[논문]온라인 브랜드 커뮤니티 내 부정적 감정들이 기업 혁신을 위한 고객 기여에 미치는 영향

정수연; 이한준; 서용무

doi:10.7472/jksii.2013.14.4.91

온라인 브랜드 커뮤니티 내 부정적 감정들이 기업 혁신을 위한 고객 기여에 미치는 영향
The Influence of Negative Emotions on Customer Contribution to Organizational Innovation in an Online Brand Community 원문보기

인터넷정보학회논문지 = Journal of Korean Society for Internet Information, v.14 no.4, 2013년, pp.91 - 100

정수연 (Business School, Korea University) , 이한준 (Business School, Korea University) , 서용무 (Business School, Korea University)

초록
AI-Helper

최근 많은 기업들이 도입하는 온라인 브랜드 커뮤니티는 기업 혁신에 도움이 될 고객의 의견을 수집하는 데 유용하게 활용되고 있다. 본 논문은 온라인 브랜드 커뮤니티에 게시되는 다양한 의견들 중 부정적 감정을 담고 있는 고객의견이 기업 혁신에 기여하는데 미치는 영향력을 분석하였다. 이를 위해 먼저 부정적 감정을 Fear, Anger, Shame, Sadness, Frustration의 총 다섯 가지 세분화된 감정으로 분류하고 WordNet과 SentiWordNet을 기반으로 부정적 감정에 대한 감정 어휘군을 구축하였다. 실험을 위해 본 연구에서는 스타벅스의 브랜드 커뮤니티인 MyStarbucksIdea.com에서 81,534건의 고객의견을 수집하였으며 부정적 감정 어휘군을 활용하여 각 고객의견 내 부정적 감정 정보를 추출하였다. 부정적 감정의 유무, 빈도, 강도의 세 가지 측면에 따른 기업 혁신에 대한 영향력을 분석한 결과, 부정적 감정이 담긴 고객의견이 기업 혁신에 유의미한 영향력을 미치는 것으로 나타났으며 부정적 감정 중, Frustration과 Sadness의 감정이 기업 혁신에 긍정적인 영향을 가지고 있음을 확인할 수 있었다.

Abstract ▼ AI-Helper

In recent years, online brand communities, whereby firms and customers interact freely, are emerging trend, because customers' opinions collected in these communities can help firms to achieve their innovation effectively. In this study, we examined whether customer opinions containing negative emotions have influence on their adoption for organizational innovation. To that end, we firstly classified negative emotions into five categories of detailed negative emotions such as Fear, Anger, Shame, Sadness, and Frustration. Then, we developed a lexicon for each category of negative emotions, using WordNet and SentiWordNet. From 81,543 customer opinions collected from MyStarbucksIdea.com which is Starbucks' brand community, we extracted terms that belong to each lexicon. We conducted an experiment to examine whether the existence, frequency and strength of terms with negative emotions in each category affect the adoption of customer opinions for organizational innovation. In the experiment, we statistically verified that there is a positive relationship between customer ideas containing negative emotions and their adoption for innovation. Especially, Frustration and Sadness out of the five emotions are significantly influential to organizational innovation.

