최근 다양한 분야에서 빅데이터의 활용과 분석에 대한 중요성이 대두됨에 따라, 뉴스기사와 댓글과 같은 비정형 데이터의 자연어 처리 기술에 기반한 감성 분석에 대한 관심이 높아지고 있다. 하지만, 한국어는 영어와는 달리 자연어 처리가 어려운 교착어로써 정보화나 정보시스템에의 활용이 미흡한 실정이다. 이에 본 연구는 감성 분석에 활용이 가능한 감성어 사전을 집단지성으로 구축하였고, 누구나 연구와 실무에 사용하도록 API서비스 플랫폼을 개방하였다(www.openhangul.com). 집단지성의 활용을 위해 국내 최대 대학생 소셜네트워크 사이트에서 대학생들을 대상으로 단어마다 긍정, 중립, 부정에 대한 투표를 진행하였다. 그리고 집단지성의 효율성을 높이기 위해 감성을 '정의'가 아닌 '분류'하는 방식인 폭소노미의 '사람들에 의한 분류법'이라는 개념을 적용하였다. 총 517,178(+)의 국어사전 단어 중 불용어 형태를 제외한 후 감성 표현이 가능한 명사, 형용사, 동사, 부사를 우선 순위로 하여, 현재까지 총 35,000(+)번의 단어에 대한 투표를 진행하였다. 본 연구의 감성어 사전은 집단지성의 참여자가 누적됨에 따라 신뢰도가 높아지도록 설계하여, 시간을 축으로 사람들이 단어에 대해 인지하는 감성의 변화도 섬세하게 반영하는 장점이 있다. 따라서 본 연구는 앞으로도 감성어 사전 구축을 위한 투표를 계속 진행할 예정이며, 현재 제공하고 있는 감성어 사전, 기본형 추출, 카테고리 추출 외에도 다양한 자연어 처리에 응용이 가능한 API들도 제공할 계획이다. 기존의 연구들이 감성 분석이나 감성어 사전의 구축과 활용에 대한 방안을 제안하는 것에만 한정되어 있는 것과는 달리, 본 연구는 집단지성을 실제로 활용하여 연구와 실무에 활용이 가능한 자원을 구축하여 개방하여 공유한다는 차별성을 가지고 있다. 더 나아가, 집단지성과 폭소노미의 특성을 결합하여 한글 감성어 사전을 구축한 새로운 시도가 향후 한글 자연어 처리의 발전에 있어 다양한 분야들의 융합적인 연구와 실무적인 참여를 이끌어 개방적 협업의 새로운 방향과 시사점을 제시 할 수 있을 것이라 기대한다.
최근 다양한 분야에서 빅데이터의 활용과 분석에 대한 중요성이 대두됨에 따라, 뉴스기사와 댓글과 같은 비정형 데이터의 자연어 처리 기술에 기반한 감성 분석에 대한 관심이 높아지고 있다. 하지만, 한국어는 영어와는 달리 자연어 처리가 어려운 교착어로써 정보화나 정보시스템에의 활용이 미흡한 실정이다. 이에 본 연구는 감성 분석에 활용이 가능한 감성어 사전을 집단지성으로 구축하였고, 누구나 연구와 실무에 사용하도록 API서비스 플랫폼을 개방하였다(www.openhangul.com). 집단지성의 활용을 위해 국내 최대 대학생 소셜네트워크 사이트에서 대학생들을 대상으로 단어마다 긍정, 중립, 부정에 대한 투표를 진행하였다. 그리고 집단지성의 효율성을 높이기 위해 감성을 '정의'가 아닌 '분류'하는 방식인 폭소노미의 '사람들에 의한 분류법'이라는 개념을 적용하였다. 총 517,178(+)의 국어사전 단어 중 불용어 형태를 제외한 후 감성 표현이 가능한 명사, 형용사, 동사, 부사를 우선 순위로 하여, 현재까지 총 35,000(+)번의 단어에 대한 투표를 진행하였다. 본 연구의 감성어 사전은 집단지성의 참여자가 누적됨에 따라 신뢰도가 높아지도록 설계하여, 시간을 축으로 사람들이 단어에 대해 인지하는 감성의 변화도 섬세하게 반영하는 장점이 있다. 따라서 본 연구는 앞으로도 감성어 사전 구축을 위한 투표를 계속 진행할 예정이며, 현재 제공하고 있는 감성어 사전, 기본형 추출, 카테고리 추출 외에도 다양한 자연어 처리에 응용이 가능한 API들도 제공할 계획이다. 기존의 연구들이 감성 분석이나 감성어 사전의 구축과 활용에 대한 방안을 제안하는 것에만 한정되어 있는 것과는 달리, 본 연구는 집단지성을 실제로 활용하여 연구와 실무에 활용이 가능한 자원을 구축하여 개방하여 공유한다는 차별성을 가지고 있다. 더 나아가, 집단지성과 폭소노미의 특성을 결합하여 한글 감성어 사전을 구축한 새로운 시도가 향후 한글 자연어 처리의 발전에 있어 다양한 분야들의 융합적인 연구와 실무적인 참여를 이끌어 개방적 협업의 새로운 방향과 시사점을 제시 할 수 있을 것이라 기대한다.
