DOI QR코드

DOI QR Code

Propensity Analysis of Political Attitude of Twitter Users by Extracting Sentiment from Timeline

타임라인의 감정추출을 통한 트위터 사용자의 정치적 성향 분석

  • 김석중 (가톨릭대학교 컴퓨터공학과) ;
  • 황병연 (가톨릭대학교 컴퓨터정보공학부)
  • Received : 2013.02.01
  • Accepted : 2013.11.15
  • Published : 2014.01.31

Abstract

Social Network Service has the sufficient potential can be widely and effectively used for various fields of society because of convenient accessibility and definite user opinion. Above all Twitter has characteristics of simple and open network formation between users and remarkable real-time diffusion. However, real analysis is accompanied by many difficulties because of semantic analysis in 140-characters, the limitation of Korea natural language processing and the technical problem of Twitter is own restriction. This thesis paid its attention to human's political attitudes showing permanence and assumed that if applying it to the analytic design, it would contribute to the increase of precision and showed it through the experiment. As a result of experiment with Tweet corpus gathered during the election of national assemblymen on 11st April 2012, it could be known to be considerably similar compared to actual election result. The precision of 75.4% and recall of 34.8% was shown in case of individual Tweet analysis. On the other hand, the performance improvement of approximately 8% and 5% was shown in by-timeline political attitude analysis of user.

소셜 네트워크 서비스는 편리한 접근성과 뚜렷한 사용자 주관 점에서 사회 여러 분야에서 폭 넓고 유용하게 사용될 충분한 가능성을 가지고 있다. 그 중에서도 트위터는 사용자간의 네트워크 형성이 간단하고 개방적이며 실시간 전파력이 뛰어난 특징을 가지고 있다. 그러나 140글자로 제한된 글에서 의미 분석을 시도해야 한다는 점과 한글 자연어처리의 한계, 트위터 자체의 제약과 기술적 문제들로 실제 분석에는 많은 어려움이 따른다. 본 논문은 특정 계정이나 키워드에 의존하여 개별 트윗을 분석한 기존의 방법 대신 항구성을 띄는 인간의 정치적 성향을 분석에 적용할 경우 정확도 향상에 기여할 수 있음을 가정하고 2012년 4월 11일 제19대 국회의원선거 기간 동안 수집한 트윗 코퍼스에 적용한 실험을 통해 보였다. 실험 결과는 실제 선거 결과와 정확히 일치하였으며, 75.4%의 정확도와 34.8%의 재현율을 보인 개별 트윗 분석보다 사용자의 타임라인별 정치 성향 분석이 약 8%의 정확도와 5%의 재현율 향상을 가져옴을 보였다.

Keywords

References

  1. 윤진영, 김석중, 이범석, 황병연, "트위터에서 추출한 감기 증상의 사회적 신호와 영향요인과의 상관분석," 멀티미디어학회논문지, 제16권, 제6호, pp. 667-677, 2013.
  2. Jessica Elan Chung and Eni Mustafaraj, "Can Collective Sentiment Expressed on Twitter Predict Political Elections?," Proc. of the Twenty-Fifth AAAI Conf. on Artificial Intelligence , pp. 1770-1771, 2011.
  3. Andranik Tumasjan, Timm O. Sprenger, Philipp G. Sandner, and Isabell M. Welpe, "Predicting Election with Tiwtter: What 140 Characters Reveal about Political Sentiment," Proc. the Fourth Int'l AAAI Conf. on Weblogs and Social Media, pp. 178-185, 2010.
  4. Erick Tjong, Kim Sang, and Johan Bos, "Predicting the 2011 Dutch Senate Election Results with Twitter," Proc. the EACL Workshop on Semantic Analysis in Social Networks, pp. 53-60, 2012.
  5. Daniel Gayo-Avello, Panagiotis T. Metaxas, and Eni Mustafaraj, "Limits of Electional Predictions Using Twitter," Proc. the Fifth Int'l AAAI Conf. on Weblogs and Social Media, pp. 490-493, 2011.
  6. 'I Wanted to Predict Elections with Twitter and all I got was this Lousy Paper' - A Balanced Survey on Election Prediction using Twitter Data, http://arxiv.org/abs/1204.6441v1, 2012.
  7. David M Amodio, John T Jost, Sarah L Master, and Cindy M Yee, "Neurocognitive Correlates of Liberalism and Conservatism," Nature Neuroscience, Vol. 10, No. 10, pp. 1246-1247, 2007. https://doi.org/10.1038/nn1979
  8. John R. Alford, Carolyn L. Funk, and John R. Hibbing, "Are Political Orientations Genetically Trasmitted?," American Political Science Review, Vol. 99, No. 2, pp. 153-167, 2005. https://doi.org/10.1017/S0003055405051579
  9. Jack Block and Jeanne H. Block, "Nursery School Personality and Political Orientation Two Decades Later," J . of Research in Personality, Vol. 40, No. 5, pp. 734-749, 2006. https://doi.org/10.1016/j.jrp.2005.09.005
  10. 안애림, 한용진, 박세영, 남지순, "휴먼 오피니언 자동 분류 시스템 구현을 위한 비결정 오피니언 형용사 구문 처리," 정보과학회논문지, 제18권, 제2호, pp. 158-162, 2012.
  11. 한나눔 형태소 분석기 0.8.3 사용자 매뉴얼, http://kldp.net/projects/hannanum/forum/316173, 2012.
  12. Twitter4J, http://twitter4j.org, 2013.
  13. 중앙선거관리위원회, http://www.nec.go.kr, 2012.

Cited by

  1. A Study on Efficient Market Hypothesis to Predict Exchange Rate Trends Using Sentiment Analysis of Twitter Data vol.19, pp.7, 2016, https://doi.org/10.9717/kmms.2016.19.7.1107
  2. Smart SNS Map: Location-based Social Network Service Data Mapping and Visualization System vol.19, pp.2, 2016, https://doi.org/10.9717/kmms.2016.19.2.428
  3. An Extraction Method of Sentiment Infromation from Unstructed Big Data on SNS vol.17, pp.6, 2014, https://doi.org/10.9717/kmms.2014.17.6.671
  4. 비정형 데이터 분석을 통한 선거 여론조사 예측력 개선 방안 연구 vol.31, pp.5, 2014, https://doi.org/10.5351/kjas.2018.31.5.655