전통적 머신러닝 알고리즘과 LSTM 기반 딥러닝 모델의 이메일 감성 분석 성능 비교

요약

본 연구는 이메일 감성 분석에 있어 전통적 머신러닝 알고리즘(SVM, 로지스틱 회귀 등)과 딥러닝 모델(LSTM)의 성능을 비교했습니다. Word2Vec 임베딩을 사용한 실험 결과, 선형 커널 SVM이 가장 높은 정확도와 효율성을 보여주었으며, 최고 성능은 98.74%에 달했습니다. LSTM은 스팸 감지에서 우수한 리콜 능력을 보였으나, 계산 비용 측면에서 전통적 분류기보다 불리하다는 결론을 내렸습니다.

핵심 포인트

• 이메일 감성 분석에는 SVM, 로지스틱 회귀 등 전통적 머신러닝 알고리즘과 LSTM 같은 딥러닝 모델이 비교되었습니다.
• Word2Vec 임베딩 기반 실험에서 선형 커널 SVM이 가장 높은 정확도(98.74%)와 효율성을 제공하여 최적의 균형을 이루었습니다.
• LSTM은 스팸 감지 시 우수한 리콜 능력을 보였으나, 계산 시간이 오래 걸리는 단점이 있습니다.
• 전통적 분류기들은 밀집 벡터 공간에서 여전히 매우 견고하고 실용적인 성능을 입증했습니다.