한국어 에세이 문항 자동 채점을 위한 딥러닝 알고리듬 탐색

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.

This study was carried out for the purpose of searching for the optimal algorithm for automated scoring system of Korean essay through the comparison of deep learning-based learning models. For this purpose, in this study, deep learning algorithms such as Recurrent Neural Network (RNN), Long-Short-Term-Memory (LSTM), and Gated-Recurrent-Unit (GRU) algorithms were compared. The performance of each algorithm was evaluated based on classification accuracy, precision, recall, and F1. The empirical results showed that the LSTM and GRU algorithm-based models performed better than RNN. Although there is no significant difference in model performance between LSTM and GRU, the GRU algorithm was found to be more efficient in terms of the time required to train the model, so it could be considered to be the optimal algorithm for automated scoring if the machine leanring time is critical.