Mission

• 네이버 영화 평점 예측

 주어진 미션은 기존 영화 평과 평점을 학습해서 주어진 영화 평에 가장 알맞는 평점이 몇 점인지 예측하는 모델을 개발하는 것이었습니다
데이터의 구조는 영화 평과 평점이 따로 주어졌습니다

영화 평	평점
영화를 이루는 모든 요소가 완전하다	10
너무 흥미롭고 단 한순간도 지루할틈이 없었다	9
이해는 하나 공감은 할 수 없는 영화	7
진짜 이 영화 무슨 내용인지 모르겠네	2

최초로 기본적인 전처리와 영화리뷰 예측을 위한 Regression 모델을 포함한 baseline이 제공되었습니다

Model

• CNN for Sentence Classification
  • N*K representation of sentence
  • Convolutional layer with multiple filter widths and feature map
  • Max over time pooling
  • Fully Connected layer with dropout and softmax output

Hyperparameter search

• Effect of filter region size

  • (7,7,7,7)
  • (10,10,10,10)
  • (15,15,15,15)
  • (30,30,30,30)
  • (7,8,9,10) : score 4.574 (selected)

• number of feature maps

  • 200
  • 400 : score 4.47 (selected)
  • 600

• activation function

  • relu
  • tanh : (selected)
  • iden

• regularization

  • 0.5
  • 0.25 : (selected)
  • 0.0

Usage

on NSML

$ cd movie-review/model
$ nsml run -d movie_final -e main.py -a "--embedding 100 --kernel_num 400 --kernel_sizes '7,8,9,10' --dropout 0.25 --lr 0.01"

Final score

Score : 3.58064 / 결선 참가팀 중 24등

Reference

• paper : Convolutional Neural Networks for Sentence Classification
  
• paper : A Sensitivity Analysis of (and Practitioners' Guide to) Convolutional Neural Networks for Sentence Classification
  
• blog : 합성곱 신경망(CNN) 딥러닝을 이용한 한국어 문장 분류
  
• blog : CNN으로 문장 분류하기