[논문]SNS에서의 언어 간 감성 차이 연구: 6개 언어를 중심으로

김형호; 장필식

doi:10.14400/jdc.2016.14.3.165

SNS에서의 언어 간 감성 차이 연구: 6개 언어를 중심으로
Differences in Sentiment on SNS: Comparison among Six Languages 원문보기

디지털융복합연구 = Journal of digital convergence, v.14 no.3, 2016년, pp.165 - 170

초록
AI-Helper

본 연구의 목적은 SNS 활용에 있어 사용자 언어 간 감성의 평균차이가 있는지를 검증하는 것이다. 가장 많이 이용되는 SNS 중 하나인 트위터를 대상으로, 영어, 독일어, 러시아어, 스페인어, 터키어 및 네덜란드어 등 6개 언어로 작성된 약 2억 개 트윗을 스트리밍 API를 이용하여 수집하였으며, SentiStrength를 이용하여 주관적/객관적 비율, 감성강도, 긍정/부정 비율, 리트윗 횟수 및 경계불투과도 등에 대한 분석을 시행하고, 트위터를 통한 감성표현의 경향성과 변동을 파악하였다. 분석결과, 언어권에 따라 주관적/객관적 트윗 비율과 긍정/부정 트윗 비율이 각각 통계적으로 유의한 차이가 있는 것으로 나타났다(p<0.001). 또한, 언어의 종류는 감성강도와 경계 불투과도 그리고 리트윗 횟수에 통계적으로 유의한(p<0.001) 영향을 미치는 것으로 파악되었다. 이러한 결과는 SNS를 활용한 감성분석에 있어 언어, 문화 별 경향성 및 수준차이를 반드시 고려하여야 한다는 것을 보여준다.

Abstract ▼ AI-Helper

The purpose of this study was to explore the differences in sentiment on social networking sites among six languages (English, German, Russian, Spanish, Turkish and Dutch). A total of 204 million tweets were collected using Streaming API. Subjective/objective ratio, sentiment strength, positive/negative ratio, number of retweets and boundary impermeability were analyzed with SentiStrength to estimate the trends of emotional expression via Twitter. The results showed that subjective/objective ratio and the positive/negative ratio of tweets were significantly different by languages (p<0.001). And, there were significant effects of language on sentiment strength, boundary impermeability and the number of retweets (p<0.001). The results also indicate that the cross-cultural, language differences should be taken into account in sentiment analysis on SNS.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 각 언어 별로 긍정/부정 표현에 있어 기본적 경향성이 있는지, 있다면 그 변동과 추이가 어떠한지를 파악하기 위해, 6개 언어로 작성된 204,569,362개 트윗(tweet)에 대한 감성분석을 실시하였으며, 결과를 요약하면 다음과 같다.
본 연구에서는 트위터 메시지의 언어권별 감성특성을 파악하기 위해 다음과 같이 감성분석에 직·간접적으로 연관되는 변수들에 대한 분석을 시행하였다.

제안 방법

본 연구에서는 SNS 중 트위터에 한정하여 6개 언어·문화권에 대한 반년 미만의 시간적 추이를 분석하였다.
트윗 수집에는 Twitter Inc에서 제공[12]하는 스트리밍 API(Streaming Application Programming Interface) 를 이용하였으며, 스트리밍 데이터는 매 15분마다 분류, 처리하고 MongoDB 3.2(MongoDB Inc.)[13] 데이터베이스에 저장하였다. 감성분석에는 빠른 분석 속도와 비교적 높은 정확도로 최근 여러 연구[14]에 활용되고 있는 SentiStrength[15]를 이용하였다.

대상 데이터

감성분석에는 빠른 분석 속도와 비교적 높은 정확도로 최근 여러 연구[14]에 활용되고 있는 SentiStrength[15]를 이용하였다. SentiStrength는 다양한 언어에의 적용이 가능한데, 본 연구에서는 현재까지 검증된 6개 언어(영어, 스페인어, 독일어, 러시아어, 네덜란드어, 터키어)를 대상으로 하였다.
본 연구에서는 대표적 SNS인 트위터(Twitter)를 대상으로, 2014년 11월부터 2015년 4월까지 영어, 스페인어 등 6개 언어로 작성된 204,569,362개 메시지(트윗)를 수집하였으며, 각 언어별로 감성분석을 시행하고, 트위터를 통한 감성표현의 경향성과 변동을 파악하였다.