Recently, emerging the notion of big data and social media has led us to enter data's big bang. Social networking services are widely used by people around the world, and they have become a part of major communication tools for all ages. Over the last decade, as online social networking sites become...
Recently, emerging the notion of big data and social media has led us to enter data's big bang. Social networking services are widely used by people around the world, and they have become a part of major communication tools for all ages. Over the last decade, as online social networking sites become increasingly popular, companies tend to focus on advanced social media analysis for their marketing strategies. In addition to social media analysis, companies are mainly concerned about propagating of negative opinions on social networking sites such as Facebook and Twitter, as well as e-commerce sites. The effect of online word of mouth (WOM) such as product rating, product review, and product recommendations is very influential, and negative opinions have significant impact on product sales. This trend has increased researchers' attention to a natural language processing, such as a sentiment analysis. A sentiment analysis, also refers to as an opinion mining, is a process of identifying the polarity of subjective information and has been applied to various research and practical fields. However, there are obstacles lies when Korean language (Hangul) is used in a natural language processing because it is an agglutinative language with rich morphology pose problems. Therefore, there is a lack of Korean natural language processing resources such as a sentiment lexicon, and this has resulted in significant limitations for researchers and practitioners who are considering sentiment analysis. Our study builds a Korean sentiment lexicon with collective intelligence, and provides API (Application Programming Interface) service to open and share a sentiment lexicon data with the public (www.openhangul.com). For the pre-processing, we have created a Korean lexicon database with over 517,178 words and classified them into sentiment and non-sentiment words. In order to classify them, we first identified stop words which often quite likely to play a negative role in sentiment analysis and excluded them from our sentiment scoring. In general, sentiment words are nouns, adjectives, verbs, adverbs as they have sentimental expressions such as positive, neutral, and negative. On the other hands, non-sentiment words are interjection, determiner, numeral, postposition, etc. as they generally have no sentimental expressions. To build a reliable sentiment lexicon, we have adopted a concept of collective intelligence as a model for crowdsourcing. In addition, a concept of folksonomy has been implemented in the process of taxonomy to help collective intelligence. In order to make up for an inherent weakness of folksonomy, we have adopted a majority rule by building a voting system. Participants, as voters were offered three voting options to choose from positivity, negativity, and neutrality, and the voting have been conducted on one of the largest social networking sites for college students in Korea. More than 35,000 votes have been made by college students in Korea, and we keep this voting system open by maintaining the project as a perpetual study. Besides, any change in the sentiment score of words can be an important observation because it enables us to keep track of temporal changes in Korean language as a natural language. Lastly, our study offers a RESTful, JSON based API service through a web platform to make easier support for users such as researchers, companies, and developers. Finally, our study makes important contributions to both research and practice. In terms of research, our Korean sentiment lexicon plays an important role as a resource for Korean natural language processing. In terms of practice, practitioners such as managers and marketers can implement sentiment analysis effectively by using Korean sentiment lexicon we built. Moreover, our study sheds new light on the value of folksonomy by combining collective intelligence, and we also expect to give a new direction and a new start to the development of Korean natural language p
