• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 2000.04a
• /
• pp.30-34
• /
• 2000

인간의 능력은 유전과 환경에 의해 결정되며, 정보는 인지와 감성의 긴밀한 상호작용을 통하여 처리된다. 이런 관점에서 보면, 정보처리모델에서는 유전과 환경, 인지와 감성 작용이 모두 고려되어야 한다. 본 논문에서는 감성이론과 정보처리모델을 바탕으로 감성필터모델을 제시하였다. 이 모델에서는 감성필터가 입력을 선별적으로 수용하며, 수용된 입력은 자신의 현재 능력과 함께 상호작용을 하며 정보를 처리하게 된다. 정보를 처리하는 과정에서 인간은 지식과 경험을 재구성하거나 잠재력을 계발할 수 있다. 이 모델을 통하여, 새로운 관전에서 유전과 환경의 의미 그리고 감성과 인지의 역할을 살펴보았다. 또한 교육적인 관점에서 감성교육과 감성공학의 의미에 대하여 살펴보았다.

• Science of Emotion and Sensibility
• /
• v.2 no.2
• /
• pp.105-113
• /
• 1999

특정 사람에 대해 느끼는 이미지 또는 특정 사람이 가지는 이미지를 어떻게 평가하고 나타낼 수 있을까\ulcorner 본 연구에서는 사람에 대해 가지는 이미지를 표준적인 감성 어휘 척도를 활용하여 모델이 가지는 감성이미지가 무엇인지를 비교평가 할 수 있는 방법을 제시한다. 연구 대상으로는 국내 화장품 회사의 모델을 활용하였다. 4명의 모델을 전체와 부분 모습의 두 가지 형태로 제시하면서 각 인물이 가진 이미지를 평가하게 하였다. Personal 감성이미지를 평가하기 위해서 사람의 특성이나 이미지를 묘사하는 형용사 쌍 103개를 이용하였다. 모델 이미지에 대한 평가 반응은 요인분석을 통해 7개의 감성어휘 요인으로 나타났다. 우아한-천박한, 신선감-답답함, 편안함-불편함, 순수함-가식적인, 세련미-촌스러운, 진취성-보수성, 여성성-남성성, 4명의 모델들은 이 7가지 감성 이미지 요인에 따라 상호 차별적으로 나타났다. 인물 감성이미지는 감성적 어휘로 표현됨과 동시에 각 인물이 가진 고유하고 대표적인 personal image로 나타낼 수 있는가를 보여줄 수 있엇다. 본 연구에서는 개발된 감성이미지척도는 사람의 이미지를 평가하는 대표적인 감성척도로 이용될 수 있을 뿐 아니라, 특정 제품을 나타내는 모델이 일반인들에 어떤 이미지를 전달하는지 그리고 모델의 이미지와 제품이 지향하는 이미지와 얼마나 일치하는지를 평가할 수 있었다.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 1999.11a
• /
• pp.310-317
• /
• 1999

특정 사람에 대해 느끼는 이미지 또는 특정 사람이 가지는 이미지를 어떻게 평가하고 나타낼 수 있을까\ulcorner 본 연구에서는 사람에 대해 가지는 이미지를 표준적인 감성 어휘 척도를 활용하여 모델이 가지는 감성이미지가 무엇인지를 비교평가 할 수 있는 방법을 제시한다. 연구 대상으로는 국내 화장품 회사의 모델을 활용하였다. 4명의 모델을 전체와 부분 모습의 두가지 형태로 제시하면서 각 인물이 가진 이미지를 평가하게 하였다. Personal 감성이미지를 평가하기 위해서 사람의 특성이나 이미지를 묘사하는 형용사 쌍 103개를 이용하였다. 모델 이미지에 대한 평가 반응은 요인분석을 통해 7개의 감성 어휘 요인으로 나누어졌다. 4명의 모델들은 이 7가지 감성 이미지 요인에 따라 상호 차별적으로 나타났다. 인물 감성이미지는 감성적 어휘로 표현됨과 동시에 각 인물이 가진 고유하고 대표적인 personal image로 나타낼 수 있는가를 보여줄 수 있었다. 본 연구에서는 개발된 감성이미지 척도는 사람의 이미지를 평가하는 대표적인 감성척도로 이용될 수 있을 뿐 아니라, 특정 제품을 나타내는 모델이 일반인들에 어떤 이미지를 전달하는지 그리고 모델의 이미지와 제품이 지향하는 이미지와 얼마나 일치하는지를 평가할 수 있었다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.05a
• /
• pp.172-175
• /
• 2006

