선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 감정단어들이 가지는 복합성(다의성) 때문에 의미적인 관계에 따라 감정들의 유형을 구분하는 것이 쉽지 않다는 것을 알 수 있다. 따라서 러셀이나 테이어의 2차원 감정모델처럼 한글의 주요감정단어들의 범주를 극성과 각성의 특성에 따라 구분하여, 범주의 특성을 파악하고자 한다.
- 따라서 의 감정단어와 유사어를 대상으로 감정단어의 의미적 관계의 네트워크를 구성하여 감정단어들이 나타내는 복합성(다의성)의 다양한 특성들을 파악하고자 한다.
- 본 연구는 감정분석의 기반 역할을 하는 감정단어사전 또는 감정온톨로지 구축을 위한 사전작업의 일환으로 진행되었다. 감정단어사전 또는 감정온톨로지를 구축하기 위해서는 감정 단어에 대한 의미적 특성과 유형(범주)의 구분이 중요하다.
- 사람의 감정에 대한 유형화 작업은 심리학, 언어학(국어학) 등에서 관심이 많았다. 심리학에서는 심리적인 감정 상태에 대하여, 언어학에서는 사람의 언어(문학작품 포함)에 나타난 감정단어에 대하여 유형을 파악하고자 하였다. 감정들의 종류는 많지만, 이 감정들이 서로 유사한 것이 많다.
- 이 장에서는 감정을 나타내는 주요한 한글 감정단어들의 리스트를 확보하고, 사전적인 설명을 토대로 한글 감정단어들에서 나타나는 의미적 복합성의 특성을 파악하고자 한다. 주요 감정단어 리스트는 감정단어 리스트 사례를 제시한 선행연구 결과를 활용하여 확보하였다.
제안 방법
- 356건의 감정단어들에 대한 각성과 극성을 구분하는 작업은 설문조사로 수행하였다. 조사 기간은 2016년 3월 30일부터 4월 11일까지 13일 정도 소요되었으며, 조사대상은 부산대학교 문헌정보학과 학부 3학년생(23명)과 대학원생(9명)으로 구성된 전체 32명이다.
- 감정과 감정단어의 의미와 유형구분에 대한 기존의 선행연구들을 살펴보고, 한글로 된 356건의 주요감정단어들의 리스트를 확보한 다음 이들을 대상으로 의미적 관계의 네트워크 분석과 범주 분석 작업을 수행하였다. 이를 통해 몇 가지 중요한 결과를 확인하였다.
- 그리고 중간(middle, M로 표기)은 긍정/부정으로 판정하기 어려운 경우이거나 긍정/부정의 감정을 모두 포함하는 경우에 해당된다고 설명하였다. 감정의 강도를 의미하는 각성 항목은 높은/낮은/중간 수준으로 구분하도록 하였다. 높은수준(high, H로 표기)은 신나고, 긴장되고, 격정적이고, 심란한 기분으로 설명하였다.
- 그런 다음 선정된 주요감정단어들을 대상으로 의 뜻풀이를 활용하여 단어의 사전적 의미를 확인하였다.
- 유사감정단어는 감정단어의 사전적 설명에 나타난 감정단어들을 추출하였다. 넷째, 주요감정단어와 유사 감정단어의 의미적 관계를 토대로, 감정단어들의 의미관계 네트워크를 구성하여, 감정단어네트워크의 구조적 특성을 파악한다. 다섯째, 주요감정단어의 설명내용을 기반으로 범주(유형)를 구분한다.
- 예를 들어 특정한 단어에 대해 20명 이상이 극성을 “긍정”으로 판단한 경우 “긍정”의 범주로 결정을 하였다는 것이다. 둘째, 60% 이상의 응답이 나타나지 않은 경우, 가장 큰 값을 가지며 값의 차이가 3이상인 경우 그 범주를 인정하였다. 예를들어, 특정한 단어에 대해 “긍정”(16회), “부정”(3회), “중간”(13회) 모두에 20명 미만이 판단을 하였지만, “긍정”의 빈도수가 다른 범주의 빈도수보다 3이상 높다면 “긍정”으로 범주를 판단하였다는 것이다.
