최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기정보처리학회논문지. The KIPS transactions. Part B. Part B, v.18B no.5, 2011년, pp.325 - 332
조상현 (가톨릭대학교 컴퓨터공학과) , 강행봉 (가톨릭대학교 디지털미디어학부)
Social Network Services(SNS) such as Twitter, Facebook and Myspace have gained popularity worldwide. Especially, sentiment analysis of SNS users' sentence is very important since it is very useful in the opinion mining. In this paper, we propose a new sentiment classification method of sentences whi...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
바이럴 마케팅의 뜻은 무엇인가? | SNS는 기존의 인맥을 강화하고 새로운 인맥을 형성하여 폭넓은 인적 네트워크를 형성할 수 있도록 해주는 서비스로서 많은 사람들은 이러한 서비스를 통해 서로에게 댓글을 달아주는 형태로 막대한 양의 텍스트 정보를 생성하고 있다. 최근에는 바이럴 마케팅(viral marketing), 즉 입소문을 통한 마케팅 방법이 많이 이용되고 있어, 이러한 SNS에서 생성된 텍스트를 이용하여 의미 있는 정보를 추출하기 위한 다양한 분석이 시도되고 있다. 특히 문장에 포함되어 있는 감정은 활용 범위가 매우 넓은 정보로서 문장의 감정을 분류하는 일은 최근 많은 주목을 받고 있다. | |
SNS란 무엇인가? | 최근 스마트폰의 대중적인 보급으로 페이스북과 같은 소셜 네트워크 서비스(Social Network Service, SNS)가 활성화되고 있다. SNS는 기존의 인맥을 강화하고 새로운 인맥을 형성하여 폭넓은 인적 네트워크를 형성할 수 있도록 해주는 서비스로서 많은 사람들은 이러한 서비스를 통해 서로에게 댓글을 달아주는 형태로 막대한 양의 텍스트 정보를 생성하고 있다. 최근에는 바이럴 마케팅(viral marketing), 즉 입소문을 통한 마케팅 방법이 많이 이용되고 있어, 이러한 SNS에서 생성된 텍스트를 이용하여 의미 있는 정보를 추출하기 위한 다양한 분석이 시도되고 있다. | |
문서 특징의 추출 방법은 무엇을 이용해 추출하는가? | 문서 특징의 추출은 문서 분류를 위한 중요한 문제로서 다양한 연구가 진행되었다. 문서의 특징 추출 방법은 학습 데이터로부터 형태소 분석기를 이용해 해당 내용어(content word)를 추출하고 추출된 단어에 대한 가중치를 계산하는 것이 일반적이다. 따라서 감정 분류시스템에서 감정을 분류 하기 위한 감정 특징을 추출하기 위해 영어권 선행 연구에서는 WordNet과 같은 어휘 의미망을 이용한 감정 분류에 적합한 특징을 추출하는 연구가 수행되었으며[5-6] 영어권 어휘 자원을 이용해 감정 특징의 가중치를 정하는 연구도 진행되었다[7]. |
B. Pang, L. Lee and S. Vaithyanathan, "Thumbs up? Sentiment Classification Using Machine Learning Techniques," In Proceedings of the EMNLP, pp.79-86, 2002.
J. Yi, T. Nasukawa, R. Bunescu, and W. Niblack, "Sentimental Analyzer : Extracting Sentiments about a Given Topic using Natural Language Processing Techniques," In Proceedings of International Conferenceon Data Mining, pp.427-434, 2003.
N. Hiroshima, S. Yamada, O. Furuse and R. Kataoka, "Searching for Sentences Expressing Opinions by Using Declaratively Subjective Clues," In Proceedings of the Workshop on Sentiment and Subjectivity in Text, pp.39-46, 2006.
P .D. Turney and M.L. Littman, "Measuring Praise and Criticism: Inference of Semantic Orientation from Association," In Proceedings of the ACM Transactions on Information Systems, pp.315-346, 2003.
S.M. Kim and E. Hovy, "Determining the Sentiment of Opinions," In Proceedings of the COLING conference, pp.1367-1373, 2004.
A. Esuli and F. Sebastiani, "Determining the Semantic Orientation of Terms through Gloss Classification," In Proceedings of the CIKM, pp.617-624, 2005.
A. Esuli and F. Sebastiani, "PageRanking WordNet Synsets: An Application to Opinoin Mining," In Proceedings of the ACL, pp.424-431, 2007.
김묘실, 강승식. "SVM을 이용한 악성 댓글 판별 시스템의 설계 및 구현", 한글 및 한국어 정보처리 학술대회, pp.285-289, 2006.
정유철, 최윤정, 맹성현, "감정 기반 블로그 문서 분류를 위한 부정어 처리 및 단어 가중치 적용 기법의 효과에 관한 연구", 인지과학, 19(4): pp.477-497, 2008.
M. Murata, Q. Ma, K. Uchimoto, H. Ozaku, H. Isahara, and M. Utiyama, "Japanese Information Retrieval Using Location and Category Information," Journal of the Association for Natural Language Processing, Vol.7, No.2, pp.81-88, 2000.
Y. Ko, J. Park, and J, Seo, "Automatic Text Categorization using the Importance of Sentences," In Proceedings of the 19th International Conference on COLING, pp.474-480, 2002.
Joachims, T. "Text Categorization with Support Vector Machines: Learning with Many Relevant Features". Machine Learning ECML98, Tenth European Conference on Machine Learning, pp.137-142, 1998.
http://nlp.kookmin.ac.kr/HAM/kor/download.html
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.