최근 다양한 게임 문화가 급속도로 성장함에 따라 보다 새로운 개념의 게임을 찾는 사용자의 요구가 증대 되고 있다. 기존의 게임은 획일화 되고 일방적인 사용자 환경으로 사용자가 일방적으로 게임을 하는 방식이었다. 때문에 사용자의 감성 데이터를 이용하여 사용자에게 게임 환경이 맞춰지는 "사용자 맞춤형" 게임은 기존의 게임에서 보다 진보한 새로운 방식이 될 것이다. 이 방식을 사용하기 위해서는 우선 사용자의 생체 데이터나 감성데이터를 포함한 뇌파를 획득하는 방법이 필요하며 다음으로 획득된 뇌파를 통하여 현재 사용자의 감성 상태를 규명하는 패턴인식 기법이 중요한 문제가 된다. 본 논문에서는 뇌파를 통하여 현재 사용자의 감성 상태를 규명하고 인식할 수 있는 패턴인식 기법으로 Multi Layer Perceptron(MLP)을 사용한 감성인식모델을 제안한다. 본 논문에서 제안한 감성인식 모델의 실험을 위하여 특정 공간 내에서 여러 사용자의 감정별 뇌파를 측정하고 실험을 통하여 획득한 데이터로 감정 DB를 구축한다. 구축된 DB를 본 논문에서 제안한 감성인식 모델로 학습을 하고 학습이 완료된 후 새로운 사용자의 뇌파를 입력 받은 후 현재 사용자의 감성을 인식한다. 감성인식과 더불어 집중도를 측정 하는 실험도 병행 한다. 본 논문에서 제안한 감성인식 모델의 성능을 측정하기 위하여 사용자의 수에 따른 감성 인식률을 측정함으로서 본 논문에서 제안한 감성인식 모델의 성능을 확인한다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.19 no.1
• /
• pp.13-18
• /
• 2009

Usually, human emotions are vague and change diversely on the basis of the stimulus from the outside. Plutchik classified the fundamental behavioral patterns into eight patterns, named each of them a genuine emotion, and furthermore suggested mixed emotions using a combination of genuine emotions. In this paper, we propose a method for processing Plutchik's emotion model using Multiple Valued Logic(MVL) Automata Model which utilizes the properties of difference in Multiple Valued Logic functions. This proposed emotion processing model can be widely applied to the analysis and processing of emotion data.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2015.07a
• /
• pp.81-83
• /
• 2015

본 연구는 사용자의 감성이 온라인 소셜 미디어를 통해 감염이 된다는 사실을 감성 전파 모델링으로 보이고자 한다. 이를 위해 전염병 파생을 기술하고 이를 예측하는데 사용되었던 질병확산 모델을 기초로 소셜 미디어상의 감성 전파 모델을 제시한다. 제시한 모델의 타당성을 검증하기 위해 특정 리테일 산업에 대한 논의가 활발히 이루어지고 있는 웹포럼의 데이터를 수집한다. 수집된 데이터로부터 주요 주제어를 도출하고, 주제별 감성을 측정하고, 시간에 따른 감성 값을 도출하여, 제시한 모델을 추정한다. 실험 결과 사용자의 긍정적 감성과 부정적 감성이 서로 경쟁관계에 있다는 가정을 따른 제안한 모델이 타당함을 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.760-763
• /
• 2021

