• 융합정보논문지
• /
• 제10권10호
• /
• pp.318-324
• /
• 2020

본 연구는 정상 및 불안 집단 대학생을 대상으로 하나 또는 그 이상의 부정적 어휘를 포함하는 서술어의 의미추론 과정에서 정서유형 및 부정어휘 출현의 정도가 과제처리 속도에 미치는 영향을 알아보고자 수행되었다. 정서 3유형, 자극 2유형 그리고 부정어휘 횟수 3유형을 피험자 내 변인으로, 벡(Beck) 불안척도로 구분된 불안수준을 피험자 간 변인으로 혼합반복측정 설계를 적용하여 피험자 반응시간에 대해 분석한 결과, 정서유형과 자극의 종류 그리고 부정어휘 횟수에 대한 주효과를 확인하였으며, 불안수준 x 부정어 횟수에서 상호작용이 발견되었다. 긍정적 정서에 비해 부정적 정서에서, 비언어 자극보다는 언어 자극 환경에서 과제처리에 더 효율적이었지만, 부정어휘 변인에서는 그 횟수의 증가가 정상집단의 신속한 반응과 불안집단의 지연된 반응으로 분기되면서 부정어휘처리 반응시간의 지체로 나타났다. 또한 유입 정서유형 및 자극의 종류와 상관없이 불안수준은 과제처리 속도를 지연시키는 요인으로 확인되었다. 아울러 추후 연구를 위한 함의와 한계를 논의하였다.

• 한국화예디자인학연구
• /
• 제41호
• /
• pp.3-12
• /
• 2019

본 연구는 숲놀이 활동이 유아의 감정어휘 변화에 미치는 영향을 알아보고자 실시하였다. G시에 소재한 환경연수에 방문한 만 4~5세 유아 498명을 대상으로 1시간 동안 숲놀이 활동을 하였다. 그 결과 긍정어휘는 숲놀이 전 0.95±0.78개서 숲놀이 후 1.15±1.21개로 유의하게 향상되었고(p=.003), 부정어휘는 1.27±1.58개에서 0.41±1.10개로 유의하게 감소하였다(p=.000). 남자유아의 긍정어휘는 숲놀이 전 0.96±0.82개서 숲놀이후 1.36±1.24로 유의하게 증가하였고(p=.000), 부정어휘는 숲놀이 전1.42±1.74개서 숲놀이 후0.55±1.30개로 유의하게 감소하였다(p=.000). 여자유아의 긍정어휘는 1.12±1.37개에서 0.26±0.26개로 유의하게 감소하였으나(p=.000), 긍정어휘 증가는 유의성이 나타나지 않았다(p=.851). 만4세 유아의 긍정어휘는 숲놀이 전 후에 유의한 차이가 없었고(p=.471), 부정어휘는 숲놀이 전 1.04±1.42개서 숲놀이 후 0.41±1.16개로 유의하게 감소하였다(p=.000). 만 5세 유아의 긍정어휘는 숲놀이 전 0.96±0.85개서 숲놀이 후 1.23±1.21개로 유의하게 증가하였고(p=.001), 부정어휘의 경우 1.41±1.65개에서 0.41±1.16개로 유의하게 감소하였다(p=.000). 본 연구의 결과 숲속에서 다양한 자연물을 이용한 놀이 활동은 자연과 직접적인 접촉으로 정서적인 해방감, 긴장감 완화, 스트레스 감소에 도움을 주어 부정어휘 감소에 영향을 미쳤을 것으로 판단된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 추계학술발표대회
• /
• pp.1333-1336
• /
• 2015

감성분석은 최근 오피니언 마이닝에서 주목받고 있는 분야로써, 특정 주제, 상품, 유명인사 등에 대한 사람들의 반응을 긍정 또는 부정으로 구분하거나 점수를 이용하여 긍정 또는 부정의 강도를 분석하는데 이용되고 있다. PMI(pointwise mutual information)와 SO-PMI(semantic orientation from pointwise mutual information)는 비교적 빠르고 간편하게 극성을 판단할 수 있다는 장점이 있지만, 어휘와 기준 어휘 사이의 극성 값이 넓은 범위를 갖는다는 단점이 있다. 본 논문에서는 일상적인 언어 사용 환경에서 나타나는 어휘로부터 감성을 분석하고자 하였다. 특히 어휘의 극성 값 편차로 인해 나타날 수 있는 어려움을 보완하기 위해 NPMI(normalized pointwise mutual information)를 이용하여 어휘의 감성을 분석하였다. PMI와 NPMI를 비교 분석한 결과 어휘의 감성 강도를 나타내는 데 있어서 밀집도에서 큰 차이를 보였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2018년도 제30회 한글 및 한국어 정보처리 학술대회
• /
• pp.69-74
• /
• 2018