주제어

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 연구에서는 이러한 브랜드 커뮤니티 상에서 부정적 감정이 담긴 고객 의견이 고객 주도의 기업 혁신을 위한 고객 기여¹⁾ 이후부터는 기업혁신을 위한 고객 기여는 단순히 고객기여로 표기에 유의미한 영향을 끼치는지에 대해 살펴보고자 한다. 부정적 감정은 긍정적 감정에 비해 기업에 미칠 수 있는 영향력이 상대적으로 크기 때문에 기존 문헌에서 보다 더 중요하게 다루어져 온 바 있다[10, 11].
본 연구에서는 MSI의 텍스트 데이터 분석을 통해, 부정적 감정이 포함된 고객의견이 브랜드 커뮤니티 내 미치는 영향력을 살펴보았다. 실험 결과를 통해 부정적 감정별로 고객 기여에 대한 영향력에 차이가 있었으며 그중 Frustration과 Sadness의 감정이 유무, 빈도, 강도 측면에서 모두 일관되게 유의미한 영향력을 가짐을 확인할 수 있었다.
인덱스는 단어의 의미 별 사용 빈도에 따른 순위를 나타내며 순위가 높을수록 자주 사용되는 경우를 뜻한다. 본 연구에서는 감정의 강도 계산시 인덱스 정보를 고려하여 보다 정확한 감정의 강도를 계산하였다. 예를 들어 "sad"라는 단어가 형용사로 쓰일 때, SentiWordNet에서는 (표 5)와 같이 "sad"의 세 가지 의미를 사용 빈도에 따라 분류하여 제시한다.
본 연구에서는 한 온라인 브랜드 커뮤니티에 게시된 고객의견 데이터 내 부정적 감정 단어를 추출하여 해당 고객의견과 고객 기여 간의 상관 관계를 분석하고자 한다. 이를 위해 (그림 1)과 같은 연구흐름도를 기반으로 연구를 진행하였다.
실험의 목표는 부정적 감정이 기업 혁신에 미친 영향력을 측정하는 것이다. 앞서 살펴본 절차에 따라 추출된 데이터의 기술통계는 (표 6)에서 보는 바와 같다.
앞에서 살펴 본 바와 같이 고객의 부정적 의견은 기업에 미치는 영향이 지대하므로, 본 연구에서는 감정분석 기법을 활용하여 MSI로부터 수집된 텍스트 데이터를 분석하여 얻은 브랜드 커뮤니티 내의 부정적 감정이 고객기여에 미치는 영향력의 여부에 대해 알아보고자 한다.
부정적 감정은 긍정적 감정에 비해 기업에 미칠 수 있는 영향력이 상대적으로 크기 때문에 기존 문헌에서 보다 더 중요하게 다루어져 온 바 있다[10, 11]. 이에 따라 본 연구에서는 부정적 감정을 5 가지로 세분화 하였고, 브랜드 커뮤니티로부터 추출한 텍스트 데이터 셋에 자동화된 기법을 활용하여 브랜드 커뮤니티 내 부정적 감정이 고객 기여에 미치는 영향력에 대해 분석하고자 한다.