텍스트를 자연어 처리를 위한 모델에 적용할 수 있게 언어적인 특성을 반영해서 단어를 수치화하는 방법 중 단어를 벡터로 표현하여 나타내는 워드 임베딩은 컴퓨터가 인간의 언어를 이해하고 분석 가능한 언어 모델의 필수 요소가 되었다. Word2vec 등 다양한 워드 임베딩 기법이 제안되었고 자연어를 처리할 때에 감성 분류는 중요한 요소이지만 다양한 임베딩 기법에 따른 감성 분류 모델에 대한 성능 비교 연구는 여전히 부족한 실정이다. 본 논문에서는 Emotion-stimulus 데이터를 활용하여 7가지의 감성과 2가지의 감성을 5가지의 임베딩 기법과 3종류의 분류 모델로 감성 분류 학습을 진행하였다. 감성 분류를 위해 Logistic Regression, Decision Tree, Random Forest 모델 등과 같은 보편적으로 많이 사용하는 머신러닝 분류 모델을 사용하였으며, 각각의 결과를 훈련 정확도와 테스트 정확도로 비교하였다. 실험 결과, 7가지 감성 분류 및 2가지 감성 분류 모두 사전훈련된 Word2vec가 대체적으로 우수한 정확도 성능을 보였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.09b
• /
• pp.173-176
• /
• 2003

본 논문은 기존의 다치오토마타 모델을 적용하여 개성과 감성상태 모델을 제안한다. 기존 다치오토마타 모델을 2개의 오토마타로 분리하여 하나는 감성상태, 다른 하나는 개성을 모델링하는데 이용하였다. 사용자의 내부 감성과 개성은 Valence-Arousal 공간으로 정의된 감성상태를 바탕으로 구성하였고, 2개로 분리된 다치오토마타의 관계를 정의에 따라 구성하여 감성상태와 개성이 동시에 한 개의 오토마타 모델로 모델링 될 수 있는 가능성을 제시하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.06c
• /
• pp.395-398
• /
• 2007

본 논문에서는 사람이 생각하고 표현하는데 영향을 주는 감성 요인을 사용하여 컴퓨터가 다양한 환경에 적응하며 지능을 표현할 수 있는 에이전트 모델을 제안한다. 감성은 사람이 생각하고 판단하는데 중요한 요소가 되고, 이러한 감성을 에이전트에 표현하면 사람의 추론하는 과정을 효과적으로 표현할 수 있다. 이에 사람의 추론 과정을 표현하기에 적합한 한 에이전트 모델인 BDI(Belief, Desire, Intention) 에이전트 모델을 감성과 결합하여 에이전트들의 행동을 빠르게 결정할 수 있는 ExMEBDI(Expanded Multi Emotional BDI) 에이전트 모델을 제안한다. 또 기존의 사람의 감성을 모델로 구성된 OCC모델을 기반으로 ExMEBDI 모델의 감성 추출 방법인 GEM(Generated EMotion)을 제안하였다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.14 no.7
• /
• pp.1557-1564
• /
• 2010

In this paper, we propose a maximum entropy-based emotion recognition model using the individual average difference of emotional signal, because an emotional signal pattern depends on each individual. In order to accurately recognize a user's emotion, the proposed model utilizes the difference between the average of the input emotional signals and the average of each emotional state's signals(such as positive emotional signals and negative emotional signals), rather than only the given input signal. With the aim of easily constructing the emotion recognition model without the professional knowledge of the emotion recognition, it utilizes a maximum entropy model, one of the best-performed and well-known machine learning techniques. Considering that it is difficult to obtain enough training data based on the numerical value of emotional signal for machine learning, the proposed model substitutes two simple symbols such as +(positive number)/-(negative number) for every average difference value, and calculates the average of emotional signals per second rather than the total emotion response time(10 seconds).