Abstract & Overview
문장 분류(Text Classification)는 단어, 문장, 지문 등 텍스트가 특정 카테고리에 속하는지를 자동으로 분석하는 작업을 의미하며, 비정형 데이터 분석이다. 많은 연구자들이 딥러닝을 활용하여 텍스트 분류 문제를 해결하려고 시도하고 있으며 특히, 과거의 사건이 미래에 영향을 미치도록 설계한 LSTM은 텍스트 분류 문제에 효과적이다. 하지만 LSTM은 Time Steps 수, 즉 텍스트에 활용한 단어가 늘어날수록 성능이 떨어지는 한계가 있다. 이는 장기의존성 문제와는 별개로, 일반적으로 문장을 작성할 때 글의 핵심뿐만 아니라 의미 없는 문장도 함께 작성하기 때문이다. 본 연구에서는 이러한 문제를 해결하기 위해 ‘문장 단위의 학습 결과를 반영한 RNN-LSTM 기반의 순차적 문장 분류 모델’을 제안하였다. 해당 모델은 RNN을 통해 문장을 학습한 후, 다시 LSTM 알고리즘으로 재학습함으로써 긴 문서에서도 분류 정확도를 높였다.