Recently, emerging the notion of big data and social media has led us to enter data's big bang. Social networking services are widely used by people around the world, and they have become a part of major communication tools for all ages. Over the last decade, as online social networking sites become increasingly popular, companies tend to focus on advanced social media analysis for their marketing strategies. In addition to social media analysis, companies are mainly concerned about propagating of negative opinions on social networking sites such as Facebook and Twitter, as well as e-commerce sites. The effect of online word of mouth (WOM) such as product rating, product review, and product recommendations is very influential, and negative opinions have significant impact on product sales. This trend has increased researchers' attention to a natural language processing, such as a sentiment analysis. A sentiment analysis, also refers to as an opinion mining, is a process of identifying the polarity of subjective information and has been applied to various research and practical fields. However, there are obstacles lies when Korean language (Hangul) is used in a natural language processing because it is an agglutinative language with rich morphology pose problems. Therefore, there is a lack of Korean natural language processing resources such as a sentiment lexicon, and this has resulted in significant limitations for researchers and practitioners who are considering sentiment analysis. Our study builds a Korean sentiment lexicon with collective intelligence, and provides API (Application Programming Interface) service to open and share a sentiment lexicon data with the public (www.openhangul.com). For the pre-processing, we have created a Korean lexicon database with over 517,178 words and classified them into sentiment and non-sentiment words. In order to classify them, we first identified stop words which often quite likely to play a negative role in sentiment analysis and excluded them from our sentiment scoring. In general, sentiment words are nouns, adjectives, verbs, adverbs as they have sentimental expressions such as positive, neutral, and negative. On the other hands, non-sentiment words are interjection, determiner, numeral, postposition, etc. as they generally have no sentimental expressions. To build a reliable sentiment lexicon, we have adopted a concept of collective intelligence as a model for crowdsourcing. In addition, a concept of folksonomy has been implemented in the process of taxonomy to help collective intelligence. In order to make up for an inherent weakness of folksonomy, we have adopted a majority rule by building a voting system. Participants, as voters were offered three voting options to choose from positivity, negativity, and neutrality, and the voting have been conducted on one of the largest social networking sites for college students in Korea. More than 35,000 votes have been made by college students in Korea, and we keep this voting system open by maintaining the project as a perpetual study. Besides, any change in the sentiment score of words can be an important observation because it enables us to keep track of temporal changes in Korean language as a natural language. Lastly, our study offers a RESTful, JSON based API service through a web platform to make easier support for users such as researchers, companies, and developers. Finally, our study makes important contributions to both research and practice. In terms of research, our Korean sentiment lexicon plays an important role as a resource for Korean natural language processing. In terms of practice, practitioners such as managers and marketers can implement sentiment analysis effectively by using Korean sentiment lexicon we built. Moreover, our study sheds new light on the value of folksonomy by combining collective intelligence, and we also expect to give a new direction and a new start to the development of Korean natural language p
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 한글 감성어 사전 구축(WHAT)을 위해, 기본적인 교육적 소양을 가진 대학생(WHO)들을 선택을 하였고, 이들의 참여를 유도하기 위해 가입승인 및 등급향상과 같은 보상(WHY)을 주었으며, 오류를 방지하여 신뢰도를 높이는 시스템의 투표 방식을 선택하였다(HOW). 본 연구는 집단지성을 연구의 설계에 직접적으로 적용하여 실질적으로 연구와 실무에 도움이 되는 자원을 창출하였고, 이를 기반으로 향후 연구들에게 새로운 시사점을 주는데 큰 의의가 있다고 본다.
하지만 본 연구의 연구자들은 폭소노미의 특성인 참여에 의한 협업과 분류가 빅데이터 환경의 시스템에 근본적인 틀과 방향성을 줄 수 있을 것이라고 확신을 하였고, 폭소노미의 단점인 낮은 신뢰성을 극복하기 위해 앞서 언급한 집단지성을 활용하기로 하였다. 본 연구에서는 폭소노미와 집단지성을 결합하여 개인적인 선입견이 들어가지 않는 집단들에 의한 신뢰도가 높은 감성어 사전을 구축하며, 이러한 시도는 폭소노미에 대한 재조명을 하는 점에 있어 중요한 의의가 있다.
