[논문]감정요소를 이용한 SNS 메시지 분류기 구현에 대한 연구

김재영; 김명관

doi:10.7236/jiwit.2011.11.4.217

감정요소를 이용한 SNS 메시지 분류기 구현에 대한 연구
A Study on the Implementation of SNS Message Classification by Emotion Factors 원문보기

한국인터넷방송통신학회 논문지 = The journal of the Institute of Internet Broadcasting and Communication, v.11 no.4, 2011년, pp.217 - 222

김재영 (을지대학교 의료IT마케팅학과) , 김명관 (을지대학교 의료IT마케팅학과)

초록
AI-Helper

최근 SNS가 급격하게 성장하고 있고 많은 사용자들이 이 SNS를 하나의 다른 커뮤니케이션 매체로 사용하고 있다. SNS를 이용하는 개인 사용자들은 자신의 소식과 감정의 변화를 표현하는 수단으로 SNS를 이용하고 있다. 이에 본 연구에서는 감정을 나타내는 감정 요소를 이용하여 메시지를 분류하는 프로그램을 구현하였다. 감정 성분 추출은 OMLS(Ocean-Monmouth Legal Services)에 있는 감정 어휘를 이용하여 로젯(Roget)의 시소러스와 워드넷(WordNet)을 이용하여 이루어졌다.

Abstract ▼ AI-Helper

SNS is growing by leaps and bounds, and many users of SNS are using by a medium of communication. Using SNS users are using means of their own news and the change of emotional expression. In this study using emotional elements to the program was implemented to classify the message. Extraction of emotional elements were used for emotional vocabulary in OMLS (Ocean-Monmouth Legal Services). Emotional elements were extended by The Roget of the thesaurus and WordNet.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

THUNDER는 문서 구조를 이해하기 위한 시스템으로써 좋은 것과 악한 것, 옳은 것과 잘못된 것에 대한 판단을 지식을 기반으로 판단한다. 그리고 이야기 안에 유용한 것을 어떻게 평가되는지 보여준다. Oz 프로젝트는 Carnegie Mellon 대학의 감성추론에 대한 연구로 가상 인물 간 상호작용을 통하여 감성을 생성한다.
본 논문에서는 감정 성분을 해당 문서로부터 추출하여 감정 성분을 기반으로 한 SNS프로그램을 구현하여 보았다. OMLS의 감정 어휘를 기반으로 언어학자인 로젯의 시소러스와 프리스턴 대학의 워드넷을 사용하여 감정 시소러스를 구축 하였고, 많이 사용하고 있는 SNS중 하나인 Twitter를 이용하여 문서를 추출 하여 프로그램을 구성하여 보았다.
본 연구에서 Twitter의 메시지를 가져오기 위해 Timeline의 API중 비공개 설정을 하지 않은 유저의 메시지를 수집 할 수 있는 public_timeline을 사용하여 메시지를 가져왔다. public_timeline API를 취득하게 되면 tweet 중에서 최신 tweet 20건을 취득하며 API 실행이 성공한 경우 타임라인 정보의 형식으로 public_timeline의 내용이 반환된다.
본 연구의 첫 번째 목표는 감정표현 단어들에 대한 시소러스를 구축하는 것이다. 시소러스의 대표적인 결과물은 영국에서 나온 유의어, 반의어를 모아노은 로젯 (Roget)의 시소러스^[8]와 유의어, 반의어 상위어 하위어를 검색 할 수 있는 미국 프리스턴 대학의 워드넷(WordNet)^[7]을 들 수 있다.

