비정형 데이터를 이용한 순환 신경망 기반의 재난 문장 탐지 방법 - 화재 재난을 대상으로 -

Abstract

빅데이터는 비정형 데이터인 텍스트로 이루어져 있어 텍스트 마이닝을 통해 정책 수립, 의사 결정에 대한 유의미한 정보를 도출할 수 있는 분석이 가능하다. 텍스트 마이닝 기법 중 순환 신경망을 사용한 최근의 연구들은 기존의 딥러닝 알고리즘인 CNN 및 다른 기계학습 알고리즘보다 성능이 향상된 것을 확인할 수 있다. 딥러닝 알고리즘은 양질의 학습 데이터의 양에 따라 학습의 효율 및 결과가 달라진다. 따라서 본 연구에서는 Word2Vec 모델을 이용한 학습 데이터를 증강하는 기법을 적용하여 재난 문장탐지 모델의 정확도가 개선되는지를 확인해보았다. 또한, 순환 신경망의 종류인 LSTM과 GRU를 이용한 텍스트 분석 결과를 비교하여 소셜미디어에서의 화재 발생의 정보를 담고 있는 문장을 탐지하는 방법의 정확도를 향상하고자 한다.

본 연구에서 제안하는 재난 문장탐지 모델은 데이터를 증강하는 과정과 모델이 학습하는 단계에서 선행연구보다 사용자의 개입을 최소화하고, 정확도를 향상했다. 또한, 탐지된 재난 문장은 추후 개체명 인식을 이용하여 정형화할 수 있어 비정형 데이터에서의 재난 위치를 비롯한 정보를 추출할 수 있다는 점에서 의의가 있다.