1. 학습 자료
가. 감성분석
- https://www.youtube.com/watch?v=7GUoDHxN5NM : Colab으로 코딩하면서 설명해주심
- https://www.youtube.com/watch?v=Ablii-dTmoc : PPT 강의자료
2. 선행연구
가. 리뷰 논문
- Nandwani, P., & Verma, R. (2021). A review on sentiment analysis and emotion detection from text. Social network analysis and mining, 11(1), 81.
나. 감정 사전 구축 논문
다. 감정 어휘사전 통합 논문
3. 한국어 감정 사전
가. 한글 오픈데이터 플랫폼 : http://openhangul.com/
나. 서울대학교 감성 사전 : http://nlp.snu.ac.kr/kosac/
다. 군산대학교 한국어 감성사전 : http://dilab.kunsan.ac.kr/knusl.html
4. 한국어 감정 데이터셋
나. 국립국어원 > 언어정보나눔터 : https://kli.korean.go.kr/corpus/request/corpusRegist.do
- 2가지 말뭉치가 존재하는데, 감성 라벨링된 데이터셋
다. 2023년 국립국어원 인공지능 언어 능력 평가: 감정 분석 데이터셋(NIKL2023)
- 감정 분석 데이터셋 : https://kli.korean.go.kr/benchmark/taskOrdtm/taskDownload.do?taskOrdtmId=103&clCd=ING_TASK&subMenuId=sub02 (현재, 다운로드 불가)
- 관련 깃허브 : https://github.com/oneonlee/KR-Emotional-Analysis , https://github.com/teddysum/Korean_EA_2023
라. KEmoFact 데이터셋
마. 한국 드라마 데이터셋
5. 한국어 Transformer 계열 모델
- KcELECTRA : https://github.com/Beomi/KcELECTRA
- XAF-SS(cross-Attention-based Fusion of Speaker and Scene context) : Korean Drama Scene Transcript Dataset for Emotion Recognition in Conversations
6. 감정분석 기법 분류
가. 사전 기반
- 사전 기반 접근법, 말뭉치 기반 접근법
나. 기계학습 기반
- Naïve Bayes, 지원 벡터 머신(SVM), 결정 트리
다. 딥러닝 기반
- 신경망, CNN, LSTM, BiLSTM
라. 전이학습 기반
- 사전 훈련된 모델을 관련 도메인에 재사용
마. 하이브리드 기반
- 기계학습+딥러닝 등
7. 모델 평가 지표
가. 혼동 행렬(Confusion Matrix)
나. 평가 지표
- 정확도 : (TP + TN) / (TP + TN + FP + FN)
- 정밀도 : TP / (TP + FP)
- 재현율 : TP / (TP + FN)
- F1 점수 : (2 Precision Recall) / (Precision + Recall) = (2 TP) / ((2 TP) + FP + FN)
- 기타 : 자카드 점수, 민감도, 특이도, 카파 계수, 피어슨 상관 계수 등
8. 감정분석 모델 구현
가. 딥러닝 기반
- VAE(Variational AutoEncoder) : 구글 Colab에서 VAE(Variational AutoEncoder) 모델 구현
- KoBERT . [Python, KoBERT] 7가지 감정의 다중감성분류모델 구현하기 . 한국어 감성 분석
- HMAA(Hierarchical Masking and Aspect-aware Attention) . KLUEBERT 기반 . 2024 Aspect-Based Sentiment Analysis in Korean Based on Hierarchical Masking and Aspect-aware Attention
댓글