선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 단위 시간 동안 주로 작용하는 정서를, 지배적 정서(dominant emotion)'라고 정의하고, 문학작품의 지배적 정서 흐름을 자동적으로 추출하기 위한 방법론을 제시한다. 만약 문학 작품에서 지배적 정서 흐름을 자동적으로 분석할 수 있다면, 유사한 정서적 흐름을 가진 문학 작품별 분류를 통해 효과적인 검색과 추천 시스템을 구현하는 것이 가능하다.
- 본 논문에서는 형태소 분석기와 정서 단어 데이터베이스를 통해 정서 단어를 추출하고 정서 모델과의 사상을 통해 정서를 분석한다.
가설 설정
- 따라서 본 논문에서는 문학 작품에서 정서 단어를 추출하여 단어가 가지고 있는 정서를 시간의 흐름에 따라 나열하면 지배적 정서 흐름을 알 수 있다고 가정한다. 이에 따라 정서 단어 추출 방법과 지배적 정서 흐름 분석 방법을 제시하고 실제 적용을 통해 결과를 분석한다.
제안 방법
- 분리된 단어들을 정서 모델에 사상하여 해당 단어가 갖고 있는 정서를 도출한다. 도출된 정서 단어들을 통해 지배적 정서를 분석한다.
- 첫째, 심리학의 정서 연구 결과인 정서의 차원 모델을 사용하여 쾌-불쾌, 활성화 차원으로 정서 단어를 분석하고 이를 텍스트 분석 방법으로 알고리즘화했다. 둘째, 단위 시간 동안 주로 작용하는 정서인 지배적 정서 개념을 제안하여 문학 작품에 응용하여 분석하였다. 그 결과 문학 작품의 전반에 걸친 지배적 정서를 알 수 있었고 정서 변화와 흐름을 알 수 있었다.
- 정서 단어를 추출하기 위하여 형태소 분석기를 이용하여 형태소를 추출하고 정서 단어 데이터베이스를 이용하여 정서 단어를 추출하였다. 또한 감정원형모형에 정서 단어를 사상하여 텍스트의 정서의 변화를 분석하였다.
- 또한 구체적인 정서의 변화보다는 지배적 정서를 추출하기 위해 16개로 구성된 Russell의 핵심 정서 대신 정서원형모형에 표현된 Ekman의 6가지 기본 정서를 이용하여 지배적 정서 흐름을 나타낸다.
- 나타낸다. 먼저 문학 작품에서 텍스트를 입력하고 형태소 분석기를 이용하여 형태소를 분석하여 단어를 추출한다. 추출한 단어를 정서 단어 데이터베이스와 매칭하여 정서 단어를 다시 추출하고, 추출된 정서 단어의 쾌-불쾌와 활성화 값을 정서원형모형에 사상한다.
- 다음과 같다. 먼저 문학 작품의 전체 텍스트에서 형태소를 분석하여 형태소 단위의 단어를 추출한다. 추출된 단어를 정서 단어 데이터베이스와 매칭하여 정서적 의미를 담고 있는 단어를 분리해 낸다.
- 본 연구에서는 문학 작품의 지배적 정서를 분석하기 위해 텍스트에서 정서 단어를 추출하여 감정 원형모형에 사상하였다. 정서 단어를 추출하기 위하여 형태소 분석기를 이용하여 형태소를 추출하고 정서 단어 데이터베이스를 이용하여 정서 단어를 추출하였다.
- 추출된 단어를 정서 단어 데이터베이스와 매칭하여 정서적 의미를 담고 있는 단어를 분리해 낸다. 분리된 단어들을 정서 모델에 사상하여 해당 단어가 갖고 있는 정서를 도출한다. 도출된 정서 단어들을 통해 지배적 정서를 분석한다.
- 사상된 정서 단어와 정서원형모델 상의 기본 정서 단어를 매칭한다. 사상된 모든 정서 단어와 매칭된 모든 기본정서를 통해 지배적 정서를 분석한다. 이러한 과정을 윤오영의 수필 '방망이 깎던 노인'의 한 대목을 통해 살펴보면 그림 2와 깉-다.
- 추출하였다. 이를 정서 단어 데이터베이스와 매칭하여 텍스트의 정서 단어들을 추출하였다. 형태소 분석은 강승식(2002)의 형태소 분석 라이브러리(KLT 버전 2.
- 이에 따라 정서 단어 추출 방법과 지배적 정서 흐름 분석 방법을 제시하고 실제 적용을 통해 결과를 분석한다.