- 첫째, 감정단어 분류에 대한 기존의 선행연구들을 통하여 감정과 감정단어에 대한 정의, 유형 등을 파악한다. 둘째, 주요 선행연구들을 분석하여 주요한 한글 감정단어의 리스트를 선정한다. 셋째, 선정된 주요감정단어 리스트를 대상으로 간략한 감정단어사전을 구축한다.
- 첫째, 주요 선행연구 사례들을 분석하여 주요감정단어 리스트를 개발하고, 기초적인 감정단어사전을 구축한다. 둘째, 주요감정단어의 설명에서 유사감정단어들을 추출하고, 이를 토대로 감정단어의 의미관계 네트워크를 구축하여, 네트워크 분석방법을 통해 감정단어 네트워크에 나타난 의미적 특성을 파악한다. 셋째, 주요감정단어에 대한 사전적 설명을 토대로, 설문조사를 통해 감정의 범주를 구분한다.
- 둘째, 주요 선행연구들을 분석하여 주요한 한글 감정단어의 리스트를 선정한다. 셋째, 선정된 주요감정단어 리스트를 대상으로 간략한 감정단어사전을 구축한다. 이 감정단어사전은 단어명, 설명, 유사감정단어 등의 구성요소를 사용한다.
- 둘째, 주요감정단어의 설명에서 유사감정단어들을 추출하고, 이를 토대로 감정단어의 의미관계 네트워크를 구축하여, 네트워크 분석방법을 통해 감정단어 네트워크에 나타난 의미적 특성을 파악한다. 셋째, 주요감정단어에 대한 사전적 설명을 토대로, 설문조사를 통해 감정의 범주를 구분한다.
- 셋째, 한글단어들을 대상으로 극성과 각성의 차원에 따라 범주를 구분하였다. 극성의 차원에서는 부정적인 단어들이 가장 많았으며, 그 다음은 긍정적인 단어, 중간수준 단어의 순서로 분류되었다.
- 감정단어사전 또는 감정온톨로지를 구축하기 위해서는 감정 단어에 대한 의미적 특성과 유형(범주)의 구분이 중요하다. 이를 위해 한글의 주요 감정단어들을 수집하고, 의미적 관계의 특성을 파악하고, 유형(범주)을 구분하는 작업을 수행하였다. 구체적인 연구내용은 다음과 같이 구성하였다.
- 이 장에서는 감정을 나타내는 주요한 한글 감정단어들의 리스트를 확보하고, 사전적인 설명을 토대로 한글 감정단어들에서 나타나는 의미적 복합성의 특성을 파악하고자 한다. 주요 감정단어 리스트는 감정단어 리스트 사례를 제시한 선행연구 결과를 활용하여 확보하였다.(안신호, 이승혜, 권오식, 1993; 박인조 2001; 김은영 2004; 이준웅 등 2008; 신은주 2008; 손선주 등 2012)
- 첫째, 356건의 주요감정단어를 대상으로 처럼 유사어들을 구분한다.
- 구체적인 연구내용은 다음과 같이 구성하였다. 첫째, 감정단어 분류에 대한 기존의 선행연구들을 통하여 감정과 감정단어에 대한 정의, 유형 등을 파악한다. 둘째, 주요 선행연구들을 분석하여 주요한 한글 감정단어의 리스트를 선정한다.
- 본 연구에서 사용하는 연구방법은 크게 세 가지로 구분된다. 첫째, 주요 선행연구 사례들을 분석하여 주요감정단어 리스트를 개발하고, 기초적인 감정단어사전을 구축한다. 둘째, 주요감정단어의 설명에서 유사감정단어들을 추출하고, 이를 토대로 감정단어의 의미관계 네트워크를 구축하여, 네트워크 분석방법을 통해 감정단어 네트워크에 나타난 의미적 특성을 파악한다.
대상 데이터
- 32명 전체가 응답하였으며, 한 단어에 대한 극성과 각성의 범주 판단기준은 다음과 같이 설정하였다. 첫째, 전체 응답자(32명)의 60% 이상(응답자 20명 이상)이 동일한 판단을 한경우, 그것을 그대로 인정하였다.
- 먼저 선행연구에서 제시한 감정단어 리스트들을 통합하였으며, 전체 830건의 감정단어 리스트를 확보하였다. 이 중에서 적정 빈도수(빈도수 3 이상)를 기준으로 357건의 주요감정단어 리스트를 선정하기로 한다.