본 연구에서는 한글 감성어 사전 구축(WHAT)을 위해, 기본적인 교육적 소양을 가진 대학생(WHO)들을 선택을 하였고, 이들의 참여를 유도하기 위해 가입승인 및 등급향상과 같은 보상(WHY)을 주었으며, 오류를 방지하여 신뢰도를 높이는 시스템의 투표 방식을 선택하였다(HOW). 본 연구는 집단지성을 연구의 설계에 직접적으로 적용하여 실질적으로 연구와 실무에 도움이 되는 자원을 창출하였고, 이를 기반으로 향후 연구들에게 새로운 시사점을 주는데 큰 의의가 있다고 본다.
하지만 기존의 연구들은 문서의 극성 판별에 가장 큰 영향을 미치는 감성어 사전의 구축에 대한 명확한 언급이 없으며, 신뢰도가 높은 한글 감성어 사전을 사용하지 못했다는 한계점을 가지고 있다. 이에 본 연구는 한글 감성 분석에 활용될 수 있는 신뢰도가 높고 감성의 깊이 표현이 가능한 감성어 사전을 구축한다.
이에 본 연구의 목적은 신뢰도가 높은 한글 감성어 사전을 구축하여 누구나 연구나 실무에 활용이 가능한 자원을 마련함으로써, 한국어 자연어 처리 연구의 개방형 협업(Open collaboration)을 위한 플랫폼을 구축하는데 있다. 이를 위하여 국내 대학생들의 집단지성을 이용하여 단어의 감성의 깊이 표현이 가능하게 하였으며, API (Application Programming Interface) 서비스 플랫폼을 구축을 하여 실시간으로의 접근성이 용이하도록 개방하였다.
그러나 폭소노미는 다양한 정보를 얻을 수 있는 장점이 있는 반면, 태깅이 무작위이므로 신뢰성이 떨어지는 단점이 있다(Gruber, 2007; Hwang and Kang, 2008), 이러한 한계점으로 인해 폭소노미에 대한 관심과 연구는 2007년 이후로 많이 감소된 추세이다. 하지만 본 연구의 연구자들은 폭소노미의 특성인 참여에 의한 협업과 분류가 빅데이터 환경의 시스템에 근본적인 틀과 방향성을 줄 수 있을 것이라고 확신을 하였고, 폭소노미의 단점인 낮은 신뢰성을 극복하기 위해 앞서 언급한 집단지성을 활용하기로 하였다. 본 연구에서는 폭소노미와 집단지성을 결합하여 개인적인 선입견이 들어가지 않는 집단들에 의한 신뢰도가 높은 감성어 사전을 구축하며, 이러한 시도는 폭소노미에 대한 재조명을 하는 점에 있어 중요한 의의가 있다.
제안 방법
이는 폭소노미의 자율적인 태깅(주관식 방식)과는 다른 선택적 태깅(객관식 방식)이며, 기존의 폭소노미의 단점인 태깅의 남용(Gruber, 2007)으로 인한 낮은 신뢰도와 정확도를 극복하기 위한 것이다. 각 단어마다 사람들이 긍정, 중립, 부정을 선택하게 하여 이를 기반으로 감성의 깊이나 확률을 정량적으로 계산한다. 즉 세 가지의 제한된 태깅을 하지만 표현은 개인의 판단이 아닌 집단지성의 합이므로 단어마다 감성의 깊이 표현을 개인으로써 하는 것이 아니고 집단의 구성원으로써 하게 되는 것이다.
