LSTM과 전통 모델을 활용한 감정 분석 연구

Unveiling Public Opinion: A Study of Sentiment Analysis Using LSTM and Traditional Models

소셜 미디어, 특히 트위터는 사람들이 다양한 이슈와 사건에 대한 의견과 감정을 실시간으로 공유하는 공간이 되었다. 감정 분석은 NLP의 중요한 응용 분야로, 사용자 생성 콘텐츠의 대량 유입으로 인해 필수적이 되었다. 이 연구에서는 로지스틱 회귀, 랜덤 포레스트, 나이브 베이즈, 그래디언트 부스팅, LSTM 네트워크 등 다양한 기계 학습 및 심층 학습 접근 방식을 평가하였다. LSTM 모델은 Kaggle Twitter 데이터셋을 사용하여 전처리 후 최적의 감정 분석 모델을 식별하였으며, 훈련 정확도 90.98%, 테스트 정확도 80.00%, 마이크로 평균 ROC-AUC 점수 0.92를 기록하였다. 이 결과는 LSTM 모델이 전통적인 기계 학습 기법보다 문맥적이고 순차적인 텍스트 측면을 포착하는 데 우수함을 보여준다.