한국어 에세이 문항 자동 채점을 위한 딥러닝 알고리듬 탐색

초록

본 연구는 딥러닝 기반 학습 모델 비교를 통하여 한국어 에세이 문항 자동 채점을 위한 최적의 알고리듬을 탐색을 목적으로 수행되었다. 이를 위해 본 연구에서는 딥러닝 계열의 알고리듬인 순환신경망(RNN, Recurrent Neural Network), 장단기 기억(LSTM, Long- Short-Term-Memory), 게이트 순환 유닛(GRU, Gated- Recurrent-Unit) 알고리듬을 적용하여, 에세이 답안 채점을 위한 채점 모델을 구축하여 그 성능을 비교하였다. 각 알고리듬의 성능은 분류의 정확도, 정밀도, 재현율 및 F1 값을 기준으로 비교되었다. 실증 분석 결과, 본 연구에서 사용된 에세이 답안에서는 RNN, LSTM, GRU 중 LSTM과 GRU 알고리듬 기반의 채점 모델이 가장 성능이 우수한 것으로 나타났다. LSTM과 GRU의 성능에 큰 차이는 없으나 학습 소요 시간 측면에서 GRU 알고리듬이 보다 효율적인 것으로 나타나 대규모 데이터의 기계학습이 필요한 경우, GRU 알고리듬이 자동 채점을 위한 최적의 알고리듬으로 판단되었다.

키워드