하지만 레빈쉬타인 거리는 알파벳처럼 문자당 1byte인 경우만 가능하므로 글자당 초성, 중성, 종성의 결합형인 2byte인 한글은 그대로 사용할 수가 없다. 따라서 레빈쉬타인 거리 매트릭스를 한글에 적용할 수 있게 자음과 모음을 각각 1byte로 인식하도록 분리하여 데이터베이스에 입력하였다(Table 1 참조). 즉 커서의 이동단위를 자모 단위로 가능하도록 하여 레빈쉬타인 거리 계산을 용이하게 하는 것이다.
본 연구는 크게 (1)집단지성, (2)감성어 사전을 구축, (3)오픈 API 구축의 3단계 프레임워크를 가지고 있으며(Figure 3 참조), (Figure 2)에서는 세부적인 단계들을 살펴볼 수 있다. 1단계에서는 집단지성을 이용하여 단어들의 감성에 대한 투표를 하게 하며, 집단지성의 요소 중에 WHO, WHY, 그리고 폭소노미의 Folks(사람들에 의한)의 개념이 적용이 된다.
본 연구에서 구축한 한글 감성어 사전은 빅데이터 분석을 수행하는 회사나 기관들이 API를 활용할 수 있도록 플랫폼을 구축하였다. 플랫폼에서 제공하는 API서비스는 감성에 대한 질의 외에도 기본형 추출, 카테고리 추출 등과 같은 다양한 기능도 제공한다(오픈한글, www.
본 연구에서는 삭제/삽입/수정의 횟수의 총합인 ‘편집거리’를 이용하는 레빈쉬타인 거리 매트릭스를 검색에 사용하며, 이는 기존의 순차적으로 문자를 인식하는 방식과는 다른 효율적이며 논리적인 단어인식을 가능하게 한다(Levenshtein, 1966).
예를 들면 ‘좋다’와 ‘멍청하다’와 같이 확연한 긍정이거나 부정인 단어를 넣어, 참가자가 두 문항을 동시에 틀릴 경우 나머지 문항의 답변들도 오류로 인식을 하여 투표에 반영을 하지 않았다. 웹 서비스의 특성을 고려하여 편의성, 그리고 답변의 정확도를 높이기 위해 응답시간이 1분 내외로 걸리도록 하였으며 한 명당 총 10 단어씩 답변을 하게 하였다.
이에 본 연구의 목적은 신뢰도가 높은 한글 감성어 사전을 구축하여 누구나 연구나 실무에 활용이 가능한 자원을 마련함으로써, 한국어 자연어 처리 연구의 개방형 협업(Open collaboration)을 위한 플랫폼을 구축하는데 있다. 이를 위하여 국내 대학생들의 집단지성을 이용하여 단어의 감성의 깊이 표현이 가능하게 하였으며, API (Application Programming Interface) 서비스 플랫폼을 구축을 하여 실시간으로의 접근성이 용이하도록 개방하였다.
우선적으로 평균 연령과 교육 수준을 고려했으며, 다양한 집단들로 나누어 봤을 때 대학생들이 가장 적절하다고 생각하였다. 이에 국내 대학생 소셜네트워크 사이트에서 객관식 설문문항 형식으로 투표를 실시하였으며, 2014년 8월 15일부터 2015년 5월 15일까지 총 35,000번의 단어에 대한 투표가 진행되었으며 참가자들은 주어진 단어들에 대해 긍정, 중립, 부정의 답변 중에 하나를 선택을 하였다(Figure 7).
본 연구에서의 태그는 단어의 내용에 대해 표현하는 ‘내용 기반형(Content-based)’이며, 긍정, 중립, 부정의 감성의 극성 판별과 깊이나 확률이 태그가 된다. 참고로 본 연구에서는 폭소노미의 태그를 긍정, 중립, 부정의 투표로 변환을 하였다. 이는 폭소노미의 자율적인 태깅(주관식 방식)과는 다른 선택적 태깅(객관식 방식)이며, 기존의 폭소노미의 단점인 태깅의 남용(Gruber, 2007)으로 인한 낮은 신뢰도와 정확도를 극복하기 위한 것이다.
