• 한국전자거래학회지
• /
• 제19권4호
• /
• pp.1-19
• /
• 2014

빅데이터 내에 존재하는 감정 정보를 추출하여 사용자들이 특정 대상에 대하여 갖고 있는 인식이 어떠한지를 파악하고자 하는 노력이 활발히 이루어지고 있다. 상품, 영화, 그리고 사회적 이슈 등에 대한 문장을 분석하여 사람들이 해당 주제에 어떠한 견해를 가지고 있는지를 분석하고 측정하여 구체적인 선호도를 알아내는 것이다. 문장에서 드러나는 감정 정도를 얻기 위해서는 감정어휘의 목록과 정도값을 제시할 수 있는 감정어휘사전이 필요하므로 본 연구에서는 감정어휘를 발견하는 방법과 이들의 정도값을 결정하는 문제를 다룬다. 기본적인 방법은 기초 감정어휘의 목록 수집과 이들의 정도값은 선행연구 결과와 직접 설문 방식을 이용하고, 확장된 목록의 수집과 정도값은 사전의 표제어 설명부(glosses)를 이용해 추론하는 것이다. 그 결과 발견된 감정어휘는 전형성을 띠고 있는 기본형 감정어휘, 기본형 감정어휘의 gloss에 사용된 확장형 1단계 1층위 감정어휘, 비 감정어휘 중 gloss에 기본형 또는 확장형 감정어휘를 가지고 있는 확장형 2단계 1층위 감정어휘, gloss의 gloss에 기본형 또는 확장형 감정어휘가 사용된 확장형 2단계 2층위 감정어휘의 네 종류로 나뉜다. 그리고 확장형 감정어휘의 정도값은 기본형 감정어휘의 정도값을 기초로 문형의 가중치와 강조승수를 적용하여 얻었다. 실험 결과 AND, OR 문형은 내포된 어휘의 감정 정도값을 평균내는 가중치를, Multiply 문형은 정도 부사어의 종류에 따라 1.2~1.5의 가중치를 갖는 것으로 파악되었다. 또한 NOT 문형은 사용된 어휘의 감정 정도를 일정 정도로 낮추어 역전시키는 것으로 추정된다. 또한 확장형 어휘에 적용되는 강조승수는 1층위에서 2, 2층위에서 3을 갖는 것으로 예상된다.

• 정보처리학회논문지B
• /
• 제18B권5호
• /
• pp.325-332
• /
• 2011

최근 트위터, 페이스북과 같은 소셜 네트워크 서비스(Social Network Service : SNS)가 활성화됨에 따라 서비스 사용자들에 의해 작성된 막대한 텍스트들로부터 의미 있는 정보를 찾기 위한 연구가 많은 주목을 받고 있다. 특히 문장에 담겨 있는 감정은 활용 범위가 매우 넓은 정보로서 문장에 대한 감정을 분류하는 일은 매우 유용한 일이라고 할 수 있다. 본 논문에서는 문장의 감정을 분류하기 위해 문장에 포함되어 있는 형식적 어휘 정보와 이모티콘이나 인터넷 용어와 같은 온라인상에서 많이 이용되는 다양한 형태의 비형식적 어휘 정보를 이용한 새로운 문장 감정 분류 방법을 제안한다. 기존에는 문장의 감정을 분류하기 위해 사전을 기반으로 한 형식적 어휘 정보를 이용했지만, 최근 인터넷 사용자들은 인터넷 용어나 이모티콘과 같은 비형식적 어휘를 많이 사용해 기존의 형식적 어휘 정보만으로는 정확한 감정 분류가 어렵다. 제안한 방법은 형식적 어휘 정보와 비형식적 어휘 정보를 이용해 다양한 형태의 어휘를 포함하는 인터넷 상의 문장들에 대해 보다 정확한 감정 분류 결과를 보여준다. 또한, 같은 어휘라도 도메인별로 다른 감정을 나타내는 경우가 많으므로 제안한 방법에서는 도메인별로 다른 감정 어휘정보를 이용했다. 각 감정 어휘 정보를 통해 특징벡터로 표현된 문장은 Support Vector Machine(SVM) 분류 방법을 통해 감정을 분류하고 그 성능을 평가했다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2021년도 제33회 한글 및 한국어 정보처리 학술대회
• /
• pp.379-383
• /
• 2021

감정 분석은 텍스트 데이터에서 인간이 느끼는 감정을 다양한 감정 유형으로 분류하는 것이다. 그러나 많은 연구에서 감정 분석은 긍정과 부정, 또는 중립의 극성을 분류하는 감성 분석의 개념과 혼용되고 있다. 본 연구에서는 텍스트에서 느껴지는 감정들을 다양한 감정 유형으로 분류한 감정 말뭉치를 구축하였는데, 감정 말뭉치를 구축하기 위해 심리학 모델을 기반으로 분류한 감정 어휘 사전을 사용하였다. 9가지 감정 유형으로 분류된 한국어 감정 어휘 사전을 바탕으로 한국어 영화 리뷰 말뭉치에 9가지 감정 유형의 감정을 태깅하여 감정 분석 말뭉치를 구축하고, KcBert에 학습시켰다. 긍정과 부정으로 분류된 데이터로 사전 학습된 KcBert에 9개의 유형으로 분류된 데이터를 학습시켜 기존 모델과 성능 비교를 한 결과, KcBert는 다중 분류 모델에서도 우수한 성능을 보였다.