- 사상하였다. 정서 단어를 추출하기 위하여 형태소 분석기를 이용하여 형태소를 추출하고 정서 단어 데이터베이스를 이용하여 정서 단어를 추출하였다. 또한 감정원형모형에 정서 단어를 사상하여 텍스트의 정서의 변화를 분석하였다.
- 첫째, 심리학의 정서 연구 결과인 정서의 차원 모델을 사용하여 쾌-불쾌, 활성화 차원으로 정서 단어를 분석하고 이를 텍스트 분석 방법으로 알고리즘화했다. 둘째, 단위 시간 동안 주로 작용하는 정서인 지배적 정서 개념을 제안하여 문학 작품에 응용하여 분석하였다.
- 텍스트의 단어와 정서 단어 데이터베이스의 매칭을 위해서 텍스트의 형태소를 분석하여 체언과 용언의 기본형을 추출하였다. 이를 정서 단어 데이터베이스와 매칭하여 텍스트의 정서 단어들을 추출하였다.
- 또 다른 연구에서는 단어의 의미를 분석하여 긍정, 부정 자질 등 단어의 정서가(극성)를 추출하여 지지벡터 기계 (SVM: Support Vector Machine)를 사용하여 텍스트 문서를 분류하였다(황재원과 고영중, 2008). 한국어에는 의미 정보를 제공하는 시소러스가 없기 때문에 한국어 단어를 영어 사전을 사용하여 변환한 후영어 시소러스를 사용하여 정서가를 추출하는 방법을 사용하였다. 이 연구는 한국어 시소러스가 없기 때문에 영어 시소러스를 사용하여 정서가를 추출한 것에 의미가 있다.
대상 데이터
- 본 연구에서는 실제로 문학 작품의 지배적 정서를 분석하기 위해 현진건의 단편 소설, 운수 좋은 날, 과 윤오영의 수필 '방망이 깎던 노인, 을 분석 대상으로 선택 했다. 이 두 작품을 선택한 이유는 다음 세 가지이다.
- 2001). 이 연구에서는 단어뿐만 아니라 이모티콘과 같이, 단어는 아니지만 정서를 표현하는 데이터를 사용하였다. 그러나 정의된 10가지의 정서 상태가 심리학적 근거가 없이 연구자가 임의에 의해 설정되었고 10가지 정서 상태에 해당하는 단어나 이모티콘도 연구자 임의에 의해 분류되었다는 한계가 있다.
- 분석하였다. 이 연구에서는 연세대학교 언어정보개발연구원의 '현대 한국어 어휘 빈도 자료집(서상규, 1998)을 기초로 하여 최근 10년 동안에 출판된 신문, 잡지, 소설 및 수필, 취미 및 교양, 수기 및 전기, 국어 교과서, 희곡 및 시나리오 등을 대상으로 최종적으로 434개의 정서 단어 목록을 작성하였다.
- 하지만 본 연구에서는 문학작품을 대상으로 정서 단어를 분석하므로 데이터로 사용하기 적합하다. 이 연구의 정서 단어 목록은 총 434개로, 이것으로부터 정서 단어 데이터베이스를 구축하였다.
이론/모형
- Russell과 Barrett(1999)의 정서원형모형(Circumplex Model of Affect)에서 는 감정의 '쾌-불쾌', , 활성화' 차원만 다루고 있으므로 본 연구에서는 박인조와 민경환(2005)의 연구의 정서 단어 목록에서, 원형성'과 '친숙성, 차원은 배제하였고 '쾌-불쾌, 와 '활성화' 차원만 사용하였다(표 1).
- 본 연구에서는 문학 작품의 정서 흐름을 다차원 공간상에 나타내기 위해 Russell의 정서원형모형을 사용한다. 또한 구체적인 정서의 변화보다는 지배적 정서를 추출하기 위해 16개로 구성된 Russell의 핵심 정서 대신 정서원형모형에 표현된 Ekman의 6가지 기본 정서를 이용하여 지배적 정서 흐름을 나타낸다.
- 이를 정서 단어 데이터베이스와 매칭하여 텍스트의 정서 단어들을 추출하였다. 형태소 분석은 강승식(2002)의 형태소 분석 라이브러리(KLT 버전 2.10b)를 사용하였다. KLT는 한국어형태소 분석, 자동색인(색인어 추출), 한글 맞춤법 검사/교정, 복합명사 분해, 한글 자동 띄어쓰기 등의 기능을 제공하며 32비트용 윈도우 및 리눅스에서 동작하며 분석 정확도가 높고 속도가 빠른 장점이 있다.
