본 연구에서는 2018년 1월 1일부터 12월 31일까지의 “편의점” 관련 트윗을 Python 3.7을 이용하여 크롤링하고 자동분석과 수동분석을 통하여 감정 관련 텍스트를 분석하였다. 트위터의 주요 편의점 데이터를 이용하여 편의점별 긍부정 감정을 비교 분석하고 편의점의 전반적 감정에 영향을 미치는 하위 요소를 구분하였다. 특히 하위 요소 중 편의점 자체 브랜드(PB) 음식의 종류를 파악하고 긍부정 감정에 미치는 요인을 파악하는 것을 목적으로 하였다. 편의점 ‘GS25’와 ‘CU’의 전반적인 감정 비교 분석에서 긍정적인 감정에서만 차이가 있었으며, 구체적 감정 비교 분석에서는 상위 항목(음식, 상품, 서비스, 근접성, 가격프로모션)에 대하여 전체에서 가장 긍정적 비율이 높은 항목은 음식으로 나타났으며 ‘GS25’에 비하여 ‘CU’에서 상품의 긍정적 비율이 높은 것을 확인하였다. 편의점의 전반적 감정 ...
본 연구에서는 2018년 1월 1일부터 12월 31일까지의 “편의점” 관련 트윗을 Python 3.7을 이용하여 크롤링하고 자동분석과 수동분석을 통하여 감정 관련 텍스트를 분석하였다. 트위터의 주요 편의점 데이터를 이용하여 편의점별 긍부정 감정을 비교 분석하고 편의점의 전반적 감정에 영향을 미치는 하위 요소를 구분하였다. 특히 하위 요소 중 편의점 자체 브랜드(PB) 음식의 종류를 파악하고 긍부정 감정에 미치는 요인을 파악하는 것을 목적으로 하였다. 편의점 ‘GS25’와 ‘CU’의 전반적인 감정 비교 분석에서 긍정적인 감정에서만 차이가 있었으며, 구체적 감정 비교 분석에서는 상위 항목(음식, 상품, 서비스, 근접성, 가격프로모션)에 대하여 전체에서 가장 긍정적 비율이 높은 항목은 음식으로 나타났으며 ‘GS25’에 비하여 ‘CU’에서 상품의 긍정적 비율이 높은 것을 확인하였다. 편의점의 전반적 감정 모델링 결과 트위터에 음식과 가격프로모션에 대하여 언급할수록 긍정적이며, 상품, 서비스, 근접성에 대하여 언급할수록 부정적인 감정이 나타났다. 또한, ‘GS25’이면서 음식에 대하여 언급할수록 긍정적이며 ‘CU’이면서 상품 또는 가격프로모션을 언급할수록 긍정적으로 나타났다.
본 연구에서는 2018년 1월 1일부터 12월 31일까지의 “편의점” 관련 트윗을 Python 3.7을 이용하여 크롤링하고 자동분석과 수동분석을 통하여 감정 관련 텍스트를 분석하였다. 트위터의 주요 편의점 데이터를 이용하여 편의점별 긍부정 감정을 비교 분석하고 편의점의 전반적 감정에 영향을 미치는 하위 요소를 구분하였다. 특히 하위 요소 중 편의점 자체 브랜드(PB) 음식의 종류를 파악하고 긍부정 감정에 미치는 요인을 파악하는 것을 목적으로 하였다. 편의점 ‘GS25’와 ‘CU’의 전반적인 감정 비교 분석에서 긍정적인 감정에서만 차이가 있었으며, 구체적 감정 비교 분석에서는 상위 항목(음식, 상품, 서비스, 근접성, 가격프로모션)에 대하여 전체에서 가장 긍정적 비율이 높은 항목은 음식으로 나타났으며 ‘GS25’에 비하여 ‘CU’에서 상품의 긍정적 비율이 높은 것을 확인하였다. 편의점의 전반적 감정 모델링 결과 트위터에 음식과 가격프로모션에 대하여 언급할수록 긍정적이며, 상품, 서비스, 근접성에 대하여 언급할수록 부정적인 감정이 나타났다. 또한, ‘GS25’이면서 음식에 대하여 언급할수록 긍정적이며 ‘CU’이면서 상품 또는 가격프로모션을 언급할수록 긍정적으로 나타났다.
In this study, tweets related to “convenience stores” from 1 January to 31 December, 2018 were crawled using Python 3.7 and the association in text related to emotions was identified through textmining. The purpose of this study was to compare positive-negative emotion between major convenience stor...
In this study, tweets related to “convenience stores” from 1 January to 31 December, 2018 were crawled using Python 3.7 and the association in text related to emotions was identified through textmining. The purpose of this study was to compare positive-negative emotion between major convenience stores identify sub-components of PB in food category and analyze variables that affect positive and negative emotions. There was only a difference in positive emotions in the overall comparison analysis of convenience stores 'GS25' and 'CU' and a specific comparison analysis showed that the most positive components in the whole were food (food, goods, service, proximity, price promotion) and the positive proportion of goods in 'CU' compared to 'GS25'. As a result of overall emotional modeling of convenience stores, the more positive it was to mention food and price promotions on Twitter, and the more negative comments they have about products, services, and proximity. Also, 'GS25' is more positive about referring to food, and 'CU' is more positive when referring to product or price promotion.
In this study, tweets related to “convenience stores” from 1 January to 31 December, 2018 were crawled using Python 3.7 and the association in text related to emotions was identified through textmining. The purpose of this study was to compare positive-negative emotion between major convenience stores identify sub-components of PB in food category and analyze variables that affect positive and negative emotions. There was only a difference in positive emotions in the overall comparison analysis of convenience stores 'GS25' and 'CU' and a specific comparison analysis showed that the most positive components in the whole were food (food, goods, service, proximity, price promotion) and the positive proportion of goods in 'CU' compared to 'GS25'. As a result of overall emotional modeling of convenience stores, the more positive it was to mention food and price promotions on Twitter, and the more negative comments they have about products, services, and proximity. Also, 'GS25' is more positive about referring to food, and 'CU' is more positive when referring to product or price promotion.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.