대상 데이터
1단계에서는 집단지성을 이용하여 단어들의 감성에 대한 투표를 하게 하며, 집단지성의 요소 중에 WHO, WHY, 그리고 폭소노미의 Folks(사람들에 의한)의 개념이 적용이 된다. 2단계에서는 감성어 사전을 구축하기 위한 전처리 작업을 하여 국립국어원의 사전을 기반으로 총 517,178(+)개 단어를 데이터베이스에 생성하였다. 불용어를 제외한 단어들에 대해서 투표를 랜덤으로 하게 하며, 이는 집단지성의 HOW와 Folksonomy의 Taxonomy(분류법)의 개념이 적용이 되는 단계이다.
총 517,178(+)개 단어 중에서 감성의 표현이 가능한 단어의 형태들을 선별하였으며 조사, 감탄사, 관형사 등의 단어들은 제외하고 명사, 형용사, 동사, 부사들을 우선 순위로 두었다(Table 3 참조).
후속연구
예를 들면, 경제나 스포츠의 카테고리를 인식한 후, 기본적인 감성어 사전에 추가적으로 경제나 스포츠 관련 감성어 사전을 적용시켜 특정 카테고리에서 다른 의미로 쓰일 수 있는 단어들의 정확한 감성어 분석을 가능하게 할 수 있다. 둘째, 토큰화와 형태소 분석에 대한 기본적인 지식과 경험이 없는 사용자들을 위해 플랫폼에서 이 모든 전처리 작업들을 해결하는 것이 필요하다. 따라서 향후 연구에서는 감성어 사전과 같은 추가적인 ‘자원적인’ 측면과 더불어 ‘프로세스적인’ 측면으로의 확장된 연구를 진행을 할 예정이다.
둘째, 토큰화와 형태소 분석에 대한 기본적인 지식과 경험이 없는 사용자들을 위해 플랫폼에서 이 모든 전처리 작업들을 해결하는 것이 필요하다. 따라서 향후 연구에서는 감성어 사전과 같은 추가적인 ‘자원적인’ 측면과 더불어 ‘프로세스적인’ 측면으로의 확장된 연구를 진행을 할 예정이다.
위키피디아의 경우를 보더라도 다수의 사람들이 참여한 영어나 다른 언어의 버전의 경우는 한국어 버전과 비교를 하면 데이터의 양적인 측면이나 내용의 질적인 측면에서 많은 차이를 보이고 있으며(Hwang and Choi, 2010), 이는 집단지성의 결과물이 참여자들의 누적효과에 많은 영향을 받는다는 것을 의미한다. 본 연구는 시간을 축으로 참여자들의 지성의 누적으로 인한 감성어 사전의 신뢰도가 높아지는 시스템으로 구축이 되었으며, 이로 인해 향후 한국어 자연어 처리에 이바지하는 유용한 자원이 되기를 기대하고 있다.
본 연구에서 구축된 감성어 사전과 오픈 API 서비스는 다양한 영역에서 활용이 가능하며 (Table 4 참조), 누구나 참여가 가능한 개방형 협업의 기초를 제공하여 한글 감성어 사전을 활용한 연구와 실무에의 활발히 쓰이기를 기대한다.
질의응답
핵심어
질문
논문에서 추출한 답변
빅데이터의 특성은 무엇인가?
최근 데이터의 기하급수적인 증가와 소셜미디어의 급성장으로 빅데이터에 대한 관심이 많아지면서, 기업들은 다양하고 좋은 데이터를 어떻게 확보하느냐와 이를 어떻게 활용하는지에 대해 관심의 초점을 맞추고 있다(Prentice, 2011). Laney (2001)는 빅데이터를 3V (volume, velocity, and variety)로 정의하였으며, 최근에는 가치(value)를 추가한 4V로 정의를 하기도 한다 (McAfee, 2012). 다시 말해 빅데이터 환경에서는 데이터의 사이즈, 처리/분석 속도, 다양성, 가치 창출이 매우 중요하며, 이는 기업의 경쟁우위 확보에 중요한 부분을 차지할 수 있다는 의미이다.
기존의 카테고리가 아닌 새로운 카테고리의 구분을 확장의 예시는 무엇이 있는가?
