1 |
1
온라인상에서 작성된 문장을 단어 단위로 분석하는 문장 분석부와,상기 문장 분석부에서 분석된 단어를 나이브 베이즈 분류(Naive Bayes classification)에 따른 텍스트 마이닝과 같은 패턴 인식을 활용하여 문장의 감정을 긍정적 감정 또는 부정적 감정으로 분류하는 감정 분류부와,나이브 베이즈 분류(Naive Bayes classification)를 사용하여 상기 문장 분석부에서 분석되는 단어들을 중복을 제외하고 상기 감정 분류부에서 분류된 클래스의 단어 그룹에 계속하여 추가하여 업데이트하는 범주화 분류부와,상기 감정 분류부에서 분류된 감정에 따라 위로, 사랑 및 응원 중 적어도 하나의 의미를 갖는 선플을 생성하고 자동멘션 봇을 구현하여 자동으로 댓글을 작성하는 댓글 생성부를 포함하고,상기 감정 분류부에서 문장에서 특정 단어가 나올 확률(S)은 모두 동일하고, 문장은 단어의 연속으로 이루어지는 것을 기반으로 계산되고, 문장에서 특정 단어가 나올 확률(S)은 분자에 1을 더해주고, 분모는 모든 클래스의 중복을 제외한 단어 수를 더해 다음 수식 를 통해 문장의 감정을 분류하고, 긍정적인 단어나 부정적인 단어의 수를 임계치 이상 차이가 나지 않도록 해당 단어를 추가하고, 상기 은 긍정문일때 단어 가 긍정문 안에서 나올 확률이고, c는 분류하고 싶은 클래스로 긍정과 부정이 되는 것을 특징으로 하는 선플 자동화 기능을 갖는 선플 봇 장치
|
2 |
2
제 1 항에 있어서, 상기 감정 분류부는 p(c|s) 조건부 확률에 관한 정리인 베이스의 정리(Bayes' theorem)을 통해 다음 수식을 이용하여 문장의 감정을 분류하며,이때, 상기 c는 분류하고 싶은 클래스로 긍정과 부정이 되고, 상기 s는 문장이고, 클래스(c)는 긍정과 부정 두 가지 종류가 있으므로, p(c)는 분류하고자하는 문장의 형태가 긍정문과 부정문인가에 대한 확률값이고, p(s)는 단어들의 조합으로 특정 문장이 이루어지는 확률값이고, p(s|c)는 문장이 긍정문일 경우 긍정문에서 s 문장이 나올 확률값인 것을 특징으로 하는 선플 자동화 기능을 갖는 선플 봇 장치
|
3 |
3
제 2 항에 있어서, 문장에서 특정 단어가 나올 확률(S)은 모두 동일하고, 문장은 단어의 연속으로 이루어지는 것을 기반으로 수식 으로 계산되고,이때, 클래스(c)는 긍정과 부정 두 가지 종류가 있으므로, 상기 이고, 상기 은 클래스 안에 들어있는 해당 단어의 빈도수로 계산되는 것을 특징으로 하는 선플 자동화 기능을 갖는 선플 봇 장치
|
4 |
4
삭제
|
5 |
5
삭제
|
6 |
6
제 1 항에 있어서, 상기 범주화 분류부에서 분류된 클래스의 단어 그룹에서 추가되는 분석 단어들은 전처리 과정에서 만들어지는 단어들과 중복되는 단어는 제외하는 것을 특징으로 하는 선플 자동화 기능을 갖는 선플 봇 장치
|
7 |
7
제 1 항에 있어서,상기 댓글 생성부는 트위터 API인 tweepy(파이썬 기반)를 이용해 사용자가 지정한 시간 간격으로 트윗을 작성하는 것을 특징으로 하는 선플 자동화 기능을 갖는 선플 봇 장치
|
8 |
8
제 1 항에 있어서,상기 댓글 생성부는 멘션 기능을 사용하기 위해서 해당 봇의 토큰 키 값을 가지는 것을 특징으로 하는 선플 자동화 기능을 갖는 선플 봇 장치
|
9 |
9
(A) 문장 분석부를 통해 온라인상에서 작성된 문장을 단어 단위로 분석하는 단계와,(B) 감정 분류부를 통해 상기 분석된 단어를 나이브 베이즈 분류(Naive Bayes classification)에 따른 텍스트 마이닝과 같은 패턴 인식을 활용하여 문장의 감정을 긍정적 감정 또는 부정적 감정으로 분류하는 단계와,(C) 범주화 분류부를 통해 나이브 베이즈 분류(Naive Bayes classification)를 사용하여 문장 분석부에서 분석되는 단어들을 상기 감정 분류로 분류된 클래스의 단어 그룹에 계속하여 추가하여 업데이트하는 단계와,(D) 댓글 생성부를 통해 분류된 감정에 따라 위로, 사랑 및 응원 중 적어도 하나의 의미를 갖는 선플을 생성하고 자동멘션 봇을 구현하여 댓글을 작성하는 단계를 포함하고,상기 (B) 단계는 문장에서 특정 단어가 나올 확률(S)은 모두 동일하고, 문장은 단어의 연속으로 이루어지는 것을 기반으로 계산되고, 문장에서 특정 단어가 나올 확률(S)은 분자에 1을 더해주고, 분모는 모든 클래스의 중복을 제외한 단어 수를 더해 다음 수식 를 통해 문장의 감정을 분류하고, 긍정적인 단어나 부정적인 단어의 수를 임계치 이상 차이가 나지 않도록 해당 단어를 추가하고, 상기 은 긍정문일때 단어 가 긍정문 안에서 나올 확률이고, c는 분류하고 싶은 클래스로 긍정과 부정이 되는 것을 특징으로 하는 선플 자동화 기능을 갖는 선플 봇 방법
|
10 |
10
삭제
|
11 |
11
제 9 항에 있어서, 상기 (C) 단계는 분류된 클래스의 단어 그룹에 추가되는 단어들이 전처리 과정에서 만들어지는 단어들과 중복되는 단어는 제외하여 추가하는 것을 특징으로 하는 선플 자동화 기능을 갖는 선플 봇 방법
|
12 |
12
제 9 항에 있어서, 상기 (D) 단계는 트위터 API인 tweepy(파이썬 기반)를 이용해 사용자가 지정한 시간 간격으로 트윗을 작성하는 것을 특징으로 하는 선플 자동화 기능을 갖는 선플 봇 방법
|