• Annual Conference on Human and Language Technology
• /
• 2018.10a
• /
• pp.633-635
• /
• 2018

최근 소셜 커머스 데이터를 이용하여 상품에 대한 소비자들의 수요와 선호도 등을 조사하는 등의 감성분석 연구가 활발히 진행되고 있다. 본 연구에서는 Stacked Bi-LSTM-CRF 모델을 이용하여 한국어의 복합적인 형태로 이루어지는 감성표현에 대하여 어휘단위로 감성분석을 진행하고, 상품의 세부주제(특징, 관심키워드 등)를 추출하여 세부주제별 감성 분석을 할 수 있는 방법을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.10a
• /
• pp.591-594
• /
• 2016

소비자의 선호도 및 여론을 정량적인 방법으로 분석하기 위해 비정형 데이터의 분석은 필수적인 요소가 되고 있다. 하지만 비정형 데이터는 언어의 구조 및 모호성 등으로 인해 분석하기 어려운 형태이다. 따라서 본 연구는 최근 각광받고 있는 인공신경망, 특히 그 중에서도 순환 신경망의 한 모델인 Deep LSTM을 이용하여 비정형 데이터를 분석하고 이를 활용하여 어순 및 어감 등의 언어의 구조적 문제에도 효과적인 정략적 모델을 설계하여 학습하고 이를 기존의 인공신경망 모델과 비교 분석하고자 한다.

• Annual Conference on Human and Language Technology
• /
• 2009.10a
• /
• pp.247-250
• /
• 2009

본 실험에서는 단어회상이 영어어휘 학습에 미치는 영향을 살펴보기 위해 160개 단어 쌍에 대해 어휘학습을 실시하였다. 세 종류의 어휘 학습 방법(교대학습, 반복검사, 반복학습)을 채택하여 학습을 실시하였으며 학습 1주일 후 160개 단어 쌍에 대해 지연회상검사를 실행하였다. 그 결과 세 종류의 어휘 학습 방법 중 단어회상을 강조한 두 개의 어휘 학습 방법에서 그렇지 않은 조건에 비해 유의미하게 좋은 지연회상률을 보였다. 또한 실험 참가자를 대상으로 선호하는 학습 방법에 대해 설문조사를 실시한 결과 63.5%의 설문 응답자가 한 번 학습한 것에 대해 스스로 시행하는 회상 검사를 선호하였다. 그러나 자가검증을 통한 회상 검사 자체가 효과적인 학습 방법이라고는 생각하지 않는 것으로 나타났다.

• Annual Conference on Human and Language Technology
• /
• 2002.10e
• /
• pp.207-214
• /
• 2002

본 논문은 중심화 이론을 바탕으로 한국어에서 전향적 중심의 서열을 설정하는데 그 목적이 있다. 선행 연구들에서 전향적 중심 서열에 포함시킨 요인들 즉, '주어, 주제, 공감도'를 중심으로 이들 사이의 선호도, 또는 서열에 대한 면밀한 연구가 필요하다. 본 연구에서는 그 요인들 사이의 서열을 비교하는 데에 적합한 담화를 고안한 후 이를 설문 조사를 하였고, 그 결과를 분석하였다. 아울러 본 연구에서는 중심화 이론에서 제안하는 '추이 상태'와 함께 중심으로 해석되는 경향을 고려하였다. 이를 통해 '주제 > 주어 > 목적어'의 전향적 중심 서 열을 얻었다. 또한, 화 청자를 전향적 중심의 서열 설정에 포함시키는 선행 연구를 검토하면서, 화 청자를 포함시키는 대신 담화 분절의 가능성을 제안하는 바이다.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.429-433
• /
• 2019

스마트폰 보급의 확산으로 제품 구매 시 웹 사이트 및 SNS를 이용하여 제품 리뷰를 참고하는 소비자들이 증가하고 있다. 전자 상거래 사이트의 제품 리뷰는 구매 예정자들에게 유용한 정보로 활용되곤 한다. 하지만 구매 예정자가 직접 제품에 대한 리뷰 데이터를 찾아 전체 내용을 일일이 읽고 분석해야하기 때문에 시간이 오래 걸릴뿐만 아니라 가공되지 않는 데이터가 줄 수 있는 정보는 한정적이다. 또한 이러한 리뷰들은 상품의 특징을 파악하기에도 어려움이 있다. 본 논문에서는 제품의 주요 이슈를 추출하고 주요 이슈에 대한 감성 분석과 감성 요약을 통해 제품 분석 및 평가를 제공하는 시스템을 설계 및 구현하였다. 이를 휴대폰 제품에 적용하여 구축한 시스템을 통해 소비자가 방대한 양의 제품의 리뷰 데이터를 분석할 필요 없이 제품의 주요 이슈와 가공된 분석 결과를 시각적으로 빠르게 제공받을 수 있음을 보였다.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.443-448
• /
• 2019

본 논문은 공공 데이터 Open API와 TMDB(The Movie Database) API를 이용하여 사용자의 선호 영화를 Google에서 제공해주는 Tensoflow로 인공신경망 딥러닝 학습하여 사용자가 선호하는 영화를 맞춤 추천하는 애플리케이션의 설계 및 구현에 대하여 서술한다. 본 애플리케이션은 사용자가 쉽게 영화를 추천받을 수 있도록 만들어진 애플리케이션으로 기존의 필터링 방식으로 추천하는 방식의 애플리케이션들과 달리 사용자의 취향을 딥러닝 학습을 통해 최적의 영화 Contents를 추천함과 아울러 기존 영화의 특성을 학습하여 흥행할 신규 영화를 예측하는 기능 또한 제공한다. 본 애플리케이션에 사용된 신규 영화 흥행 예측 모델은 약 85%의 정확도를 보이며 사용자 맞춤추천의 경우 기존 장르 추천이나 협업 필터링 추천보다 딥러닝을 통한 장르, 감독, 배우 등의 보다 세밀한 학습 추천이 가능하다.

• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.552-557
• /
• 2023

거대 언어 모델의 성능이 비약적으로 높아지며 인간과의 직접적인 상호 작용 과정이 가능해지고, 이에 따라 윤리 검증의 필요성이 대두되고 있다. 본 연구에서는 인간이 지닌 여러 가치관 중에 정치에 초점을 둔다. 거대 언어 모델의 정치 성향이 사용자의 입력에 따라 변할 수 있는지와 하위 작업에 끼치는 영향에 대해 알아보고자 두 개의 실험을 설계하였고 이에 대한 결과를 분석하였다. 실험에는 거대 언어 모델의 정치 성향을 입력 대조군으로, 세가지 다른 입력 (탈옥 기법, 정치 페르소나, 탈옥 페르소나)을 입력 실험군으로 규정하였다. 실험 결과, 거대 언어 모델의 정치 성향은 탈옥 기법에서 가장 큰 폭으로 변화하였고, 정치 페르소나와 탈옥 페르소나에서는 변화가 크지 않아, 거대 언어 모델에 내재된 정치 성향의 영향에서 크게 벗어나지 못함을 확인하였다. 또한, 하위 작업에서의 실험을 통해 변화된 정치 성향은 하위 작업의 성능 개선을 가져올 수 있으며, 각 실험군에 따라 하위 작업에서 다른 방식의 양상을 보임을 확인하였다. 이는 실제 모델이 사용될 때 개인화된 응답보다는 모델이 선호하는 응답을 받게 되며, 거대 언어 모델의 정치 성향이 사용자에게 여과없이 노출될 수 있음을 시사한다.

• Science of Emotion and Sensibility
• /
• v.11 no.1
• /
• pp.91-104
• /
• 2008

This study searches for an abstract aesthetic dimension that has an important response to preference by finding products excluded in past studies on aesthetics. Furthermore, the adjective image languages are examined, grouped and examined in order to also take into account the dimensions that are regarded as important for the selected product. Based on this, the preference trends will be inferred and the level of aesthetic dimensions that are import in the product will be found and presented based on its preference to create an accurate objective point. Based on the values of the levels of the aesthetic preference types and aesthetic elements found by this and presenting the preferred types in the design process, the objective of this study is to create designs with small chance of failure. In addition, it attempts to present a new direction for research of aesthetic dimensions.

• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.245-250
• /
• 2023

RLHF(Reinforcement Learning from Human Feedback, 인간 피드백 기반 강화학습) 방법론이 최근 고성능 언어 모델에 많이 적용되고 있다. 이 방법은 보상 모델과 사람의 피드백을 활용하여 언어 모델로 하여금 사람이 선호할 가능성이 높은 응답을 생성하도록 한다. 하지만 상업용 언어 모델에 적용된 RLHF의 경우 구현 방법에 대하여 정확히 밝히고 있지 않다. 특히 강화학습에서 환경(environment)을 담당하는 보상 모델을 어떻게 설정하는지가 가장 중요하지만 그 부분에 대하여 오픈소스 모델들의 구현은 각각 다른 실정이다. 본 연구에서는 보상 모델을 훈련하는 큰 두 가지 갈래인 '순위 기반 훈련 방법'과 '분류 기반 훈련 방법'에 대하여 어떤 방법이 더 효율적인지 실험한다. 또한 실험 결과 분석을 근거로 효율성의 차이가 나는 이유에 대하여 추정한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.869-872
• /
• 2004

최근 각 이동통신사에서 자체적인 통합 UI를 개발하여 각 단말기 제조사의 UI 통합을 시도하고 있다. 이 UI 통합의 시도는 기업의 입장에서는 기업 정체성을 높이고 타 통신사와의 차별을 갖게 할 수 있고 사용자 입장에서는 현재 사용중인 단말기를 다른 단말기 제조사 제품으로 교체할 때 서로 다른 메뉴 구성이나 버튼 방식으로 인해 겪게 되는 불편을 해소해 주는 역할을 한다. 그러나 UI를 일괄적으로 통일한다는 것은 한편으로 개인과 집단의 감성이 무시되고 특정 타겟 단말기의 특성을 잘 표현하지 못하는 악영향을 미칠 수 있다. 본 연구의 목적은 여성들이 선호하는 메뉴 아이콘을 조사 분석함으로써, 여성 타겟으로 출시되는 단말기 아이콘이 일관된 UI가 아닌 여성이 선호하는 감성 아이콘이 될 수 있도록 메타포를 제안하는 데에 있다. 이를 위해 서울에 사는 18~35세 여성 40명을 대상으로 이동통신사 (S 사) 표준 UI 아이콘과 제조사별 아이콘 샘플을 추출하여 여성이 선호하는 휴대폰 단말기 아이콘을 선정하고 그 아이콘에 대하여 이미지 형용사 언어를 밝혀내도록 하였다. 이렇게 조사된 여성들이 선호하는 아이콘 및 이미지 형용사는 향후 여성 타겟 단말기 개발의 기초 자료로 활용될 수 있을 것으로 기대한다.