• 한국정보관리학회:학술대회논문집
• /
• 한국정보관리학회 2001년도 제8회 학술대회 논문집
• /
• pp.29-34
• /
• 2001

영상자료 및 소리자료의 색인과 검색을 위해서는 감정동사 및 감정형용사 등의 감정 어휘를 필요로 한다. 그러나 감정어휘는 그 뉘앙스가 미묘하여 분명한 분류체계가 없이는 체계적인 정리가 불가능하다. 이에 따라 본 연구에서는 국어학과 분류사전의 분류체계를 고찰하고 새로운 감정어휘의 분류방안을 연구하였으며, 감정에 따른 기쁨, 슬픔, 놀람, 공포, 혐오, 분노의 6가지 기본유형을 제시하였다.

• 한국산학기술학회논문지
• /
• 제14권3호
• /
• pp.1422-1427
• /
• 2013

본 논문에서는 사용자가 작성한 영화평으로부터 추출한 감정어휘에 기반한 영화검색시스템을 제안한다. 먼저, 사용자의 영화평을 형태소분석하고 수작업으로 감정어휘사전을 구축한다. 그 다음, 검색의 대상이 되는 영화별로 감정어휘사전에 포함되어 있는 감정어휘들의 가중치를 TF-IDF를 이용하여 계산한다. 이러한 결과를 이용하여 제안 시스템은 영화의 감정 분류를 결정하고, 랭킹하여 사용자에게 보여주게 된다. 사용자들은 영화평을 읽지 않고도, 감정 어휘로 구성된 질의어를 입력하여 원하는 영화를 찾을 수 있게 된다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2007년도 학술대회 1부
• /
• pp.938-942
• /
• 2007

신문 기사 및 상품 평은 특정 주제나 상품을 대상으로 하여 글쓴이의 감정과 의견이 잘 나타나 있는 대표적인 문서이다. 최근 여론 조사 및 상품 의견 조사 등 다양한 측면에서 대용량의 문서의 의미적 분류 및 분석이 요구되고 있다. 본 논문에서는 문서에 나타난 내용을 기준으로 문서가 나타내고 있는 감정을 긍정과 부정의 두 가지 범주로 분류하는 시스템을 구현한다. 문서 분류의 시작은 감정을 지닌 대표적인 종자 어휘(seed word)로부터 시작하며, 자질의 선정은 한국어 특징상 감정 및 감각을 표현하는 명사, 형용사, 부사, 동사를 대상으로 한다. 가중치 부여 방법은 한글 유의어 사전을 통해 종자 어휘의 의미를 확장하여 각각의 가중치를 책정한다. 단어 벡터로 표현된 입력 문서를 이진 분류기인 지지벡터 기계를 이용하여 문서에 나타난 감정을 판단하는 시스템을 구현하고 그 성능을 평가한다.

• 디자인학연구
• /
• 제17권2호
• /
• pp.199-208
• /
• 2004

인터넷이라는 가상의 공간에서 사람들은 공동체를 형성하며 서로 상호작용 한다. 이러한 사이버 공간에서 아바타(Avatar)의 존재는 자신을 표현하는 분신일 뿐만 아니라 가상공간에서 나를 표현하는 '또 하나의 나'로서 의미를 부여한다. 자신의 생각에 따라 표정 짓고 행동하는 아바타를 보며 사용자가 느끼는 현실감은 실로 크다고 할 수 있다. 따라서 아바타 기반 채팅 커뮤니케이션에서 문자 입력만으로 아바타의 표정이 애니메이션 될 수 있다면 사용자간의 커뮤니케이션에 더욱 효과적인 감정 전달이 가능할 것이다. 본 연구는 채팅시 사용자에 의해 입력되는 단어들에 의해 아바타가 스스로 반응하는 시스템을 위해 요구되는 감정 표현 어휘들을 분류 분석하였다. 분류 분석한 결과는 다음과 같다. 첫째, 한국어의 형용사와 자동사에서 추출한 감정 표현 어휘는 25개 그룹 209단어로 분류할 수 있었다. 둘째, 25개의 감정 표현 어휘 그룹 중 긍정적인 표현은 단 2개(좋다, 혹하다)이고 나머지 23개는 모두 부정적인 감정 표현 어휘들이다. 따라서 한국어에는 긍정적인 감정 표현 어휘보다는 부정적인 감정 표현 어휘가 더 발달되어 있다는 것을 알 수 있었다. 셋째, 분류된 25개의 감정 표현 어휘들을 수량화이론III류 분석하여 아바타의 표정을 제작한 결과 감정 표현 어휘들과 아바타 표정이 밀접한 관련성을 지니고 있어 사용자의 감정을 표현하는데 있어 유용하다는 것을 명확히 하였다. 하지만 국어 언어학적 구조 즉, 문맥 전체의 의미를 정량적 관계로 해석해 내지 못하는 등 실험의 한계성을 지니고 있다.

