1. Multi Agent RAG + Sentiment Analysis 기반 R&D Idea Generation Approach 마지막 실습으로는 방학동안 공부한 Multi Agent 구조와 Sentiment Analysis 를 결합해 실험 설계를 해보고자 한다.이런 Approach가 잘 구현된다면 R&D Idea Generation 도 활성화 될 수 있지 않을까 하는 생각으로 시작해보게 되었다. 2. 실습 프레임워크실험은 아래의 구조로 구성된다.전 주차에서 실험했던 동일 데이터셋을 대상으로 진행하며 본 실습에서는 Sentiment==Negative로 분류된 내용들을 Tech Demand로 바라보고 진행한다.Opinion → Sentiment Agent → Tech Demand ↓ R..

1. RoBERTa 실습: 감성분석 & 특허 문서 결합 기반 기술 니즈 추론이번주는 실제 RoBERTa를 돌려보며 특허 문서와 어떻게 연결해볼 수 있을지를 고민해보았다.간략하게 생각해보면 아래와 같은 프로세스로 설계가 가능하다.의견(Opinion) 데이터 기반 기술 니즈 추출 → 특허 기술과의 연결 → 기술 개발 방향성 추론 즉, "사람들이 무엇을 불편해하고, 무엇을 원하고 있는가?" → "어떤 기술이 이를 해결하고 있는가?"를 정량적으로 연결하는 실험 구조를 설계해보고자 했다. 2. 실습 프레임워크본 실험은 다음 3단계 구조로 구성된다.Step 1. Opinion Sentence Sentiment ClassificationRoBERTa 기반 감성분석긍정 / 부정 / 중립 + 기술 니즈 문장 식별Step..

1. Sentiment Analysis 전체 파이프라인 개요주요 논문들에서 제시하는 감성 분석의 전체 프로세스는 다음과 같은 5단계 구조로 이루어진다.데이터 수집 → 전처리 → 데이터 증강 → 특징 추출 → 특징 선택 → 감성 분석 및 분류1.1 데이터 전처리 (Pre-processing)원시 텍스트에는 불필요한 요소(특수문자, 불용어, 중복 데이터 등)가 포함되어 있으므로, 이를 제거하여 모델이 학습하기 좋은 형태로 변환한다.주요 작업:불용어 제거 (stopword removal)특수문자 및 구두점 제거토큰화 (tokenization)소문자 변환, 표제어 추출(lemmatization)➡ 전처리는 분류 정확도 향상에 직접적인 영향을 미친다.1.2 데이터 증강 (Data Augmentation)학습 데이..

그동안 특허 문서 대상 SAO 분석, 토픽모델링, LLM 모델링 등 여러 모델 리뷰를 진행해왔으나감성분석 부분은 잘 다루지 않았던 것 같아 관련된 실습 및 실험 설계를 진행해보고 싶어졌다 1주차. What is Sentiment Analysis?1. Introduction Sentiment Analysis는 텍스트가 담고 있는 주관적 태도, 감정, 방향성을 분류하는 NLP task이다. 일반적으로 Sentiment Analysis는 Opinion Mining이라는 더 큰 연구 영역 내의 세부 Task로 정의되며,텍스트에 표현된 의견(opinion)을 구조적으로 식별하고 정량화하는 것을 목표로 한다 (Pang & Lee, 2008). 초기 Sentiment Analysis 연구는 주로리뷰 데이터나 SNS..