- 서비스 명칭
- '대화 속 감정 분석하기'는 대화 중에 표현되는 감정을 인식하고 분석하는 태스크입니다.
2. 서비스 배경 및 목적
- 이 태스크는 자연어 처리(NLP), 인공지능(AI), 머신러닝 등의 기술을 활용하여 수행할 수 있습니다. 이 과정은 크게 다음의 단계로 이루어집니다:
- 데이터 수집: 한국어 대화 데이터를 수집합니다. 이 데이터는 대화의 문맥, 표현, 어조 등을 포함할 수 있습니다. 한국어 지식기반 관계 데이터를 이용하면, 대화의 감정 상태를 더 정확하게 파악할 수 있습니다.
- 데이터 전처리: 수집한 데이터를 분석 가능한 형태로 변환합니다. 이 과정에서는 텍스트 클리닝, 토큰화, 어간 추출 등의 작업을 수행할 수 있습니다.
- 모델 학습: 전처리된 데이터를 이용하여 머신러닝 모델을 학습시킵니다. 이 모델은 대화의 감정 상태를 예측하는 데 사용됩니다.
- 감정 분석: 학습된 모델을 이용하여 새로운 대화의 감정 상태를 분석합니다.
3. 인공지능 서비스 유사 사례 분석
- 1. IBM의 Watson Tone Analyzer: 이 서비스는 텍스트를 분석하여 7가지 감정(기쁨, 슬픔, 두려움, 분노, 자신감, 적대감, 분석적)을 파악하고 점수를 제공합니다. 이를 통해 사용자는 감정을 분석하고, 이에 따른 대응 전략을 세울 수 있습니다.
- 2. Google의 Cloud Natural Language API: 이 서비스는 텍스트에 포함된 감정을 분석하고, 양성, 음성, 중립 등의 점수를 제공합니다. 또한, 문장에서 중요한 개념을 추출하고, 이를 사용자가 이해하기 쉽게 시각화합니다.
- 3. Facebook의 DeepText: Facebook은 DeepText라는 AI 기반 텍스트 분석 엔진을 이용하여 사용자의 게시물과 메시지에서 감정을 분석합니다. 이를 통해 사용자의 감정 상태를 파악하고, 이에 맞는 컨텐츠를 추천합니다.
- 이러한 서비스들은 감정 분석 기술을 활용하여 사용자 경험을 개선하고, 서비스의 효율성을 높이는 데 기여하고 있습니다. 그러나 이들 서비스는 대부분 영어를 기반으로 하며, 한국어 감정 분석에는 언어의 특성과 문화적 요소를 고려해야 합니다. 따라서 한국어 지식기반 관계 데이터를 이용한 '대화 속 감정 분석하기' 태스크는 유의미한 사업 기회가 될 수 있습니다.
4. 인공지능 모델의 입출력
- 입력 : (이미지, 파일형식 : npy)
- 출력 : (Labeled data, 파일형식 : JSON)
5. 데이터셋 구축방안
- 한국어 지식기반 관계 데이터 : https://www.aihub.or.kr/aihubdata/data/view.do?currMenu=115&topMenu=100&dataSetSn=71633currMenu=115&topMenu=100&aihubDataSe=realm&dataSetSn=71626
- AI Hub (학습셋, 시험셋)
6. 데이터셋 구성 목표
- 학습셋 : 한국어 지식기반 관계 데이터 중 일부
- 시험셋 : 한국어 지식기반 관계 데이터 중 일부
- 학습셋(80%), 검증셋(10%), 테스트셋(10%)
7. 인공지능 모델 평가 방법
- 학습 데이터, 검증 데이터, 테스트 데이터를 8:1:1로 랜덤 샘플링하여 데이터를 나누고, 학습시 검증 데이터를 활용하여 제일 좋은 모델을 선별한 다음 최종적으로 테스트 데이터로 Micro-F1-Score를 산출한다.
8. 인공지능 모델 성능 목표
- Micro-F1-Score : 90%
9. 서비스 구축계획 및 사용 시나리오
서비스 구축 계획
- 데이터 수집 및 분석: 한국어 대화 데이터를 수집하고, 이를 분석하여 감정 분류 체계를 개발합니다. 이 과정에서는 한국어 특성과 문화적 요소를 고려해야 합니다.
- 알고리즘 개발: 감정 분석 알고리즘을 개발합니다. 이 알고리즘은 한국어 대화의 문맥, 표현, 어조 등을 이해하고, 이를 바탕으로 감정 상태를 정확하게 예측할 수 있어야 합니다.
- 시스템 구축: 감정 분석 알고리즘을 이용하여 시스템을 구축합니다. 이 시스템은 사용자의 대화를 실시간으로 분석하고, 감정 상태를 피드백할 수 있어야 합니다.
- 테스트 및 피드백: 초기 사용자를 대상으로 시스템을 테스트하고, 피드백을 수집합니다. 이를 바탕으로 시스템을 개선하고, 서비스를 최적화합니다.
사용 시나리오
- 고객 서비스: 고객 서비스 센터에서는 본 서비스를 활용하여 고객의 감정 상태를 실시간으로 파악하고, 이에 맞는 서비스를 제공할 수 있습니다.
- 멘탈 헬스 앱: 멘탈 헬스 앱에서는 사용자의 대화를 분석하여 감정 상태를 파악하고, 이에 맞는 치료나 상담을 제안할 수 있습니다.
- 챗봇: 챗봇은 사용자의 대화를 분석하여 감정 상태를 파악하고, 이에 따라 대화를 유도하거나 응답을 조절할 수 있습니다.