폭소노미의 대표적인 예로는 블로그의 글들에서 흔히 볼 수 있는 태그(tag)를 들 수가 있으며, 이는 기존의 카테고리가 아닌 새로운 카테고리의 구분을 확장시키는 장점이 있다(Russell, 2005; Thomas, 2007). 예를 들면, 블로그에서 ‘삼성 야구팀’에 대한 글은 다른 축구나 농구와 관련된 기사들과 같은 ‘스포츠’ 카테고리이다. 하지만 문서에 ‘야구,’ ‘삼성,’ ‘스포츠’, ‘이승엽’과 같은 다양한 태그를 달면, 태그들이 새로운 카테고리들을 생성을 하게 되는 것이다. 즉 기존에는 다른 카테고리에 있던 문서들이 태그를 활용함으로써 새로운 카테고리로 구분되어 수직적 카테고리가 아닌 수평적 카테고리로써의 무한한 확장성을 가진다. 이 외에도 폭소노미 기반으로 메타데이터(Metadata)를 이용한 소셜 북마크 온톨로지 구축을 제안하는 연구(Ohmukai et al.
감성 분석은 무엇을 가능하게 하는가?
감성 분석은 주로 주관적인 데이터를 분석하여 사람들의 성향 분석, 선별, 예측, 판단 등을 가능하게 하며, 최근 들어 SNS의 급부상과 함께 다양한 분야에 오피니언 마이닝의 개념으로도 적용이 되고 있다(Khan et al., 2014; Pang and Lee, 2008).
참고문헌 (39)
Baccianella, S., A. Esuli, and F. Sebastiani, "Senti WordNet 3.0: An Enhanced Lexical Resource for Sentiment Analysis and Opinion Mining," LREC, Vol. 10(2010), 2200-2204.
Ban, S. B. and C. S. Jung, "A neural network model for recognizing facial expressions based on perceptual hierarchy of facial feature points," Korean journal of cognitive science, Vol.12, No.1/2(2001), 77-89.
Black, E. W., "Wikipedia and academic peer review: Wikipedia as a recognised medium for scholarly publication?," Online Information Review, Vol. 32, No. 1(2008), 73-88.
Bollen, J., A. Pepe, and H. Mao, "Modeling public mood and emotion: Twitter sentiment and socio-economic phenomena," arXiv preprint arXiv:0911.1583. (2009).
Bonabeau, E., "Decisions 2.0: The power of collective intelligence," MIT Sloan management review, Vol. 50, No.2(2009), 45-52.
Cachia, R., R. Compano, and O. D. Costa, "Grasping the potential of online social networks for foresight," Technological Forecasting and Social Change, Vol. 74, No. 8(2007), 1179-1203.
Cho, S. Y., H.-K, Kim, B. Kim, and H. -W. Kim, "Predicting Movie Revenue by Online Review Mining: Using the Opening Week Online Review," Information Systems Review, Vol. 16, No. 3(2014), 111-132.
Echarte, F., J. J. Astrain, A. Cordoba, and J. E. Villadangos, "Ontology of Folksonomy: A New Modelling Method," SAAKM, 289, 36(2007).
Gruber, T., "Ontology of folksonomy: A mash-up of apples and oranges," International Journal on Semantic Web and Information Systems (IJSWIS), Vol. 3, No. 1(2007), 1-11.
Hwang, J. S. and S. Y. Choi, "Analysis of Participants' Features in Different Collective Intelligence Models: Comparative Analysis between Korea and U.S.A.," Journal of Cybercommunication, Vol.27, No.4(2010), 257-301.
Hwang, J. W., and Y. J. Ko, "A Document Sentiment Classification System Based on the Feature Weighting Method Improved by Measuring Sentence Sentiment Intensity," Journal of KIISE Vol.36, No.6(2009), 491-497.
Hwang, S. H., and Y. K. Kang, "Hierarchical Triadic Context Analysis for Folksonomy-Based Web Applications," JDCTA, Vol.2, No.1(2008), 20-27.
Jang, J.-Y.,"A Sentiment Analysis Algorithm for Automatic Product Reviews Classification in On-Line Shopping Mall," The Journal of Society for e-Business Studies, Vol.14, No.4 (2009), 19-33.