제안 방법

NLProcessor, Text analysis toolkit. 2000에서 제공하는 품사 태깅(Part-ofSpeech Tagging) 기능을 이용하여 고객의견 내 단어들에 대한 품사 정보를 식별하였다. 본 연구에서는 부정적 감정 어휘군을 구축하고, 이를 기반으로 고객의견 별 부정적 감정 유무, 빈도 및 강도를 추출하였다.
MSI에 게시된 고객 의견을 수집하기 위하여 (그림 2)에서와 같이 비주얼 베이직 6.0 기반의 웹크롤러를 제작하여 크롤링을 수행하였다. 2012년 7월 2일부터 2주 간에 걸쳐 고객 의견 데이터를 수집하였다.
감정단어 확장에는 WordNet[31]을 이용하였다. WordNet에는 각 단어에 대한 유의어 관계, 반의어 관계 등 단어 간 연관관계 식별이 가능한 정보를 제공하고 있으며, 본 연구에서는 이 중 유의어 관계 정보를 활용하여 (표 4)와 같이 씨앗 단어를 확장하였다.
고객의견에 대한 부정적 감정 유무와 빈도, 강도 추출을 위해 우선 부정적 감정 어휘군을 구축하였다. 부정적 감정 어휘군은 (그림 3)과 같은 절차를 통해 구축되었다.
각 고객 의견 별 채택 여부는 MSI에 공개되어 있다. 그리고, 독립변수인 부정적 감정은 다섯 가지 각각의 부정적 감정과 부정적 감정 전체로 나누어 측정하였으며 모든 경우 유무, 빈도, 강도의 세 가지 측면에서 실험할 수 있도록 처리하였다. 고객 의견의 길이는 단어의 개수로 측정하였으며, 통제변수로 사용하였다.
다섯 가지 부정적 감정 분류 별 유무와 빈도, 강도에 따른 고객 기여에 대한 영향력 분석을 위하여 3개의 회귀분석 모델을 만들었다. 각각의 분석결과는 (표 7), (표 8), (표 9)와 같다.
개략적인 내용은 다음과 같다. 대상 브랜드 커뮤니티인 MSI로부터 고객의견 정보를 크롤링하여 데이터베이스화 하였다. NLProcessor(2000)²⁾.
이러한 과정을 거쳐 구축된 부정 감정 어휘군과의 텍스트 매칭을 통하여 고객 의견 각각에 대해 부정적 감정단어의 유무, 빈도, 강도를 측정하였다. 또한 다섯 가지 부정적 감정을 통합한 부정적 감정 전체에 대하여 동일한 방법으로 부정적 감정의 유무, 빈도, 강도를 측정하였다.
2000에서 제공하는 품사 태깅(Part-ofSpeech Tagging) 기능을 이용하여 고객의견 내 단어들에 대한 품사 정보를 식별하였다. 본 연구에서는 부정적 감정 어휘군을 구축하고, 이를 기반으로 고객의견 별 부정적 감정 유무, 빈도 및 강도를 추출하였다. 추출된 데이터를 통해 고객의견 내 부정적 감정과 고객 기여 간 상관관계를 분석하였다.
우선, 연구 방법론 측면에서의 기여이다. 본 연구에서는 웹크롤러를 통해 MSI의 고객 의견을 수집하였다. 전수에 가까운 방대한 데이터를 활용함으로써 연구 결과의 신뢰성을 높일 수 있었다.
다음으로, 이론적 측면에서의 기여이다. 온라인 브랜드 커뮤니티 도메인에서 아직까지 많은 연구가 진행되지 못한 감정의 영향력을 기업 혁신을 위한 고객 기여 측면에서 분석하였다. 또한 기존의 긍부정 위주 단순한 분류가 아니라 부정적 감정의 세부 분류를 통하여 세부 감정별 영향력에 대한 보다 깊은 이해를 제공할 수 있었다.
앞서 살펴본 절차에 따라 추출된 데이터의 기술통계는 (표 6)에서 보는 바와 같다. 우선 종속변수인 고객 기여는 기업이 내부 의사 결정 과정을 통해 해당 의견을 기업 혁신에 반영하기 위하여 채택하였는지 여부를 기준으로 측정하였다. 각 고객 의견 별 채택 여부는 MSI에 공개되어 있다.
이러한 과정을 거쳐 구축된 부정 감정 어휘군과의 텍스트 매칭을 통하여 고객 의견 각각에 대해 부정적 감정단어의 유무, 빈도, 강도를 측정하였다. 또한 다섯 가지 부정적 감정을 통합한 부정적 감정 전체에 대하여 동일한 방법으로 부정적 감정의 유무, 빈도, 강도를 측정하였다.
추가적으로, 세분화된 감정이 아닌 부정적 감정 전체의 영향력을 보기 위하여 부정적 감정의 유무, 빈도, 강도와 기업 혁신에 대한 세 개의 회귀분석 모형을 만들었다. (표 10), (표 11), (표 12)는 각각의 결과를 보여준다.
본 연구에서는 부정적 감정 어휘군을 구축하고, 이를 기반으로 고객의견 별 부정적 감정 유무, 빈도 및 강도를 추출하였다. 추출된 데이터를 통해 고객의견 내 부정적 감정과 고객 기여 간 상관관계를 분석하였다. 자세한 내용은 다음 절에서부터 순차적으로 상세하게 설명한다.

