$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

텍스트마이닝을 이용한 사회 이슈 찬반 분류에 관한 연구
Study on the social issue sentiment classification using text mining 원문보기

Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, v.26 no.5, 2015년, pp.1167 - 1173  

강선아 (충북대학교 경영정보학과, BK21+BSO사업팀) ,  김유신 (충북대학교 경영정보학과, BK21+BSO사업팀) ,  최상현 (충북대학교 경영정보학과, BK21+BSO사업팀)

초록
AI-Helper 아이콘AI-Helper

정보통신기술의 발전은 SNS, 블로그, 게시판 등 자신의 생각이나 의견을 표출할 수 있는 장소의 다양성을 제공하였고 이는 빅데이터 성장을 가능케 하였다. 특히 매순간마다 엄청난 수의 사용자가 이용가능하고 다양한 이슈에 대한 의견을 작성할 수 있는 SNS의 특징으로 인해 많은 사람들이 트위터 등에 사회적 이슈에 대한 자신의 의견을 드러낸다. 따라서 본 연구에서는 트위터에서 작성되는 사회 이슈에 대한 의견을 수집하여 사회이슈를 주제로 하는 감성사전을 구축하고 구축된 감성사전을 통해 감성 분석을 실시하고자 한다. 사용된 데이터는 '비키니', '나꼼수'를 포함하는 트윗 글이다. 사회이슈에 특화된 주제지향 감성사전을 구축하고 구축된 감성사전을 통해 긍부정 의견을 분석한 결과 Precision은 61%로 나타났으며 F1-score는 74%의 성능을 보여주었다. 본 연구는 정치적 색을 띄고 있는 특정 사회 이슈에 대한 트윗 작성자의 의견이 긍정인지 부정인지 자동으로 분류할 수 있도록 하는 사전 구축의 하나의 기준을 제시할 것이라 기대한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The development of information and communication technology like SNS, blogs, and bulletin boards, was provided a variety of places where you can express your thoughts and comments and allowing Big Data to grow, many people reveal the opinion of the social issues in SNS such as Twitter. In this study...

주제어

#감성 분석   #감성 사전   #사회이슈   #오피니언 마이닝   #텍스트마이닝  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 정치적 색을 띄고 있는 특정 사회 이슈에 대한 트윗 작성자의 의견이 긍정인지 부정인지 자동으로 분류할 수 있는 사전을 구축하고자 한다. 논문에서 다룬 사회이슈는 비키니 시위 사건이다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
오피니언 마이닝의 목적은? 오피니언 마이닝은 텍스트 데이터에서 긍정, 부정의 의견을 판단하고 활용하는 목적으로 사용된다 (Jang 등, 2015). 오피니언 마이닝은 정치, 문화, 경영 등 다양한 분야에서 활용되므로 분야마다 긍정과 부정을 나타내는 감성 어휘가 상이할 수 있다.
본 연구에서 감성 어휘를 결정하기 위해 어떤 규칙에 따라 어휘를 정제하였는가? 1. 어휘 출현 빈도가 2이하인 어휘 제거 2. 작성자 아이디 등 의미 파악이 어려운 영어, 한자 제거 3. 접속사, ㅋ, ㅠ 단어 제거 4. 동의어 취합 5. 긍정어휘와 부정어휘에서 어휘가 중복될 경우 더 높은 빈도의 감성으로 판단
소셜 네트워크 서비스 중 트위터는 어떤 장소인가? 다양한 소셜 네트워크 서비스 중에 트위터는 개인의 사적인 내용을 포함하여 정치, 경제, 사회, 문화, 스포츠 등 다양한 분야에 대한 개인의 의견과 가치관을 표출할 수 있는 장소이다. 따라서 사고, 사건등 사회적 이슈가 발생할 경우 트위터를 통해 상황을 중계하기도 하고 트윗 작성자의 관심사, 가치관을 드러내기도 한다 (Hur와 Choi 2012).
질의응답 정보가 도움이 되었나요?

참고문헌 (13)

  1. Kim, Y. D. and Cho, K. H. (2013). Big data and statistics. Journal of the Korean Data & Information Science Society, 24, 959-974. 

    원문보기 상세보기 crossref

  2. Park, K. M., Park, H. G., Kim, H. G. and Ko, H. D. (2011). The opinion mining study in SNS. Communications of the Korean Institute of Information Scientists and Engineer, 29, 54-60. 

  3. Hur, S. H. and Choi K. S. (2012). A study on characteristics and types of tweet in twitter. Hanminjok Emunhak, 61, 455-494. 

    상세보기

  4. Bae, J. H., Son, J. E. and Song, M. (2013). Analysis of twitter for 2012 south korea presidential election by text mining techniques. Journal of Intelligent and Information System, 19, 141-156. 

  5. Jang, G. E., Park, S. H. and Kim, W. J. (2015). Automatic construction of a negative/positive corpus and emotional classification using the internet emotional sign. Journal of KIISE, 42, 512-521. 

    상세보기 crossref

  6. Yu, E. J., Kim Y. S., Kim, N. G. and Jeong, S. R. (2013). Predicting the direction of the stock index by using a domain-specific sentiment dictionary. Journal of Intelligent and Information System, 19, 95-110. 

    원문보기 상세보기 crossref

  7. Cho, W. S., Cho, A., Kwon, K. E. and Yoo, K. H. (2015). Implementation of smart chungbuk tourism based on SNS data analysis. Journal of the Korean Data & Information Science Society , 26, 409-418. 

    원문보기 상세보기 crossref

  8. Kang, B. U., Huh, M. K. and Choi, S. B. (2015). Performance analysis of volleyball games using the social network and text mining techniques. Journal of the Korean Data & Information Science Society, 26, 619-630. 

    원문보기 상세보기 crossref

  9. Yoon, D. M. and Kim, K. J. (2011). Prediction of rating score from short comments on movies using word-rating correlation analysis, The HCI Society of Korea, Korea. 

  10. Aue, A. and Gamon, M. (2005). Customizing sentiment classifiers to new domains: A case study. In Proceedings of Recent Advances in Natural Language Processing, Borovets, Bulgaria. 

  11. Owsley, S., Sood, S., and Hammond, K. J. (2006). Domain Specific Affective Classification of Documents. In AAAI Spring Symposium: Computational Approaches to Analyzing Weblogs, USA. 

  12. Shamma, D. A., Kennedy, L. and Churchill, E. F. (2009). Tweet the debates: Understanding community annotation of uncollected source. Advancing Computing as a Science & Profession(ACM), USA. 

  13. Choi, H. S., Park, H. W. and Park, C. Y. (2013). Support vector machines for big data analysis. Journal of the Korean Data & Information Science Society, 24, 989-998. 

    원문보기 상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로