[논문 리뷰] Deep Learning for Sentiment Analysis : A Survey

Lei Zhang, Shuai Wang외 1명|arXiv (Cornell University)|2018. 01. 24.

Sentiment Analysis and Opinion Mining참고 문헌 5인용 수 50

한 줄 요약

본 논문은 심층 학습 방법이 감정 분석에 어떻게 적용되는지 조사하고 아키텍처, 데이터 세트, 응용에 대해 요약한다.

ABSTRACT

Deep learning has emerged as a powerful machine learning technique that learns multiple layers of representations or features of the data and produces state-of-the-art prediction results. Along with the success of deep learning in many other application domains, deep learning is also popularly used in sentiment analysis in recent years. This paper first gives an overview of deep learning and then provides a comprehensive survey of its current applications in sentiment analysis.

연구 동기 및 목표

• 심층 학습과 그것이 감정 분석에 미치는 영향에 대한 개요를 제공한다.
• 감정 분석에 대한 심층 학습의 현재 응용에 대한 포괄적 고찰을 제공한다.
• 현장에서 일반적으로 사용되는 아키텍처, 데이터 세트, 작업 및 평가 관행에 대해 논의한다.

제안 방법

• 감정 분석에 사용되는 기존의 심층 학습 접근 방법을 검토하고 합성한다.
• 감정 작업에 일반적으로 사용되는 아키텍처와 모델을 분류한다.
• 문헌에서 데이터 세트, 작업 및 평가 관행을 요약한다.

실험 결과

연구 질문

• RQ1 감정 분석에 어떤 심층 학습 기법이 적용되었으며 어떻게 분류되나요?
• RQ2 DL 기반 감정 분석에서 일반적으로 사용되는 데이터 세트와 벤치마크 작업은 무엇이며 어떤 평가 관행이 존재합니까?
• RQ3 감정 분석에 심층 학습을 적용하는 주요 동향, 도전과제 및 남아 있는 이슈는 무엇인가요?

주요 결과

• 감정 분석에서의 심층 학습 응용에 대한 포괄적 고찰을 제공합니다.
• 감정 작업에 자주 사용되는 아키텍처, 모델 및 구성 요소를 요약합니다.
• 문헌에서 일반적으로 다루어지는 데이터 세트와 평가 관행에 대해 논의합니다.
• 현 시점의 동향과 DL 기반 감정 분석에서의 잠재적 연구 방향에 대한 고수준 통찰을 제공합니다.