데이터처리

각 언어권 별로 주관적 트윗 비율에 차이가 있는지를 검증하기 위해 χ2 검정을 시행하였으며 검정 결과, 유의 수준 0.001에서 언어권에 따라 주관적/객관적 트윗 비율에 통계적으로 유의한 차이가 있는 것으로 나타났다.
트윗의 감성 강도(-4∼4)를 종속변수로 하고 언어권을 독립변수로 하는 분산분석을 실시하였으며(Table 3), 유의수준 0.001에서 언어군에 따라 감성강도 평균이 통계적으로 유의한 차이를 보이는 것으로 나타났다.

이론/모형

)[13] 데이터베이스에 저장하였다. 감성분석에는 빠른 분석 속도와 비교적 높은 정확도로 최근 여러 연구[14]에 활용되고 있는 SentiStrength[15]를 이용하였다. SentiStrength는 다양한 언어에의 적용이 가능한데, 본 연구에서는 현재까지 검증된 6개 언어(영어, 스페인어, 독일어, 러시아어, 네덜란드어, 터키어)를 대상으로 하였다.

성능/효과

001에서 언어군에 따라 감성강도 평균이 통계적으로 유의한 차이를 보이는 것으로 나타났다. [Table 2]에서 볼 수 있는 것처럼, 스페인어로 작성된 트윗의 감성강도 평균이 가장 높은(가장 긍정적인) 것으로 나타났으며, 네덜란드어와 터키어로 작성된 트윗의 강도가 가장 낮은 것으로 관찰되었다.
검정 결과, 언어권에 따라 긍정적 트윗의 비율이 유의수준 0.001에서 통계적으로 유의한 차이를 보이는 것으로 나타났다. 독일어의 경우, 주관적 트윗 중 긍정의 비율이 평균 78.
넷째, 위에서 언급된 트윗의 주관적/객관적 비율, 감성 강도 평균 및 긍정트윗 비율은 일별 변동은 있으나 언어 별로 일정한 수준을 지속적으로 유지 하는 것으로 판단 된다.
다섯째, 경계불투과도는 감성극성과 언어군에 통계적으로 유의한(p<0.001) 영향을 받는데, 긍정적일수록 경계불투과도는 낮아지는 경향이 있는 것으로 관찰되었다.
둘째, 언어에 따라 감성강도 평균이 통계적으로 유의한(p<0.001) 차이를 보였는데, 스페인어로 작성된 트윗의 감성강도가 터키어와 네덜란드어로 작성된 트윗에 비해 높게(긍정인 것으로) 나타났다.
분석결과 언어군과 감성극성에 따라 경계 불투과도 평균은 유의수준 0.001에서 통계적으로 유의한 것으로 나타났으며, 두 독립변수의 교호작용 또한 유의한 것으로 나타났다. [Fig.
리트윗 수가 트위터 메시지의 감성강도와 언어군에 따라 영향을 받는지를 살펴보기 위해 리트윗 수를 종속변수로 하고 감성강도와 언어군을 독립변수로 하는 분산분석을 실시한 결과는 [Table 6]과 같다. 분석결과, 유의수준 0.001에서 감성강도와 언어군, 그리고 두 변수의 교호작용이 통계적으로 유의한 영향을 미치는 것으로 나타났다. [Fig 5]에서 볼 수 있는 것처럼, 언어에 따라 감성강도와 리트윗 수 간의 관계가 다른 양상을 보일 수 있는 것으로 나타났는데, 예를 들어 영어로 작성된 트윗의 경우 감성강도가 높아질수록(긍정적일수록) 리트윗 횟수가 많아지는 경향이 관찰되지만, 네덜란드어와 러시아어에서는 이러한 경향이 나타나지 않았다.
셋째, 주관적 트윗 중 긍정 트윗의 비율이 언어권에 따라 통계적으로 유의한(p<0.001)차이를 보이는 것으로 나타났다.
여섯째, 리트윗 횟수는 감성강도와 언어에 따라 유의한(p<0.001) 영향을 받는 것으로 나타났으며, 교호작용도 유의한 것으로 관찰되었다.
001)차이를 보였다. 영어와 스페인어 사용자들의 트윗이 터키와 러시아어에 비해 주관적 트윗비율이 높은 것으로 나타났다.
첫째, 언어권에 따라 주관적/객관적 트윗비율이 통계적으로 유의한(p<0.001)차이를 보였다.

