• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.05a
• /
• pp.73-76
• /
• 2003

신경생리학적으로 밝혀진 바에 의하면, 대뇌의 시상에 분포한 일차 감각영역에서 감각 정보를 수집한다. 수집된 감각 정보는 과거 기억과의 비교를 통해 인식되고 인식된 정보는 일차 운동영역으로 전달되어 행동으로 나타난다. 수집된 감각 정보를 판단하는 기관은 감각 연합 영역으로 알려져 있으며, 과거 정보를 통해 비교하여 판단하는 방식이다. 하지만, 과거 기억 정보로 존재하지 않는 새로운 감각 입력에 대해서는 대뇌피질 내의 파페츠 회로를 통해 새로이 기억하게 된다. 이 과정에는 변연계의 편도체(Amygdala)의 감정 반응을 이용하여 강한 감정 반응을 유도하는 감각 입력에 대해서는 강한 기억을 하게 되고, 반대의 경우에는 약한 기억을 하게 되는 특징이 고려된다. 본 논문에서는 기억되지 않은 새로운 감각 자극에 대해 감정 반응 정도에 따라 기억되는 정도의 변화를 관찰할 수 있는 모델을 제시하고자 한다. 이 모델은 대뇌피질의 정보 처리 및 감각 학습 과정을 인공적으로 구현하는 과정에 바탕이 될 것이다.

• Annual Conference on Human and Language Technology
• /
• 2011.10a
• /
• pp.37-41
• /
• 2011

본 논문에서는 최근 많은 관심을 받고 있는 Opinion Mining으로서 사용자들의 자연어 형태의 영화평 문장을 분석하여 자동으로 평점을 예측하는 시스템을 제안한다. 제안 시스템은 영화평 분석에 적합한 어휘 자질, 감정 자질, 가치 자질 및 기타 자질들을 추출하고, 10점 척도의 영화평의 평점을 10개의 범주로 가정하여, 커널모델인 다중 범주 Support Vector Machine (SVM) 모델을 이용하여 높은 성능으로 영화평의 평점을 범주 분류한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.01a
• /
• pp.213-216
• /
• 2021

본 논문에서는 Text Classification에 사용된 딥러닝 모델을 적용하여 행동 인식, 손동작 인식 및 감정 인식 방법을 제안한다. 먼저 라이브러리를 사용하여 영상에서 특징 추출 후 식을 적용하여 특징의 벡터를 저장한다. 이를 Conv1D, Transformer, GRU를 결합한 모델에 학습시킨다. 이 방법을 통해 하나의 딥러닝 모델을 사용하여 다양한 분야에 적용할 수 있다. 제안한 방법을 사용해 SYSU 3D HOI 데이터셋에서 99.66%, eNTERFACE' 05 데이터셋에 대해 99.0%, DHG-14 데이터셋에 대해 95.48%의 클래스 분류 정확도를 얻을 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.394-395
• /
• 2023

"이성적이며 이상적인 합리적 인간"을 가정하는 기존 경제학의 이론이 항상 실제 상황과 일치하지는 않는 것으로 알려져 있다. 이의 대안으로 나온 행동경제학은, 인간의 경제적 의사결정에 심리, 인지, 감정, 사회문화적 배경 등이 영향을 미친다고 본다. 본 연구에서는 행동경제학에 의거하여, 개인의 감정과 경험이 경제적 의사결정에 영향을 미치는지 여부를 빅데이터 모델을 활용하여 분석하였다. SNS 여론으로는 Reddit, 주가지수로는 S&P 500 을 선정하였다. 수집한 텍스트 데이터를 전처리와 감정분석을 통해 독립변수 값으로 사용했고, 주가지수 등락의 방향성을 종속변수로 사용하여 로지스틱 모형을 구성했다. 모델을 활용하여 분석한 결과 Public sentiment 와 Market sentiment 간 양의 상관관계를 확인할 수 있었다. 또한, lag 를 설정하는 모델이 정확도가 더욱 높음을 확인해, 기존 경제학의 EMH 와 대립되는 바를 확인할 수 있었다. 하지만 최적의 lag 산정을 위해, 더 광범위한 데이터를 바탕으로 한 후속연구가 필요하다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.11a
• /
• pp.348-351
• /
• 2006

영상을 통한 감정 인식 기술은 사회의 여러 분야에서 필요성이 대두되고 있음에도 불구하고 인식 과정의 어려움으로 인해 풀리지 않는 문제로 남아 있다. 인간의 움직임을 이용한 감정 인식 기술은 많은 응용이 가능하기 때문에 개발의 필요성이 증대되고 있다. 영상을 통해 감정을 인식하는 시스템은 매우 다양한 기법들이 사용되는 복합적인 시스템이다. 본 논문에서는 이전에 연구된 움직임 추출 방법들을 바탕으로 한 새로운 감정 인식 시스템을 제안한다. 제안된 시스템은 은닉 마르코프 모델을 통해 동정된 분류기를 이용하여 감정을 인식한다. 제안된 시스템의 성능을 평가하기 위해 평가데이터 베이스가 구축되었으며, 이를 통해 제안된 감정 인식 시스템의 성능을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.849-852
• /
• 2004