성능/효과
- 가로 축이 쾌-불쾌 축이고 세로 축은 매칭 된 감정 단어의 순서 이다. (가), 운수 좋은 날' 은 전체 18개 기본 정서 중에 7개가 불쾌고 11개가 쾌로 써 전체적으로 불쾌 정서보다 쾌 정서가 지배적이었다. 또한 쾌에서 불쾌로, 불쾌에서 쾌로 변환되는 영 교차가 8번 발생했다.
- 둘째, 단위 시간 동안 주로 작용하는 정서인 지배적 정서 개념을 제안하여 문학 작품에 응용하여 분석하였다. 그 결과 문학 작품의 전반에 걸친 지배적 정서를 알 수 있었고 정서 변화와 흐름을 알 수 있었다. 본 논문에서 사용된 정서 단어 데이터베이스의 기초가 되는 박인조와 민경환(2005)의 연구에서는, 웃다', '울다'와 같이 표정과 관련된 단어는 빠져 있다.
- 그 결과, 운수 좋은 날과 방방이 깎던 노인은 모두 불쾌의 정서가 지배적이라 즐겁게 가벼운 느낌으로 볼 수 있지 않고 다소 무거운 내용을 갖는다 또한 운수 좋은 날의 경우 전체적으로 활성화된 감정을 갖고, 방망이 깎던 노인은 낮은 활성화로 시작해 높은 활성화를 거쳐 다시 낮은 활성화로 끝나는 정서적 구조를 갖는다. 따라서 운수 좋은 날은 전반적으로 정서적 긴장감이 팽팽하게 유지되는 구조를 갖는다.
- 둘째로, 길이가 짧아 문학 작품 전체를 분석하는데 무리가 없다. 셋째로, 내용이 짧은데도 불구하고 전개에 따른 정서적인 변화가 뚜렷하여 명확한 결과를 얻을 수 있다.
- 제안한 분석 방법론을 현대 소설인, 운수 좋은 날, 과 수필인 '방망이 깎던 노인, 에 적용한 결과 쾌-불쾌 활성화에 대한 지배적 정서 흐름과 변화 정도를 알 수 있었다. 다만, 방망이 깎던 노인, 의 경우 정서적인 '좋다'와 정서적이지 않은, 좋다, 가 구별되지 않아 지배적 정서의 쾌-불쾌 값과 세부 정서의 구체적인 변화 부분에 있어서 다소 잘못된 분석 결과를 보여줬다.
후속연구
- 그럼에도 불구하고 표정과 관련된 단어는 정서적으로 민감하고 강한 정서성을 띄며, 문학작품에서 자주 사용된다. 따라서 정서 단어 데이터베이스에 표정과 관련된 정서 단어를 추가한다면 지배적 정서를 보다 명확하게 추출할 수 있을 것이다.
- 또한 본 논문에서는 두 편의 문학 작품만을 분석했는데, 더 많은 문학 작품들에 본 연구의 방법론을 적용한다면 문학 작품들을 유사한 지배적 정서 흐름별로 분류하는 것이 가능 할 것이다. 이러한 분류법은 제목, 장르, 작가 등의 기존의 검색 카테고리 외에 새로운 검색 카테고리로 적용될 수 있을 것이며, 검색과 추천 시스템에 적용하여 보다 효과적인 시스템을 구현할 수 있을 것으로 기대된다.
- 본 논문의 방법론은 문학작품 외에 블로그, SNS, 신문기사 등의 텍스트로 확장시켜 지배적 정서를 분석하는데 사용될 수 있다. 이를 위해선 문어체에 한정된 데이터베이스를 구어체, 축약어, 통신체, 이모티콘과 같은 곳에서 사용되는 정서 단어를 포함하도록 확장해야 한다.
- 분류하는 것이 가능 할 것이다. 이러한 분류법은 제목, 장르, 작가 등의 기존의 검색 카테고리 외에 새로운 검색 카테고리로 적용될 수 있을 것이며, 검색과 추천 시스템에 적용하여 보다 효과적인 시스템을 구현할 수 있을 것으로 기대된다.
- 단점이 있다. 하지만 본 연구에서는 문학작품을 대상으로 정서 단어를 분석하므로 데이터로 사용하기 적합하다. 이 연구의 정서 단어 목록은 총 434개로, 이것으로부터 정서 단어 데이터베이스를 구축하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.