Earticle

초록

영어

We analyze the accuracy of emotion analysis of natural language processing deep learning model and propose to use it for emotional content development. After looking at the outline of the GPT-3 model, about 6,000 pieces of dialogue data provided by Aihub were input to 9 emotion categories: 'joy', 'sadness', 'fear', 'anger', 'disgust', and 'surprise'. ', 'interest', 'boredom', and 'pain'. Performance evaluation was conducted using the evaluation indices of accuracy, precision, recall, and F1-score, which are evaluation methods for natural language processing models. As a result of the emotion analysis, the accuracy was over 91%, and in the case of precision, 'fear' and 'pain' showed low values. In the case of reproducibility, a low value was shown in negative emotions, and in the case of 'disgust' in particular, an error appeared due to the lack of data. In the case of previous studies, emotion analysis was mainly used only for polarity analysis divided into positive, negative, and neutral, and there was a limitation in that it was used only in the feedback stage due to its nature. We expand emotion analysis into 9 categories and suggest its use in the development of emotional content considering it from the planning stage. It is expected that more accurate results can be obtained if emotion analysis is performed by additionally collecting more diverse daily conversations through follow-up research.

한국어

본 연구는 자연어 처리 딥러닝 모델의 감정분석 정확성을 확인해보고 이를 감성 콘텐츠 개발에 활용하도록 제 안한다. GPT-3모델의 개요를 살펴본 후 Aihub에서 제공하는 희곡 대사 데이터 약 6000개를 입력하고 ‘기쁨’, ‘슬픔’, ‘공포’, ‘분노’, ‘혐오’, ‘놀람’, ‘흥미’, ‘지루함’, ‘통증’ 총 9가지 감정 범주로 분류하였다. 이후 자연어 처리 모델 평가 방 법인 정확도, 정밀도, 재현율, F1-score 의 평가지표를 활용하여 성능평가를 진행하였다. 감정분석 결과 91% 이상의 정확도를 보였으며 정밀도의 경우 ‘공포’,’통증’이 낮은 수치를 보였다. 재현도의 경우 ‘슬픔’, ‘분노’, ‘혐오’와 같은 부 정적인 감정에서 낮은 수치가 나타났고 특히 ‘혐오’의 경우 데이터 양의 부족으로 인해 오차가 나타난 것으로 확인된 다. 기존 연구의 경우 감정분석을 긍정, 부정, 중립으로 나누는 극성분석에만 주로 사용되어 그 특성상 피드백 단계에 서만 사용되는 한계가 있었다. 본 연구는 감정분석을 9가지 범주로 확장하여 기획 단계에서부터 이를 고려한 개발을 통해 게임, 전시, 공연, 관광, 디자인, 에듀테크, 미디어 등에서 감성 콘텐츠 개발에 활용될 수 있음을 제안한다. 후속 연구를 통하여 더욱 다양한 일상 대화들을 추가로 수집하여 감정분석을 진행한다면 더욱 정확한 결과를 얻을 수 있 을 것으로 기대된다.

목차

요약
Abstract
Ⅰ. 서론
1. 연구 배경 및 필요성
2. 연구 목적 및 방법
Ⅱ. 이론적 배경 및 선행연구 분석
1. 자연어 처리(NLP)
2. GPT-3 모델 개요
3. 감정분석
Ⅲ. 연구방법
1. 데이터 수집 및 구축
2. 모델학습
3. 실험 결과 및 분석
4. 감정분석을 통한 감성 콘텐츠 개발 제안
Ⅳ. 결론
References

키워드

저자

• 이현수 [ Hyun-Soo Lee | 준회원 성결대학교 미디어소프트웨어학과 학부생 ] 제1저자
• 김민하 [ Min-Ha Kim | 준회원 성결대학교 미디어소프트웨어학과 학부생 ] 참여저자
• 서지원 [ Ji-won Seo | 준회원 성결대학교 미디어소프트웨어학과 학부생 ] 참여저자
• 김정이 [ Jung-Yi Kim | 정회원, 성결대학교 미디어소프트웨어학과 조교수 ] 교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  The Journal of the Convergence on Culture Technology (JCCT) [문화기술의 융합]

• 간기

  격월간

• pISSN

  2384-0358

• eISSN

  2384-0366

• 수록기간

  2015~2025

• 등재여부

  KCI 등재

• 십진분류

  KDC 600 DDC 700