• 비교문화연구
• /
• 제53권
• /
• pp.131-161
• /
• 2018

감정표현은 마음 의식의 내적 정태를 나타내는 것으로, 그 종류에는 '감정표현어휘', '고백표현', '문 구성', '간투사 표현', '사역 수동 수수 표현', '조사' '호칭', '문체 선택' 등이 제시되고 있다. 본고는 이러한 감정표현 가운데서 감정을 묘사하는 어휘를 중심으로, "こころ"에 나타난 '포(怖)'의 감정표현의 번역 양상을 '품사' '주어처리' '의미 분류'로 나누어 분석했다. 그 결과 '포(怖)'에 관한 번역 양상을 보면, 사전에 제시된 지시적 표현 이외에, '포(怖)'의 의미가 아닌 다른 표현, 다른 품사로도 번역되었음을 알 수 있었다. 일본어 문에서 사용된 '포(怖)'의 감정 어휘에 대해, 한국어역은 일부 '명사', '관용구', '부사+동사'를 제외하고는 대체로 일본어와 유사한 품사로 번역되었다. '명사'인 경우는 용언으로 풀어 설명한 후 강조 어휘를 더해 번역했으며, '부사+동사'는 2개 이상의 어휘가 이용된 어구로 번역되기도 했다. 상황에 따라 번역 어휘는 'Fear류(類)' 뿐 아니라 'Surprise류(類)'와 'Sadness류(類)'의 어휘까지도 다양하게 사용되었다. 영어 역의 경우, 한국어 역에서 보였던 것과 다른 양상을 보였다. 주로 '동사⇨동사, be+동사의 과거분사', '형용사⇨형용사, 동사, be+동사의 과거분사' '명사⇨be+동사의 과거분사'로 번역되었으며, 'Surprise류(類)', 'Anger류(類)', 'Fear류(類)' 등의 감정을 표현하는 어휘 외에 감정 주체의 상태를 표현할 수 있는 어휘까지 이용되는 등 매우 다양했다. 일본어 문의 감정 주체의 유무에 따른 한국어 역은 대체로 일본어 문과 유사한 문 구조로 번역되었고, 감정 주체가 생략된 3인칭인 일부 예에서는 생략된 요소가 복원 가능하도록 유도한 번역이 보였다. 영어 역을 보면, 일본어 문의 감정 주체의 생략 유무와 관계없이 감정 주체와 판단 주체까지도 복원했으며, 서술자 중심의 주어를 내세워 그에 따른 서술어를 선정해 번역하기도 했다. 그러나 주어 자리에는 반드시 감정을 느끼는 사람만 사용된 것이 아니라 사건, 행위, 감정의 요인 등이 사용되기도 했으며, 화자가 화자의 감정을 직접적으로 서술하기 보다는 주변 상황과 장면을 설명하면서 그로 인해 일어나는 감정을 서술한 경우도 있었다.

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2002년도 춘계학술대회 논문집
• /
• pp.348-352
• /
• 2002

본 연구는 18개의 감정어휘와 25쌍의 감성어휘를 사용하여 부산71역 거주 남녀 970명을 대상으로 현대패션에 대한 감정과 감성을 평가하여 구성요인과 의미의 차원을 밝히고, 감정경험과 감성과의 관계를 의복디자인의 조형적 특성으로 분석한 것이다. 본 연구 결과는 구매행동과 구매욕구에 실질적으로 영향을 미치는 감정경험에 대한 실증적 자료로서 의의가 있으며 디자인 기획시 그 활용도를 기대해 볼 수 있을 것이다.

• 한국빅데이터학회지
• /
• 제5권1호
• /
• pp.197-208
• /
• 2020

어휘적 중의성이란 동음이의어, 다의어와 같이 단어를 2개 이상의 의미로 해석할 수 있는 경우를 의미하며, 감정을 나타내는 어휘에서도 어휘적 중의성을 띄는 경우가 다수 존재한다. 이러한 어휘들은 인간의 심리를 투영한다는 점에서 구체적이고, 풍부한 맥락을 전달하는 특징이 있다. 본 연구에서는 양방향 LSTM을 적용하여 중의성을 해소한 감정 분류 모델을 제안한다. 주변 문맥의 정보를 충분히 반영한다면, 어휘적 중의성 문제를 해결하고, 문장이 나타내려는 감정을 하나로 압축할 수 있다는 가정을 기반으로 한다. 양방향 LSTM은 문맥 정보를 필요로 하는 자연어 처리 연구 분야에서 자주 활용되는 알고리즘으로 본 연구에서도 문맥을 학습하기 위해 활용하고자 한다. GloVe 임베딩을 본 연구 모델의 임베딩 층으로 사용했으며, LSTM, RNN 알고리즘을 적용한 모델과 비교하여 본 연구 모델의 성능을 확인하였다. 이러한 프레임워크는 SNS 사용자들의 감정을 소비 욕구로 연결시킬 수 있는 마케팅 등 다양한 분야에 기여할 수 있을 것이다.