- 그런 다음 선정된 주요감정단어들을 대상으로 <표준국어대사전>의 뜻풀이를 활용하여 단어의 사전적 의미를 확인하였다. 사전의 뜻풀이에서 감정단어로 볼 수 없는 단어 1건을 제외한 최종 356건의 감정단어를 선정하였다. 356건의 주요감정단어 중에서 <표준국어대사전>에 등재된 단어는 337건이었으며, 9건의 단어는 미등재어였다.
- 먼저 선행연구에서 제시한 감정단어 리스트들을 통합하였으며, 전체 830건의 감정단어 리스트를 확보하였다. 이 중에서 적정 빈도수(빈도수 3 이상)를 기준으로 357건의 주요감정단어 리스트를 선정하기로 한다. 그런 다음 선정된 주요감정단어들을 대상으로 <표준국어대사전>의 뜻풀이를 활용하여 단어의 사전적 의미를 확인하였다.
- 356건의 감정단어들에 대한 각성과 극성을 구분하는 작업은 설문조사로 수행하였다. 조사 기간은 2016년 3월 30일부터 4월 11일까지 13일 정도 소요되었으며, 조사대상은 부산대학교 문헌정보학과 학부 3학년생(23명)과 대학원생(9명)으로 구성된 전체 32명이다. 사전에 감정과 감정단어의 의미와 역할을 충분히 소개하였으며, 각 감정단어별 뜻풀이 설명을 제공하여, 356건 감정단어에 대한 극성과 각성을 판단하여 구분하라고 요청하였다.
- 주요감정단어 리스트의 설명에서 유사어 관계의 감정단어들만 선택하여 구성한 감정단어 네트워크는 508개의 노드와 553개의 링크로 구성된다. 노드의 개수가 508개로 나타난 것은 주요감정단어 356개의 뜻풀이 설명에서 152개의 새로운 감정단어들이 나타났다는 것이다.
이론/모형
- 따라서 <표-3>의 감정단어와 유사어를 대상으로 감정단어의 의미적 관계의 네트워크를 구성하여 감정단어들이 나타내는 복합성(다의성)의 다양한 특성들을 파악하고자 한다. 네트워크 분석도구는 UCINET(버전 6.598)을 사용하였다.
성능/효과
- 넷째, 한글감정단어들에서 극성과 각성의 차원을 혼합할 경우, 9가지 범주에서 많은 단어들이 부정적인 극성/높은 각성의 단어들 범주와 부정적인 극성/중간수준 각성의 단어들 범주로 분류되었다. 한글 감정단어들이 대체적으로 감정의 정도에서는 부정(불쾌, 불만)적이며, 감정의 강도에서는 활성적이라는 것을 의미한다.
- 첫째, 전체적으로 긍정적인 극성의 단어(79건, 22%)보다 부정적인 극성의 단어(224건, 63%)가 많으며, 중간수준 극성의 단어(53건, 15%)가 가장 적게 분류되었다. 둘째, 각성의 범주는 전체적으로 높은 각성의 단어(192건, 54%)가 낮은 각성의 단어(48건, 13%)보다 많으며, 중간수준 각성의 단어(116건, 33%)는 낮은 각성의 단어보다는 많이 나타났다. 정리하면, 극성은 긍정적 > 부정적 > 중간적 수준으로 빈도가 많으며, 각성은 높은 > 중간 > 낮은 수준으로 빈도가 많았다.
- 17개의 감정단어들과 의미적으로 유사하다는 것이다. 둘째, 근접 중심성의 값은 전체적으로 값의 차이가 아주 적다는 것을 알 수 있다. 이것은 감정단어들이 전역적으로 서로 고르게 근접하고 있다는 것을 나타낸다.
- 둘째, 의미적 관계의 감정단어 네트워크에서 중심적인 역할을 수행하는 감정단어들을 확인할 수 있었다. 연결정도/근접/매개 중심성의 값이 상대적으로 높은 43개의 감정단어들이 해당되며, 이들은 한글감정단어에서 기본감정(대표검정)과 달리 중심감정(central emotions) 이라 할 수 있을 것이다.
