| --- | --- | | 1) 감성 분석 기능의 정확도 | 1. 모델이 정상적으로 학습 되고 있는지 검증하기 위해서 학습 데이터와 평가 데이터를 분리하고, 학습 데이터로 모델에 학습 시킨 뒤, 평가 데이터를 통해 정확도를 측정한다. 2. 긍정 부정 모델의 정확도 측정의 경우, 실제 통계 그래프(실제 여론)와 예측치의 차이를 이용해 정확도를 측정한다. 3. 사전에 직접 댓글 데이터에 대해 긍정, 부정&6가지 감정 데이터 라벨링을 진행하고, 이것이 예측과 얼마만큼 일치하는지를 확인하여 정확도를 측정한다. ⇒ 이들 통해서 정확도를 측정한 후, 정확도가 기대에 미치지 못한다면 모델의 하이퍼파라미터(Hyperparameter) 조정을 통해서 AI 모델을 개선한다. | | 2) 댓글이 많아지면 분석이 너무 오래 걸리는 문제 | 1. GPU를 사용해 딥러닝을 진행한다. 2. 비동기 처리를 통해서 여러 분석 기능들 중에서 분석이 먼저 완료된 요소는 결과를 먼저 보여주어 로딩창에서 사용자가 무한정 대기하지 않고 먼저 분석이 완료된 요소는 사용할 수 있도록 한다. | | 3) 감정 분석 모델에서 모델이 학습하는 언어가 한국어이므로 한국어 외 다른 언어 댓글이 등장했을 때 처리의 어려움 | 먼저, 언어 감지 API를 통해 분석할 댓글의 언어를 파악한다. 만약, 해당 댓글의 언어가 한국어가 아닐 경우, 번역 API를 통해 한국어로 번역한다. 그 이후 기존의 감정 분석의 과정을 똑같이 진행한다. | | 4) 데이터셋 문제 | |