제안 방법

OMLS(Ocean-Monmouth Legal Services)에서 나온 5가지 감정어휘(Vocabulary of Feelings)들을 토대로 로젯의 시소러스와 워드넷을 이용하여 유사어, 상위어, 하위어를 검색하여 OMLS의 감정단어 들을 확장하여 시소러스를 구성 하였다. 다음 표 2.
본 논문에서는 감정 성분을 해당 문서로부터 추출하여 감정 성분을 기반으로 한 SNS프로그램을 구현하여 보았다. OMLS의 감정 어휘를 기반으로 언어학자인 로젯의 시소러스와 프리스턴 대학의 워드넷을 사용하여 감정 시소러스를 구축 하였고, 많이 사용하고 있는 SNS중 하나인 Twitter를 이용하여 문서를 추출 하여 프로그램을 구성하여 보았다.
Twitter로부터 가져온 메시지로부터 하나의 단어를 추출 하여 Poter의 Stemming 알고리즘을 사용하여 어근을 뺀 표준형으로 바꾼다. 표준형으로 바꾼 단어와 만들어진 감정 시소러스와 비교 하여 성분 벡터를 추출한다.
감정에 따른 SNS(Twitter)검색 프로그램을 시험적으로 구현하였다. 본 프로그램은 SNS중 하나인 Twitter의 Open API를 이용하여 Twitter 메시지에서 문서를 추출하였다.
해당 벡터에 해당되지 않으면 normal문서로 분류한다. 구성된 감정벡터들을 비교하여 가장 큰 벡터를 가지는 감정 영역으로 추출된 문장을 감정에 따라 분류한다. 예를 들어 “I think it must be a lot of hooey just like the Fatima letter in 1960”란 메시지가 있다면 프로그램을 실행 했을 때 백터의 값은 <1,1,1,2,4>가 나오고 이중 가장 높은 벡터인 5번째 감정벡터가 이 메시지의 감정이 된다.
와 같이 6단계에 걸쳐 표준형으로 변형된다. 바꾼 표준형을 저장하고 위 감정 시소러스와 비교 감정 벡터를 구성한다. 벡터는 [happy, angry, scare, sad, confuse] 다섯 가지로 표현한다.
본 연구에서는 Twitter의 메시지를 추출하여 문서로 사용하였고, 추출된 문서를 감정 요소를 이용하여 분류하는 프로그램을 구현하여 보았다.
많은 단어 들이 의미 관계로 연결되어있고 이러한 관계는 단어의 타입에 종류에 따라 검색할 수 있다. 본 연구에서는 감정 단어들을 행복, 슬픔, 성난, 혼란스러운, 두려운(Happy, Sad, Angry, Confused, Scared)등 다섯가지 범주의 단어들로 구성 하였다.
BORIS는 유명한 인공지능 사례인 ‘이혼’에 관한 에피소드를 인식하는 심층인식(In depth understanding) 소프트웨어이다. 이 프로그램은 감정과 관련된 이야기를 분석하여 문맥을 이해한다. 감정을 위하여 6개의 스롯을 두어 변화를 처리한다.
OdEd는 신문의 사설을 이해하기 위한 시스템으로서 Shank의 CD(Conecptual Dependency)이론을 적용하여 구현하였다. 지식베이스를 가지고 일종의 목표 기반 추론을 수행하였다. 즉, 실망을 만나면 지금의 목표는 취소하고 정지되어 있는 목표들 중에 다른 것을 선택하게 된다.
본 프로그램은 SNS중 하나인 Twitter의 Open API를 이용하여 Twitter 메시지에서 문서를 추출하였다. 추출된 문서에서 하나의 단어를 추출하여 Poter의 Stemming 알고리즘을 사용하여 단어의 어근을 추출 복수형, 진행형 등을 표준형으로 바꾼다. Poter의 Stemming 알고리즘은^[9] 그림 2.
Twitter로부터 가져온 메시지로부터 하나의 단어를 추출 하여 Poter의 Stemming 알고리즘을 사용하여 어근을 뺀 표준형으로 바꾼다. 표준형으로 바꾼 단어와 만들어진 감정 시소러스와 비교 하여 성분 벡터를 추출한다. 추출한 벡터들을 비교하여 가장 큰값을 찾아 감정에 따라 분류한다.

대상 데이터

본 프로그램에서는 SNS(Social Network Service)중에서 Twitter의 Open API 사용하여 프로그램을 구성하였다. Twitter Open API를 사용하기 위해서는 인증 절차가 필요하며 인증에 통과한 사람만이 모든 API를 사용할 수 있다.
감정에 따른 SNS(Twitter)검색 프로그램을 시험적으로 구현하였다. 본 프로그램은 SNS중 하나인 Twitter의 Open API를 이용하여 Twitter 메시지에서 문서를 추출하였다. 추출된 문서에서 하나의 단어를 추출하여 Poter의 Stemming 알고리즘을 사용하여 단어의 어근을 추출 복수형, 진행형 등을 표준형으로 바꾼다.