대상 데이터

0 기반의 웹크롤러를 제작하여 크롤링을 수행하였다. 2012년 7월 2일부터 2주 간에 걸쳐 고객 의견 데이터를 수집하였다.
이후, MSI는 현재까지 19만 명이 넘는 회원을 보유하게 되었으며 게시된 글들 또한 15만여 건에 육박하고 있다. 2012년 말까지 스타벅스는 이 수많은 고객의견 중 200개 이상의 의견을 실제 경영 정책에 적용하였다.
의견의 길이가 다섯 단어가 되지 않는 경우도 실험에서 제외시켰다. 그 결과, 최종적으로 69,983개의 데이터가 실험에 사용되었다.
마지막으로 확인 단계에서는 이전 단계까지를 거치면서 발전되고 정제된 고객 의견이 실제 경영 정책에 어떻게 반영되고 있는지를 확인할 수 있도록 공개하여 고객들이 직접 자신들의 참여가 어떻게 기업의 혁신에 기여할 수 있는지를 볼 수 있도록 하고 있다. 본 논문에서는 MSI에 게시된 모든 고객 의견들을 데이터로 사용하였다.
본 연구의 분석 대상은 스타벅스의 MSI로서 델의 아이디어스톰이나 할리-데이비슨과 더불어 현재 가장 널리 알려져 있는 온라인 브랜드 커뮤니티 중 하나이다. MSI는 고객의 의견을 수렴하여 혁신에 유용한 자원을 수집하고자 하려는 목적에서 2008년 3월에 개설되었다.
총 81,534개의 고객의견을 수집하였으며 해당 의견의 제목과 상태정보도 함께 수집하였다. 중복이 되었거나 영어 외의 다른 나라 언어로 쓰여진 경우 및 결측치가 있는 6,147개의 경우, 해당 샘플을 삭제하였다. 의견의 길이가 다섯 단어가 되지 않는 경우도 실험에서 제외시켰다.
총 81,534개의 고객의견을 수집하였으며 해당 의견의 제목과 상태정보도 함께 수집하였다. 중복이 되었거나 영어 외의 다른 나라 언어로 쓰여진 경우 및 결측치가 있는 6,147개의 경우, 해당 샘플을 삭제하였다.

데이터처리

종속변수 고객 기여는 채택과 미채택을 가리키는 이진형 변수이므로 이진형 로지스틱 회귀분석 기법을 통해 데이터를 분석하였다. 본 연구에서는 STATA 10.

이론/모형

따라서 고객 의견에 대한 긍부정성 분석을 위해서는 품사정보 추출이 필요하다. 본 연구에서는 고객 의견에 대한 단어별 품사정보 추출을 위해 NLProcessor(2000)를 활용하였다. NLProcessor는 INFOGISTICS사에서 개발한 소프트웨어로서 문장의 품사 정보를 추출하여 XML 형태로 나타내준다.