이 논문에서 제시하는 감정 및 상황데이타 인지 시스템이란 감정 및 상황인식 데이터에 대한 능동적인 인지를 통하여 주변 제어 가전 및 AV가전에 대한 통제를 가능하게하는 실시간 시스템을 말한다. 감정 및 상황데이터 분석을 위하여 Context 정의 및 Context Awareness에 대한 Context 모델링 및 지능적 분석 알고리즘을 제시한다. 감정 및 상황인식을 통한 주변 가전제어에서는 분석된 감정 및 상황 데이터만을 가지고 지능적 시스템이 주변 가전을 제어하는 것이 아니라 여기에 첨가하여 사용자의 행동 패턴에 대한 분석이 필요하다. 지능적 분석 알고리즘에서는 사용자의 행동패턴에 대한 분석을 위하여 신경망의 일부 개념을 도입하였다. 인지 시스템의 검증을 위한 시뮬레이션으로 이 논문에서는 실내환경에서의 가전제어를 제시하고 이에 대한 프레임워크로 OSGi를 도입하였다. 마지막으로 감정 및 상황인지에 대한 분석데이터에 대한 서비스와 가전상태에 대한 인터페이스 제공 모델을 UIML을 이용하여 다중 디바이스 서비스를 제공하는 방법을 제시한다.

• Asia Marketing Journal
• /
• v.4 no.2
• /
• pp.104-132
• /
• 2002

본 연구는 소비자들의 광고평가과정을 정보처리능력의 관점인 사전지식과 정보처리동기의 관점인 관여도의 조절적 역할을 고려하여 검토하였다. 이를 위하여 본 연구에서는 인지자극과 감정자극이 동시에 제공된 광고에 대하여 소비자들의 인지적, 감정적, 행동의욕적 평가관계를 구조적으로 살펴보고, 이를 바탕으로 각 구조적 관계들을 사전지식수준과 관여도수준에 따라 그 상대적 역할들을 살펴보았다. 실증분석결과 본 연구는 기존의 DMH 모델을 지지하는 것으로 나타났으며, 특히 광고에 대한 감정적 평가(Aad)에서 상표에 대한 인지적 평가(Cb)통해 상표에 대한 감정적 평가(Ab)에 미치는 영향력의 정도는 관여도보다는 사전지식이 더 큰 역할을 하는 것으로 나타났다. 또한 광고에 대한 감정적 평가(Aad)에서 상표에 대한 감정적 평가(Ab) 그리고 상표에 대한 감정적 평가(Ab)에서 상표에 대한 행동의욕적 평가(Ib)로의 영향력은 관여도가 중요 조절변수임을 확인하였다.

• The Journal of the Acoustical Society of Korea
• /
• v.41 no.2
• /
• pp.115-121
• /
• 2022

In this paper, we propose a music classification system according to user emotions using Electroencephalogram (EEG) features that appear when listening to music. In the proposed system, the relationship between the emotional EEG features extracted from EEG signals and the auditory features extracted from music signals is learned through a deep regression neural network. The proposed system based on the regression model automatically generates EEG features mapped to the auditory characteristics of the input music, and automatically classifies music by applying these features to an attention-based deep neural network. The experimental results suggest the music classification accuracy of the proposed automatic music classification framework.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.1014-1015
• /
• 2023

많은 장애아 부모들은 양육에 대한 스트레스, 미래에 대한 걱정으로 심리적으로 상당한 중압감을 느낀다. 이에 비해 매년 증가하는 장애인 수에 비해 장애아 부모 및 가족의 심리적·정신적 문제를 해결하기 위한 프로그램이 부족하다.[1] 이를 해결하고자 본 논문에서는 감정분석 소통 플랫폼을 제안한다. 제안하는 플랫폼은 KoBERT 모델을 fine-tunning 하여 사용자의 일기 속 감정을 분석하여 장애아를 둔 부모 및 가족 간의 소통을 돕는다. 성능평가는 제안하는 플랫폼의 주요 기능인 KoBERT 기반 감정분석의 성능을 확인하기위해 텍스트 분류 모델로 널리 사용되고 있는 LSTM, Bi-LSTM, GRU 모델 별 성능지표들과 비교 분석한다. 성능 평가결과 KoBERT 의 정확도가 다른 분류군의 정확도보다 평균 31.4% 높은 성능을 보였고, 이 외의 지표에서도 비교적 높은 성능을 기록했다.

• Journal of IKEEE
• /
• v.13 no.2
• /
• pp.159-166
• /
• 2009

So far, many researches have been done to retrieve music information using static classification descriptors such as genre and mood. Since static classification descriptors are based on diverse content-based musical features, they are effective in retrieving similar music in terms of such features. However, human emotion or mood transition triggered by music enables more effective and sophisticated query in music retrieval. So far, few works have been done to evaluate the effect of human mood transition by music. Using formal representation of such mood transitions, we can provide personalized service more effectively in the new applications such as music recommendation. In this paper, we first propose our Emotion State Transition Model (ESTM) for describing human mood transition by music and then describe a music classification and recommendation scheme based on the ESTM. In the experiment, diverse content-based features were extracted from music clips, dimensionally reduced by NMF (Non-negative Matrix Factorization, and classified by SVM (Support Vector Machine). In the performance analysis, we achieved average accuracy 67.54% and maximum accuracy 87.78%.