최근 빅 데이터와 인공지능의 발달과 함께 감성 분석에 대한 연구가 활발해지고 있다. 더불어 감성 분석을 위한 긍/부정 어휘가 풍부한 텍스트 문서들에 대한 수집의 필요성도 높아지고 있다. 본 논문은 긍/부정어휘가 풍부한 텍스트 문서들을 수집하는 기존의 수집 방법에 대한 문제점에 대하여 해결방안을 제시한다. 기존의 수집 방법으로 일단 모든 URL들을 저장하고 필터링 과정을 거쳐 긍/부정 어휘가 풍부한 텍스트 문서들을 수집하고자 한다면 불필요한 텍스트 문서 저장과 필터링 과정에서 메모리와 시간을 낭비하게 된다. 기존의 수집 방법에 블룸 필터라는 자료구조를 적용시켜 메모리와 시간을 낭비하게 되는 문제점을 해결하고자 한다.

• 인지과학
• /
• 제27권3호
• /
• pp.469-499
• /
• 2016

본 논문에서는 한국어의 통사적 부정문(예를 들면, 침대는/시계는 가구에 속한다/속하지 않는다)과 어휘적 부정문(예를 들면, 호랑이는/나비는 꼬리가 있다/없다)을 이용하여 부정어 처리의 인지신경기제를 확인하고 부정문 처리의 언어 보편적/특수적 기제를 밝히기 위한 진리치 판단과제 및 ERP(Event-related potentials) 실험연구를 진행하였다. 총 23명의 피험자가 전체 실험에 참여하였고 이들 중 15명의 뇌파 반응 데이터를 ERP 분석을 위하여 사용하였다. 실험 결과, 진리치 판단과제에 있어서는 영어를 이용한 선행연구들과 동일하게 긍정-참 >긍정-거짓>부정-거짓>부정-참의 순서를 확인할 수 있었다(높은 정확도, 짧은 반응 시간 순서). 그러나 ERP 결과에서는 선행 연구와는 다른 몇 가지 점을 발견하였다. 우선 어휘적 부정문의 경우 이른 시간 구간(250-350ms)에서의 N400효과를 확인할 수 있었지만 긍정문과 부정문을 아우르는 진리치 요인의 주 효과는 나타나지 않았다. 그러나 통사적 부정문의 경우 부정-참에 비하여 부정 거짓문장에서 P600 효과를 발견하였다. 이러한 결과는 표층적으로 나타나는 부정의 형태 및 위치와 같은 언어 특수적 요인에 대한 처리 전략은 각 언어별, 부정 종류별로 달라질 수 있지만 부정 처리의 결과로 얻어지는 문장의 최종 표상 및 이에 대한 진리치 판단의 기제는 언어 및 부정어 종류의 영향을 받지 않는 보편적인 특성을 지닌다는 것을 보여준다.

• 한국어정보학회:학술대회논문집
• /
• 한국어정보학회 2016년도 제28회 한글및한국어정보처리학술대회
• /
• pp.189-194
• /
• 2016

본 연구는 다국어 감성사전 및 감성주석 코퍼스 구축 프로젝트인 MUSE 프로젝트의 일환으로 한국어 감성사전을 구축하기 위해 대표적인 영어 감성사전인 SentiWordNet을 이용하여 한국어 감성사전을 구축하는 방법의 의의와 한계점을 검토하는 것을 목적으로 한다. 우선 영어 SentiWordNet의 117,659개의 어휘중에서 긍정/부정 0.5 스코어 이상의 어휘를 추출하여 구글 번역기를 이용해 자동 번역하는 작업을 실시하였다. 그 중에서 번역이 되지 않거나, 중복되는 경우를 제거하고, 언어학 전문가들의 수작업으로 분류해낸 결과 3,665개의 감성어휘를 획득할 수 있었다. 그러나 이마저도 병명이나 순수 감성어휘로 보기 어려운 사례들이 상당수 포함되어 있어 실제 이를 코퍼스에 적용하여 감성어휘를 자동 판별했을 때에 맛집 코퍼스에서의 재현율(recall)이 긍정과 부정에서 각각 47.4%, 37.7%, IT 코퍼스에서 각각 55.2%, 32.4%에 불과하였다. 이와 더불어 F-measure의 경우, 맛집 코퍼스에서는 긍정과 부정의 값이 각각 62.3%, 38.5%였고, IT 코퍼스에서는 각각 65.5%, 44.6%의 낮은 수치를 보여주고 있어, SentiWordNet 기반의 감성사전은 감성사전으로서의 역할을 수행하기에 충분하지 않은 것으로 나타났다. 이를 통해 한국어 감성사전을 구축할 때에는 한국어의 언어적 속성을 고려한 체계적인 접근이 필요함을 역설하고, 현재 한국어 전자사전 DECO에 기반을 두어 보완 확장중인 SELEX 감성사전에 대해 소개한다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2016년도 제28회 한글 및 한국어 정보처리 학술대회
• /
• pp.189-194
• /
• 2016