성능/효과

각각의 분석결과는 (표 7), (표 8), (표 9)와 같다. 결과에 따르면 Sadness, Frustration의 감정이 포함된 고객의견이 고객 기여에 유의미한 영향력을 가짐을 확인할 수 있었다. 빈도 또한 유무와 유사한 결과가 나왔으나, 강도에 대해서는 Sadness와 Frustration 외에 Shame의 감정도 유의미한 결과를 보였다.
온라인 브랜드 커뮤니티 도메인에서 아직까지 많은 연구가 진행되지 못한 감정의 영향력을 기업 혁신을 위한 고객 기여 측면에서 분석하였다. 또한 기존의 긍부정 위주 단순한 분류가 아니라 부정적 감정의 세부 분류를 통하여 세부 감정별 영향력에 대한 보다 깊은 이해를 제공할 수 있었다. 마지막으로, 실무적 측면에서의 기여이다.
전수에 가까운 방대한 데이터를 활용함으로써 연구 결과의 신뢰성을 높일 수 있었다. 또한 수집된 데이터에 대해 자동화된 분석 기법을 적용하여 기존 수작업을 통한 분석에서는 제한된 대량의 데이터 분석이 가능했으며 감정분석 기법이 대용량 데이터를 위한 분석 도구로서 갖는 활용 가능성을 보여주었다. 다음으로, 이론적 측면에서의 기여이다.
이 때문에 고객 불만족은 적절하게 관리되어야 하는 대상으로 인식되어 왔다. 본 연구 결과에서는 브랜드 커뮤니티 내 부정적 감정이 담긴 고객 의견이 단순히 기업에 손해를 유발하는 위험 요인이 아니라 고객의견이 기업 혁신으로 이어질 수 있도록 기여하는데 유의미한 영향을 끼침을 확인할 수 있었다. 따라서 기업은 브랜드 커뮤니티 내 부정적 감정에 대한 새로운 시각이 필요함을 실험 결과를 통해 보였다.
(표 10), (표 11), (표 12)는 각각의 결과를 보여준다. 분석 결과, 부정적 감정은 브랜드 커뮤니티 내 고객 기여에 유의미한 영향을 갖고 있음을 확인할 수 있었다. 즉, 고객 의견 내 부정적 감정 단어가 포함될 경우, 빈도가 높을수록, 강도가 강할수록 해당 의견을 제시한 고객이 브랜드 커뮤니티를 통한 기업 혁신에 기여할 가능성이 큰 것으로 분석되었다.
결과에 따르면 Sadness, Frustration의 감정이 포함된 고객의견이 고객 기여에 유의미한 영향력을 가짐을 확인할 수 있었다. 빈도 또한 유무와 유사한 결과가 나왔으나, 강도에 대해서는 Sadness와 Frustration 외에 Shame의 감정도 유의미한 결과를 보였다. 요약해서 말하면, Sadness, Frustration, Shame의 감정이 강하게 표현된 고객 의견일수록 고객 기여로 이어지는 경향이 큰 것으로 분석되었다.
본 연구에서는 MSI의 텍스트 데이터 분석을 통해, 부정적 감정이 포함된 고객의견이 브랜드 커뮤니티 내 미치는 영향력을 살펴보았다. 실험 결과를 통해 부정적 감정별로 고객 기여에 대한 영향력에 차이가 있었으며 그중 Frustration과 Sadness의 감정이 유무, 빈도, 강도 측면에서 모두 일관되게 유의미한 영향력을 가짐을 확인할 수 있었다. 또한 부정적 감정을 통합적으로 보았을 때에도 부정적 감정이 고객 기여에 긍정적 영향을 끼침을 보였다.
빈도 또한 유무와 유사한 결과가 나왔으나, 강도에 대해서는 Sadness와 Frustration 외에 Shame의 감정도 유의미한 결과를 보였다. 요약해서 말하면, Sadness, Frustration, Shame의 감정이 강하게 표현된 고객 의견일수록 고객 기여로 이어지는 경향이 큰 것으로 분석되었다.
본 연구에서는 웹크롤러를 통해 MSI의 고객 의견을 수집하였다. 전수에 가까운 방대한 데이터를 활용함으로써 연구 결과의 신뢰성을 높일 수 있었다. 또한 수집된 데이터에 대해 자동화된 분석 기법을 적용하여 기존 수작업을 통한 분석에서는 제한된 대량의 데이터 분석이 가능했으며 감정분석 기법이 대용량 데이터를 위한 분석 도구로서 갖는 활용 가능성을 보여주었다.
분석 결과, 부정적 감정은 브랜드 커뮤니티 내 고객 기여에 유의미한 영향을 갖고 있음을 확인할 수 있었다. 즉, 고객 의견 내 부정적 감정 단어가 포함될 경우, 빈도가 높을수록, 강도가 강할수록 해당 의견을 제시한 고객이 브랜드 커뮤니티를 통한 기업 혁신에 기여할 가능성이 큰 것으로 분석되었다.

