Sentiment140 데이터셋 기반 트윗 감성 분류: 머신러닝과 딥러닝 모델 비교 분석

요약

본 연구는 Sentiment140 데이터셋을 활용하여 트윗 감성 분류 성능을 로지스틱 회귀와 BiLSTM 모델로 비교 분석했습니다. 실험 결과, 전통적인 머신러닝인 로지스틱 회귀가 73.5%의 정확도를 기록하며 딥러닝 모델(BiLSTM, 69.17%)보다 우수한 성능을 보였습니다. 이 연구는 중간 규모 비정형 텍스트 데이터에서는 고전적 ML이 복잡한 딥러닝 접근법을 능가할 수 있음을 입증하고, 최종적으로 Streamlit 기반 웹 앱으로 모델을 배포하는 과정을 제시합니다.

핵심 포인트

• 소셜 미디어 감성 분석의 중요성이 증가함에 따라 자동화 시스템 개발이 필수적입니다.
• Sentiment140 데이터셋을 사용하여 로지스틱 회귀(TF-IDF 기반)와 BiLSTM 모델을 비교했습니다.
• 중간 규모 텍스트 데이터에서는 고전적인 머신러닝(로지스틱 회귀)이 딥러닝보다 더 높은 정확도를 보일 수 있습니다.
• 모델의 실용적 활용을 위해 Streamlit과 Hugging Face Spaces를 이용한 웹 애플리케이션 배포가 가능합니다.