후속연구

본 연구에서는 SNS 중 트위터에 한정하여 6개 언어·문화권에 대한 반년 미만의 시간적 추이를 분석하였다. 본 연구결과를 바탕으로, 페이스북을 포함한 다양한 SNS와 블로그를 대상으로 좀 더 다양한 언어군에 대한 추가 연구가 이루어진다면, 다양한 언어·문화권을 아우르는 활용성 높은 감성분석 체계를 구축하는데 도움이 될 것으로 기대된다.

참고문헌 (15)

K. Choi, J. A. Yoo, "A reviews on the social network analysis using R", Journal of the Korea Convergence Society, Vol. 6, No. 1, pp. 77-83, 2015.
J. Y. Go, K. H. Lee, "SNS disclosure of personal information in M2M environment threats and countermeasures", Journal of the Korea Convergence Society, Vol. 5, No. 1, pp. 29-34, 2014.
B. Pang, and L. Lee, "Opinion mining and sentiment analysis", Foundations and Trends in Information Retrieval, Vol. 1. No. 2, pp. 1-135, 2008.
P. S. Jang, "Study on principal sentiment analysis of social data", Journal of The Korea Society of Computer and Information, Vol. 19, No. 12, pp.49-56, 2014.
D. M. Boyd and N. B. Ellison, N. B. "Social network sites: Definition, history, and scholarship", Journal of Computer-Mediated Communication, Vol. 13, No. 1. pp. 210-230, 2007

상세보기
J. J. Yoo, D. Kim and J. Moon, "Exploring cross-cultural differences in self-presentation and self-disclosure in social Networking sites: A comparison of korean and american SNS users", Journal of Advertising and Promotion Research, Vol. 1, No. 2, pp. 77-118, 2012.
S. Luo, "Cross-cultural differences between American and Chinese college students on self-disclosure on social media. Graduate Theses and Dissertations", p.1-70, Iowa State University. 2014.
K. Omori and M. Allen, "Cultural differences between american and japanese self-presentation on SNSs", International Journal of Interactive Communication Systems and Technologies (IJICST), Vol. 4, Issue 1. DOI: 10.4018/ijicst.2014010104, 2014.

상세보기
S. A. Golder and M. W. Macy, "Diurnal and seasonal mood vary with work, sleep and daylength across diverse cultures." Science, 333, pp. 1878-1881, 2011.

상세보기
J. Y. Lee, P. S. Jang, "Effects of message polarity and type on word of mouth through SNS (Social Network Service)", The Journal of Digital Policy & Management, Vol. 11, No. 6, pp. 129-135, 2013.
S. C. Walton and R. E. Rice, "Mediated disclosure on Twitter: The roles of gender and identity in boundary impermeability, valence, disclosure, and stage", Computers in Human Behavior, Vol. 29, pp. 1465-1474, 2013.

상세보기
"The Streaming APIs", (C) 2016 Twitter, Inc., https://dev.twitter.com/streaming/overview (Jan 5, 2016)
"MongoDB 3.2", MongoDB, Inc., https://www.mongodb.org/ (Jan 5, 2016)
M. Thelwall, K. Buckley. & G. Paltoglou, "Sentiment strength detection for the social Web", Journal of the American Society for Information Science and Technology, Vol. 63, No. 1, pp. 163-173, 2012.

상세보기
"SentiStrength", http://sentistrength.wlv.ac.uk/, (Jan 25, 2016)

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