후속연구

또한 본 연구에서는 고객 기여 측면에서 감정의 영향력을 살펴보았으나 그 외, 고객들 간의 토론이나 투표 참여 등의 고객 참여 측면에서 부정적 감정이 영향력을 가지는지를 보는 것도 의미 있을 것이다. 끝으로, 본 연구에서는 스타벅스의 커뮤니티만을 분석하였으나, 향후 다른 커뮤니티를 대상으로 흥미로운 분석 결과를 얻을 수 있을 것으로 기대된다.
본 연구에서는 Frustration과 Sadness의 감정이 포함된 고객의견이 고객 기여에 유의미한 영향력을 가짐을 확인하였으나 그 이유에 대한 보다 깊이 있는 분석은 추가적인 연구가 필요하다고 판단된다. 또한 본 연구에서는 고객 기여 측면에서 감정의 영향력을 살펴보았으나 그 외, 고객들 간의 토론이나 투표 참여 등의 고객 참여 측면에서 부정적 감정이 영향력을 가지는지를 보는 것도 의미 있을 것이다.
마지막으로, 실무적 측면에서의 기여이다. 본 연구의 접근 방식을 활용하면 브랜드 커뮤니티 내에서 기업 혁신으로 이어질 수 있는 유용한 고객의견들에 대한 조기예측에 도움을 얻을 수 있다. 이는 정보 과다로 인한 문제를 줄이는 데도 기여할 수 있을 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	웹 2.0의 도입은 어떤 역할의 확장을 이끌었는가?	웹 2.0의 도입으로 인해 인터넷은 점차 정보 전달 뿐 아니라 사용자들의 감정이 확산 되는 통로 역할을 하고 있다. 이는 소셜네트워크, 블로그, 웹포럼 등의 다양한 e-커뮤니티의 등장에 따른 영향으로서, e-커뮤니티 사용자 간 협업 등의 상호작용이 인터넷을 통한 감정의 전이와 확산에 기여하고 있는 것이다[1, 2].
	최근에 감정분석은 어떻게 사용하려는 연구가 늘어나고 있는가?	현재까지 진행되어 왔던 연구에서는 주로 제품 구매 리뷰, 영화 리뷰의 긍부정 분류 등을 수행하는데 주로 초점을 맞추어 왔으나[17, 24, 26] 최근에는 긍부정의 단순 분류에서 벗어나 보다 세분화된 감정을 분석의 단위로 사용하는 연구가 늘어나고 있는 추세이다[3, 18]. 이와 같이 세분화된 감정 분류는 감정 연구 측면에서 더 깊은 이해와 시사점을 제공할 수 있다는 데 의미를 갖는다[24, 27, 28].
	온라인 브랜드 커뮤니티는 어떻게 활용되고 있는가?	최근 많은 기업들이 도입하는 온라인 브랜드 커뮤니티는 기업 혁신에 도움이 될 고객의 의견을 수집하는 데 유용하게 활용되고 있다. 본 논문은 온라인 브랜드 커뮤니티에 게시되는 다양한 의견들 중 부정적 감정을 담고 있는 고객의견이 기업 혁신에 기여하는데 미치는 영향력을 분석하였다.

참고문헌 (33)

M. Mitrovic and B. Tadic, "Bloggers behavior and emergent communities in Blog space," The European Physical Journal B-Condensed Matter and Complex Systems, 73, 2010, pp. 293-301.

상세보기
B. Kujawski, J. Holyst, and G. J. Rodgers, "Growing trees in internet news groups and forums," Physical Review E, 76, 2007, p. 036103.

상세보기
J. Bollen, H. Mao, and X. Zeng, "Twitter mood predicts the stock market," Journal of Computational Science, 2, 2011, pp. 1-8.

상세보기
A. Chmiel, P. Sobkowicz, J. Sienkiewicz, G. Paltoglou, K. Buckley, M. Thelwall, and J. A. Holyst, "Negative emotions boost user activity at BBC forum," Physica A: Statistical Mechanics and its Applications, 390, 2011, pp. 2936-2944.

상세보기
J. Fuller, K. Matzler, and M. Hoppe, "Brand community members as a source of innovation," Journal of Product Innovation Management, 25, 2008, pp. 608-619.

상세보기
J. H. McAlexander, J. W. Schouten, and H. F. Koenig, "Building brand community," The Journal of Marketing, 2002, pp. 38-54.
G. McWilliam, "Building stronger brands through online communities," Sloan management review, 41, 2000, pp. 43-54.
P. H. Andersen, "Relationship marketing and brand involvement of professionals through web-enhanced brand communities: the case of Coloplast," Industrial Marketing Management, 34, 2005, pp. 39-51.

상세보기
A. M. Muniz Jr and T. C. O'guinn, "Brand community," Journal of consumer research, 27, 2001, pp. 412-432.

상세보기
J. Mattsson, J. Lemmink, and R. McColl, "The effect of verbalized emotions on loyalty in written complaints," Total Quality Management & Business Excellence, 15, 2004, pp. 941-958.

