193
• /
• 2007

필적 감정은 개인의 고유한 필적 개성을 이용하여 임의의 두 필기 문장 또는 텍스트가 동일인에 의해 작성되었는지를 판별하는 기술로 유서대필 및 보안수사, 서명의 검증, 범죄 수사 등에 활용되어지고 있다. 이러한 작업은 감정 전문가의 판단기준에 의해 필적의 유사성을 판별하기 때문에 객관성 결여 및 과도한 소요 시간, 과도한 처리비용의 문제를 내포하게 된다. 이러한 문제를 해결하여 판별의 객관성과 업무의 신속한 처리를 가능하게 하기 본 논문에서는 컴퓨터를 통한 패턴 분석을 적용하여 두 필적의 유사성을 판별하는 방법을 본 논문에서는 제안한다. 이를 위하여 본 논문은 학습단계와 자동분석단계로 나뉘며, 학습단계에서는 입력된 문서영상에서 필적의 영역을 추출한 후, 특징을 추출하고 DTW연산을 통하여 학습을 한다. 자동분석단계에서는 대조할 문서영상에서의 특징을 추출하고 입력된 문서영상과 대조할 문서영상간의 마할라노비스 거리(Mahalanobis Distance)를 구하여 서명 및 필적에 대한 유사도를 도출한다. 실험은 4명의 필적을 이용하여 비교하였으며, 우수한 결과를 보였다.

• Annual Conference on Human and Language Technology
• /
• 2012.10a
• /
• pp.160-162
• /
• 2012

문서를 대상으로 한 다양한 감정 분류 연구가 진행되어 왔으며, 최근에는 트윗 감정 분류에 그대로 적용되고 있다. 그러나 트윗은 일반 문서와 다르게 몇 가지의 독특한 특징을 갖고 있어 좋은 성능을 보이지 못하고 있다. 본 논문에서는 기계학습을 기반으로 트윗의 특징과 트윗 사용자 정보 자질을 사용한 실험으로 트윗 감정 분류 성능의 영향을 확인하였다. 실험 결과 트윗에 포함된 이모티콘 감정 극성과, 사용자 성향 극성 자질은 트윗 감정 분류 모델의 성능 향상에 기여를 하는 것을 알 수 있었다.

• Proceedings of the Korea Contents Association Conference
• /
• 2019.05a
• /
• pp.183-184
• /
• 2019

본 논문에서는 로봇과 사람의 자연스러운 감정 소통을 위한 비디오 시퀀스 표정생성 대화 시스템을 제안한다. 제안된 시스템에서는 실시간 비디오 데이터로 판단된 관객의 감정 상태를 반영한 대답을 하며, 딥러닝(Deep Learning)을 활용하여 대화의 맥락에 맞는 로봇의 표정을 실시간 생성한다. 본 논문에서 관객의 표정을 위해 3만여개의 비디오 데이터로 학습한 결과 88%의 학습 정확도로 표정 생성이 가능한 것으로 확인되었다. 본 연구는 로봇 표정 생성에 딥러닝 방식을 적용한 것에 그 의의가 있으며 향후 대화 시스템 자체에도 딥러닝 방식을 확대 적용하기 위한 초석이 될 수 있다는 점에 의의가 있다.

• Communications of Mathematical Education
• /
• v.35 no.4
• /
• pp.359-376
• /
• 2021

In this study, in accordance with the research trend that the learner's emotions expressed positively or negatively in mathematics learning or the learner's beliefs and attitudes toward mathematics learning affect the results of mathematics learning, the learner's emotions and affective factors are analyzed in the learner's own learning. A power that can be adjusted according to a goal or purpose is needed, and I tried to explain this power through meta-affect. To this end, the meaning of the definitional and conceptual factors of meta-affect was explored based on prior studies. Affective factors of meta-affect were viewed as emotions, attitudes, and beliefs, and conceptual factors of meta-affect were viewed as awareness, evaluating, controlling, utilization, and monitoring, and the meaning of each conceptual factor was also defined. In this study, the conceptual factors and meanings of meta-affect in terms of using them to help in learning mathematics by controlling them, beyond the identification or examination of the characteristics of the affective factors, which are meaningfully dealt with in the field of mathematics education.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 2009.05a
• /
• pp.87-90
• /
• 2009

사람들은 같은 상황에서도 감정적 경험에 따라 다르게 반응한다. 상황에 따른 감정을 나타내고자 하는 인공감정에 대한 많은 연구가 이루어지고 있지만, 기존의 인공감정들은 같은 상황에서 같은 반응을 하도록 설계되었다. 하지만 현재 느끼는 감정이 과거에 경험했던 감정적 경험에 영향을 받기 때문에 같은 상황에서 다른 반응을 유발한다. 본 논문은 감정적 경험을 기억해서 현재의 감정에 영향을 주는 메커니즘을 제안한다. 감정적 기억은 연관성이 있는 기억끼리 연상되는데 이 과정은 SOM의 연관성이 있는 것끼리 뭉치면서 스스로 학습하는 자기조직화의 특성과 유사하다. 이러한 유사점을 이응해서 감정적 경험을 기억하는 과정을 설계했다. 제안된 방법을 가위바위보로 승자가 패자를 뿅망치로 때리는 게임에 적용하여 같은 상황에서도 감정적 경험에 의해 다르게 반응하는 모습을 나타낸다. 게임을 진행하면서 가위바위보 승패에 따라 분노, 공포, 쾌락 등의 감정을 경험하게 되는데 이러한 감정적 경험이 SOM을 이용한 감정기억메커니즘에 의해 기억된다. 그 결과 감정적 경험에 대한 기억이 가위바위보에 이겼을 때의 느끼는 감정에 영향을 주어 현재 느끼는 감정 상태에 따라 뿅망치 파워가 달라지도록 했다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.468-471
• /
• 2012

음성을 통한 자동화된 감정 인식은 편리하고 다양한 서비스를 제공할 수 있어 중요한 연구분야라고 할 수 있다. 기계학습의 다양한 알고리즘을 사용하여 감정을 인식하는 연구가 진행되어 왔지만 그 성능은 아직 초보적 단계를 벋어나지 못하고 있는 실정이다. 앞선 연구에서 우리는 비감독 학습 방법으로 감성을 그룹화 하고 이것을 이용하여 다시 감독 학습을 하는 시스템을 소개 하였다. 본 연구에서 우리는 감독 학습 방법에서 사용했던 오류 역전파 알고리즘을 support vector machine(SVM) 으로 변경하고 몇 가지 구조를 변경하여 기능을 개선하였다. 실험을 통하여 성능을 측정하였으며 어느 정도 개선된 결과를 얻을 수 있었다.