이론/모형

이프로그램은 목표, 계획, 스크립트, 물리적 객체, 설정, 대인 관계, 사회적 역할, 감정적 반응 등이 상호작용하며 관리한다. OdEd는 신문의 사설을 이해하기 위한 시스템으로서 Shank의 CD(Conecptual Dependency)이론을 적용하여 구현하였다. 지식베이스를 가지고 일종의 목표 기반 추론을 수행하였다.
OAuth와의 가장 큰 차이점은 유저에 의한 브라우저 조작이 필요 없다는 것이다. 본 프로그램에서는 OAuth 인증 방식을 사용하여 프로그램을 구성 하였다. OAuth 인증 순서는 다음과 같다.
각각 가상인물은 서로 행위를 통하여 환경을 변화 시키고 적절한 감정 변수를 갖는다. 이 프로젝트는 OCC(Ortony, Collins, Clore)의 모델을 기반으로 하고 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	Social Network란 무엇인가?	Social Network 란 사람과 사람 사이의 연결망으로 둘만의 관계뿐만 아니라 여러 가능한 모든 관계를 일컫는 말이다. SNS(Social Network Service)라는 말은 인맥 서비스라고 할 수 있다.
	대표적인 SNS의 예를 들어 보시오.	이러한 SNS의 급성장의 배경에는 SNS기업들의 Open API를 제공함으로서 개발자들이 쉽게 프로그램을 개발 할 수 있도록 하였다. 대표적인 SNS로는 Twitter, Facebook, Cyworld, Me2day등등이 있다. 최근 급격하게 성장한 SNS통하여 많은 사용자들이 다른 하나의 커뮤니케이션 매체로 사용하고 있다.
	BORIS 프로그램은 어떻게 문맥을 이해하는가?	BORIS는 유명한 인공지능 사례인 ‘이혼’에 관한 에피소드를 인식하는 심층인식 (In depth understanding) 소프트웨어이다. 이 프로그램은 감정과 관련된 이야기를 분석하여 문맥을 이해한다. 감정을 위하여 6개의 스롯을 두어 변화를 처리한다.

참고문헌 (16)

Debra Aho Williamson, "Social Network Marketing : Ad Spending and Usage", eMarketer, 2007
K. Colby, "Artificial Paranoia: A computer simulation of paranoid process", Pergamon Press, 1975
Dyer M. G, "In depth understanding", MIT Press, 1983
Dyer M. G, "Emotions and their computations: Three computer models", Cognition & Emotion 1(3), pp.323-347, 1987

상세보기
Reeves J. F, "Computational morality : A process model of belief conflict and resolution for story understanding", Technical Report UCLA-AI-91-05, 1991
Myung-Gwan Kim, "Information Retrieval Agents Using Emotional Features", 정보처리학회지, 제10-B권, 제6호, pp.579-586, 2003
Miller G. A, "WordNet : An On-line Lexical Data Base", Hillsdale, 1993
Roget P. M, "Roget's Thesaurus", Gramercy Books, 1979
Porter M. F, "An algorithm for suffix stripping", Program 14(3), pp.130-137, 1980

상세보기
츠지무라 히로시, 이규흥역 "twitter API 개발자 레퍼런스", Youngjin, 2010
유훈식, "커뮤니케이션 유형에 따른 SNS의 인터랙션 특성에 따른 연구," 국민대학교 테크노디자인전문대학원 인터랙션디자인 전공, 2009
황재원, "감정 분류를 위한 한국어 감정 자질 추출기법과 감정 자질의 유용성 평가", 한국인지과학회, 제19권, 제4호, pp.299-517, 2008
M. Rimon, "Sentiment Classfication : Linguistic and Non-Linguistic Issues", Hebrew University
Hong Jiang, "EBDI: An Architecture for Emotional Agents", AAMAS, May.2007
서재철 외 5명, "인터넷이용자의 SNS이용실태조사", 방송통신위원회, 한국인터넷진흥원, 2009
황현수, "Social Network Service", SK Comunication, 2007

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증