Jang, Y., E. Cho, and H. Kim, "An Exploratory Study on Online Prosocial Behavior," Knowledge Management Research, Vol.16, No.1(2015), 225-242.
Jung, Y. C., Y. J. Choi, and S. H. Myaeng, "A Study on Negation Handling and Term Weighting Schemes and Their Effects on Mood-based Text Classification," Korean journal of cognitive science, Vol.19, No.4 (2008), 477-497.
Khan, F. H., S. Bashir, and U. Qamar, "TOM: Twitter opinion mining framework using hybrid classification scheme," Decision Support Systems, Vol.57(2014), 245-257.
Kim, J. O., S. Lee, and H. S. Yong, "Automatic Classification Scheme of Opinions Written in Korean," Journal of KIISE: Database, Vol. 38, No.6(2011), 423-428.
Kim, Y., N. Kim, and S. R. Jung, "Stock-Index Invest Model Using News Big Data Opinion Mining," Journal of Intelligence and Information Systems Vol.18, No.2(2012), 143-156.
Laney, D., "3D data management: Controlling data volume, velocity and variety," META Group, 2001.
Lee, J. S., "Three-Step Probabilistic Model for Korean Morphological Analysis," Journal of KIISE Vol.38, No.5(2011), 257-268.
Lee, S., and H. Yoon, "The Study on Strategy of National Information for Electronic Government of S. Korea with Public Data analysed by the Application of Scenario Planning," The Journal of The Korea Institute of Electronic Communication Sciences Vol.7, No.6(2012), 1259-1273.
Lee, Y.-J, "A Semantic-Based Mashup Development Tool Supporting Various Open API Types," Journal of Internet Computing and Services Vol.13, No.3(2012), 115-126.
Lipsman, A., G. Mudd, M, Rich, and S. Bruich, "The power of "like": How brands reach (and influence) fans through social-media marketing," Journal of Advertising research, Vol. 52, No. 1(2012), 40.
Malone, T. W., R. Laubacher, and C. Dellarocas, "The collective intelligence genome," IEEE Engineering Management Review, Vol.38, No.3(2010), 21-31.
McAfee, A., and E. Brynjolfsson, "Big data: the management revolution," Harvard business review, Vol. 90, No.10(2012), 61-67.
Medelyan, O., and C. Legg, "Integrating Cyc and Wikipedia: Folksonomy meets rigorously defined common-sense," Proceedings of the WIKI-AI: Wikipedia and AI Workshop at the AAAI'08 Conference, Chicago, US, (2008).
Nasukawa, T., and J. Yi. "Sentiment analysis: Capturing favorability using natural language processing," Proceedings of the 2nd international conference on Knowledge capture, ACM, (2003), 70-77.
Ohkura, T., Y. Kiyota, and H. Nakagawa, "Browsing system for weblog articles based on automated folksonomy," Proceedings of the WWW 2006 Workshop on the Weblogging Ecosystem: Aggregation, Analysis and Dynamics, at WWW, Vol. 2006(2006).
Ohmukai, I., M. Hamasaki, and H. Takeda, "A proposal of community-based folksonomy with RDF metadata." Proceedings of the 4th International Semantic Web Conference (ISWC2005), (2005).
Pang, B., and L. Lee, "Opinion mining and sentiment analysis," Foundations and trends in information retrieval Vol.2, No.1-2(2008), 1-135.
Sulis, W., "Fundamental concepts of collective intelligence," Nonlinear Dynamics, Psychology, and Life Science, Vol. 1, No.1(1997), 35-53.
Taboada, M., J. Brooke, M. Tofiloski, K. Voll, and M. Stede, "Lexicon-based methods for sentiment analysis," Computational linguistics, Vol. 37, No. 2(2011), 267-307.
Thomas, V. W., "Folksonomy," online posting, 2007.
Xu, Z., Y. Fu, J. Mao, and D. Su, "Towards the semantic web: Collaborative tag suggestions," Collaborative web tagging workshop at WWW2006, Edinburgh, Scotland, (2006).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.