인사이저 텍스트 분석 프로세스.
1. 뉴스 자동 분류(Deep Learning)
2. 키워드 추출(Tf-idf, Text Rank, Word2Vec), 핵심문장 추출(Similarity Analysis)
3. 관계분석 및 네트워크 구축(Social Network Analysis Graph Theory)
4. 감정분석(Deep Learning), 영향도 분석(Machine Learning)

뉴스 자동분류. CNN + LSTM, BERT 등의 딥러닝 모델을 활용해 뉴스를 분류합니다.

 키워드 추출, 핵심문장 추출
1. 문장별로 출현한 단어 수를 센 뒤, 표로 정리합니다.
2-A 표를 활용해 문장/단어 간 유사도를 계산합니다. 이를 그래프로 나타낸 뒤 TextRank 알고리즘을 적용합니다.
2-B. 뉴스 전체에서 각 단어가 차지하는 비중을 고려해 가중치를 다시 산정합니다.
3. 뉴스 간 유사도, 키워드 추출 등에 활용합니다.

관계분석 및 네트워크 구축.
문서 간의 유사도를 이용하면 키워드, 뉴스를 그래프로 나타낼 수 있습니다.
여기에 Minimum Spanning Tree 등의 알고리즘을 적용해 2차원 평면 상에 시각화합니다.

감정분석, 영향도 분석 - Sentiment Analysis for Finance News
기존 논문들은 대부분 감정을 파악하기 쉬운 리뷰나 트위터를 데이터로 활용했습니다.
하지만 딥러닝 모델을 활용하면, 과거보다 더 정확한 감정 분석을 할 수 있습니다. 특히 어텐션 모델은 어떤 단어에 모델이 반응했는가를 보여줍니다.