상세보기
R. A. Westbrook, "Product/consumption-based affective responses and postpurchase processes," Journal of marketing research, 1987, pp. 258-270.
R. P. Bagozzi and U. M. Dholakia, "Antecedents and purchase consequences of customer participation in small group brand communities," International Journal of Research in Marketing, 23, 2006, pp. 45-61.

상세보기
N. Stokburger Sauer, "Brand community: drivers and outcomes," Psychology and Marketing, 27, 2010, pp. 347-368.

상세보기
S. Fournier and L. Lee, "Getting brand communities right," Harvard business review, 87, 2009, pp. 105-111.
M. Li and S. H. Kim, "AN EMPIRICAL STUDY OF CUSTOMER CONTRIBUTION IN ONLINE BRAND COMMUNITIES FOR INNOVATION," 2010
E.Von Hippel, "The sources of innovation," University of Illinois at Urbana-Champaign's Academy for Entrepreneurial Leadership Historical Research Reference in Entrepreneurship, 1988
L. Zhuang, F. Jing, X. Y. Zhu, and L. Zhang, "Movie review mining and summarization," in Conference on Information and Knowledge Management: Proceedings of the 15 th ACM international conference on Information and knowledge management, 2006, pp. 43-50.
M. Thelwall, K. Buckley, and G. Paltoglou, "Sentiment in Twitter events," Journal of the American Society for Information Science and Technology, 62, 2011, pp. 406-418.

상세보기
J. S. Lerner and D. Keltner, "Beyond valence: Toward a model of emotion-specific influences on judgement and choice," Cognition & Emotion, 14, 2000, pp. 473-493.

상세보기
S. Argamon, M. Koppel, and G. Avneri, "Routing documents according to style," in First international workshop on innovative information systems, 1998, pp. 85-92.
B. Kessler, G. Numberg, and H. Schutze, "Automatic detection of text genre," in Proceedings of the 35th Annual Meeting of the Association for Computational Linguistics and Eighth Conference of the European Chapter of the Association for Computational Linguistics, 1997, pp. 32-38.
E. Spertus, "Smokey: Automatic recognition of hostile messages," in Proceedings of the National Conference on Artificial Intelligence, 1997, pp. 1058-1065.
N. Li and D. D. Wu, "Using text mining and sentiment analysis for online forums hotspot detection and forecast," Decision Support Systems, 48, 2010, pp. 354-368.

상세보기
B. Pang, L. Lee, and S. Vaithyanathan, "Thumbs up?: sentiment classification using machine learning techniques," in Proceedings of the ACL-02 conference on Empirical methods in natural language processing-Volume 10, 2002, pp.79-86.
T. Nasukawa and J. Yi, "Sentiment analysis: Capturing favorability using natural language processing," in Proceedings of the 2nd international conference on Knowledge capture, 2003, pp. 70-77.
C. Whitelaw, N. Garg, and S. Argamon, "Using appraisal groups for sentiment analysis," in Proceedings of the 14th ACM international conference on Information and knowledge management, 2005, pp. 625-631.
T. Wilson, J. Wiebe, and P. Hoffmann, "Recognizing contextual polarity: An exploration of features for phrase-level sentiment analysis," Computational linguistics, 35, 2009, pp. 399-433.

상세보기
A. Esuli and F. Sebastiani, "Sentiwordnet: A publicly available lexical resource for opinion mining," in Proceedings of LREC, 2006, pp. 417-422.
E. Diener, H. Smith, and F. Fujita, "The personality structure of affect," Journal of personality and social psychology, 69, 1995, p. 130.

상세보기
B. Tronvoll, "Negative emotions and their effect on customer complaint behaviour," Journal of Service Management, 22, 2011, pp. 111-134.

상세보기
G. A. Miller, "WordNet: a lexical database for English," Communications of the ACM, 38, 1995, pp. 39-41.

상세보기
S. W. Litvin, R. E. Goldsmith, and B. Pan, "Electronic word-of-mouth in hospitality and tourism management," Tourism management, 29, 2008, pp. 458-468.

상세보기
J. A. Chevalier and D. Mayzlin, "The effect of word of mouth on sales: Online book reviews," National Bureau of Economic Research2003.

저자의 다른 논문 :

LOADING...

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