- <표-3>의 사례를 살펴보면, 한 감정단어는 유사한 감정단어(유사어), 원인이 되는 감정단어(원인어), 수식하는 감정단어(수식어)들과 관계가 있음을 알 수 있다. 모든 연관단어들을 대상으로 감정단어들의 의미적 관련성을 분석할 수 있지만, 유사어 관계만으로도 감정단어들의 의미적 관계를 충분히 파악할 수 있을 것으로 판단된다. 따라서 <표-3>의 감정단어와 유사어를 대상으로 감정단어의 의미적 관계의 네트워크를 구성하여 감정단어들이 나타내는 복합성(다의성)의 다양한 특성들을 파악하고자 한다.
- 정리하면, 극성은 긍정적 > 부정적 > 중간적 수준으로 빈도가 많으며, 각성은 높은 > 중간 > 낮은 수준으로 빈도가 많았다. 셋째, 극성과 각성을 혼합하여 정리하면, 많은 단어들이 부정적인 극성의 단어이면서 높은 각성의 단어(119건, 33%)임을 알 수 있다. 그다음은 부정적 극성과 중간 수준의 각성에 해당되는 단어(75건, 22%)이며, 나머지 범주의 단어들은 빈도가 적은 편이다.
- 이것은 감정단어들이 전역적으로 서로 고르게 근접하고 있다는 것을 나타낸다. 셋째, 매개 중심성의 값은 서로 차이가 있음을 알 수 있다. 감정단어의 의미적 유사성의 관계에서 매개성에 차이가 있음을 나타낸다.
- 정리하면, 감정단어들은 의미적 유사성에 따라 연결되는 단어들의 수(연결정도)에 차이가 있으며, 근접 중심성 값의 차이는 작아서 감정단어들이 전체적으로 밀접하게 연결되어 있고, 매개하는 역할도 편차가 있음을 알 수 있다. 이처럼 의미적으로 연결되고, 밀접되며, 매개역할에 차이가 있다는 점에서 감정단어들을 감정단어들의 의미가 복합적이며, 의미에 따라 집단을 구분하는 것이 어렵다는 점을 확인하게 된다.
- 정리하면, 극성은 긍정적 > 부정적 > 중간적 수준으로 빈도가 많으며, 각성은 높은 > 중간 > 낮은 수준으로 빈도가 많았다.
- 첫째, 감정단어들은 의미적 유사성에 따라 유형을 구분하는 것이 어렵다고 확인되었다. 감정단어 네트워크에서 각 감정단어들은 의미적으로 서로 연결되어 있음을 확인하였기 때문이다.
- 지금까지 살펴본 바에 의하면, 인간의 감정은 의미적 맥락에서 두 가지 주요한 특징을 가진 다. 첫째, 인간이 표현하는 감정은 복합적이어서 의미를 파악하기 어렵다. 둘째, 인간의 감정에는 기본감정뿐만 아니라 다양한 복합감정들을 포함한다.
- 각 범주의 구체적인 특성을 살펴보면 다음과 같다. 첫째, 전체적으로 긍정적인 극성의 단어(79건, 22%)보다 부정적인 극성의 단어(224건, 63%)가 많으며, 중간수준 극성의 단어(53건, 15%)가 가장 적게 분류되었다. 둘째, 각성의 범주는 전체적으로 높은 각성의 단어(192건, 54%)가 낮은 각성의 단어(48건, 13%)보다 많으며, 중간수준 각성의 단어(116건, 33%)는 낮은 각성의 단어보다는 많이 나타났다.
후속연구
- 반면 본 연구는 추후 언어 텍스트에 대한 감정분석에 활용하기 위해 단순히 감정단어들의 범주를 구분하는 것에 중점을 두고 있다. 356건의 감정단어들을 대상으로 분석한 것이기에, 새로운 감정단어들이 생겨나면 이를 기준으로 자동화된 범주구분이 가능하며, 추후 감정단어 온톨로지 구축에 활용하려는 것이다.
- 한글의 주요감정단어들을 대상으로 한 본 연구의 결과는 한글감정단어의 사전이나 온톨로지 구축, 새로운 감정단어들의 자동범주 구분, 감성과 의견을 나타내는 단어들의 추가/확장의 문제, 감정/감성/의견 분석을 활용한 정보검색 연구, 도서관이나 문헌정보와 관련되는 각종텍스트 자료들을 대상으로 하는 감정/감성/의견 분석 작업 등과 같은 후속연구들에 도움이 될 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.