본 연구는 다국어 감성사전 및 감성주석 코퍼스 구축 프로젝트인 MUSE 프로젝트의 일환으로 한국어 감성사전을 구축하기 위해 대표적인 영어 감성사전인 SentiWordNet을 이용하여 한국어 감성사전을 구축하는 방법의 의의와 한계점을 검토하는 것을 목적으로 한다. 우선 영어 SentiWordNet의 117,659개의 어휘중에서 긍정/부정 0.5 스코어 이상의 어휘를 추출하여 구글 번역기를 이용해 자동 번역하는 작업을 실시하였다. 그 중에서 번역이 되지 않거나, 중복되는 경우를 제거하고, 언어학 전문가들의 수작업으로 분류해 낸 결과 3,665개의 감성어휘를 획득할 수 있었다. 그러나 이마저도 병명이나 순수 감성어휘로 보기 어려운 사례들이 상당수 포함되어 있어 실제 이를 코퍼스에 적용하여 감성어휘를 자동 판별했을 때에 맛집 코퍼스에서의 재현율(recall)이 긍정과 부정에서 각각 47.4%, 37.7%, IT 코퍼스에서 각각 55.2%, 32.4%에 불과하였다. 이와 더불어 F-measure의 경우, 맛집 코퍼스에서는 긍정과 부정의 값이 각각 62.3%, 38.5%였고, IT 코퍼스에서는 각각 65.5%, 44.6%의 낮은 수치를 보여주고 있어, SentiWordNet 기반의 감성사전은 감성사전으로서의 역할을 수행하기에 충분하지 않은 것으로 나타났다. 이를 통해 한국어 감성사전을 구축할 때에는 한국어의 언어적 속성을 고려한 체계적인 접근이 필요함을 역설하고, 현재 한국어 전자사전 DECO에 기반을 두어 보완 확장중인 SELEX 감성사전에 대해 소개한다.

• 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.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2013년도 제25회 한글 및 한국어 정보처리 학술대회
• /
• pp.33-38
• /
• 2013

소셜미디어를 통한 여론분석과 브랜드 모니터링에 대한 요구가 증가하면서, 빅데이터로부터 감성을 분석하는 기술에 대한 필요가 늘고 있다. 이를 위해, 본 논문에서는 단순 긍/부정 감성이 아닌 20종류의 세분화된 감성을 분석하기 위한 감성어휘 구축 알고리즘을 제시한다. 감성어휘 구축을 위해서는 준지도학습을 사용하였으며, 도메인에 특화되지 않은 일반 감성어휘를 구축하도록 학습되었다. 학습된 감성어휘를 인물, 스마트기기, 정책 등 다양한 도메인의 트위터 데이터에 적용하여 세부감성을 분석한 결과, 알고리즘의 특성상 재현율이 낮다는 한계를 가지고 있었으나, 대부분의 감성에 대해 높은 정확도를 지닌 감성어휘를 구축할 수 있었고, 감성을 직간접적으로 나타내는 표현들을 학습할 수 있었다.

• 한국언어정보학회지:언어와정보
• /
• 제4권1호
• /
• pp.1.2-8
• /
• 2000

76) $\ldots$[YP $neg_i\;\ldots\;t_i-[f\ldots*(\gamma)\ldots$] (1)=문부정 이동; (2)‘비선택적 결속’(unselective binding) 77) a. 초점운용자(초점 의존적 불변화사)의 통사적 성격을 동일하나, 형태론적 성격은 다를 수 있다. i. 문부정 - 문부정에 의해 결속되는, 하나 이상의 초점 혹은 의문 초점이나, 하나의 양화사를 포함하는 초점범주 ii. even(초점 의존적 불변화사) - even에 의해 결속되는, 하나 이상의 초점을 포함하는 초점범주 iii. 대조 영운용자 - 초점인 대조표지와 합쳐진 초점범주 b. 초점운용자의 의미는 운용자의 어휘적, 범주적 성격에 의거한다.