1.6 개발 환경

1.6.1 개발언어

딥러닝을 통한 자연어 처리를 위해 Python 을 사용하고, 사용자의 인터페이스 구현을 위해 Java 와 Javascript 를 사용한다.

1.6.2 사용 프레임워크

Flask 2.0.2 를 통해 자연어 처리(Natural Language Processing)를 위한 딥러닝 모델을 구현하고, API 서버를 구축한다. 또한 Springboot 5.3.15 를 통해 API 서버에 요청을 보내고 데이터를 수신하며, 사용자의 인터페이스와 데이터의 흐름을 제어한다.

1.6.3 주요 라이브러리

구글의 Tensorflow를 바탕으로 한 Keras 2.7.0 를 통해 댓글의 긍정,부정 분류를 위한 딥러닝 모델을 구축한다. 딥러닝 모델은 순환 신경망의 LSTM(Long Short-Term Memory) 방식으로 구현한다.

댓글의 6가지 감정 분류를 위해 KoBERT 0.2.3 를 사용한다. 구글에서 제공하는 Pre-training 방식의 딥러닝 모델인 BERT를 한국어에서 활용하기 위하여, SKTBrain에서 공개한 KoBERT 0.2.3 를 통해 다중 클래스 분류 모델을 구현한다.

추가로 konlpy 0.6.0 의 형태소 분석기인 Okt(Open Korea Text) 를 이용하여 한국어 NLP에서 형태소 토큰화를 수행한다.

1.6.4 외부 라이브러리 및 참고 오픈소스

KoBERT 라이브러리 https://github.com/SKTBrain/KoBERT