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
- 따라서, 본 연구는 SNS 텍스트를 기반으로 감성분석을 실시하여 비정형 데이터를 통하여 사용자 또는 생성자의 의견 또는 감성을 도출하는 방안을 개발한다. 인터넷으로부터 수집된 SNS 텍스트에 대하여 기존 단어 사전과 자체 개발한 형태소 사전을 활용하여 텍스트 마이닝을 분석하고 그 결과를 바탕으로 감성 분석을 실시하여 의미 있는 분석 결과를 제시하고자 한다.
- 그러나 인터넷 댓글이나 리뷰 등으로 대표되는 비정형 텍스트 정보는 KOSAC이 분류한 1,600개보다 훨씬 많은 단어들이 포함된다. 따라서, 본 연구에서는 이러한 KOSAC의 한계를 극복하기 위하여 다음 3가지의 보완 목록을 제안한다. 첫 번째는 KOSAC에 포함되지 않은 형용사들에 대한 목록이다.
- 사실, 이러한 데이터는 사용자 또는 작성자의 의견이나 감성을 포함하고 있는 유용한 정보로 고려될 수 있으며 향후 제품 설계, 마케팅, 서비스 개발과 같은 주요 의사결정에 활용될 수 있다. 따라서, 본 연구에서는 이러한 비정형 데이터를 향후 의사 결정 문제에 활용하기 위하여 정량화하는 방안을 제안한다. 수집된 인터넷 문서 또는 댓글과 같은 텍스트 기반의 비정형 데이터를 형태소 분석기를 이용하여 최소 단위의 단어로 분해하고 이를 기존 감성 사전인 KOSAC을 이용하여 긍정률을 계산하여 얼마나 긍정적인 데이터인지를 평가한다.
- 따라서, 본 연구에서는 인터넷 또는 온라인에 존재하는 수많은 텍스트 기반 정보를 활용하여 특정 제품이나 서비스에 대한 사용자 의견이나 선호도를 정량적으로 추출하는 방안을 제안한다. 먼저, 특정 주제에 대한 사용자의 텍스트 기반 정보를 수집하고 이를 각 단어로 분해하고, 각 단어를 긍정, 부정으로 분류하여 최종적으로 해당 정보의 긍정률을 계산하여 사용자의 의견을 정량화하는 방안을 고려한다.
- 따라서, 본 연구는 SNS 텍스트를 기반으로 감성분석을 실시하여 비정형 데이터를 통하여 사용자 또는 생성자의 의견 또는 감성을 도출하는 방안을 개발한다. 인터넷으로부터 수집된 SNS 텍스트에 대하여 기존 단어 사전과 자체 개발한 형태소 사전을 활용하여 텍스트 마이닝을 분석하고 그 결과를 바탕으로 감성 분석을 실시하여 의미 있는 분석 결과를 제시하고자 한다. 특히, 자체 개발한 형태소 사전은 분석의 정확도를 높이기 위해 구어체 및 댓글체도 고려하여 설계되었다.
- 첫 번째는 KOSAC에 포함되지 않은 형용사들에 대한 목록이다. 형용사가 텍스트 작성자의 감성을 잘 나타낼 것으로 예상됨으로 이에 대한 보완 목록을 고려한다. 두 번째 목록은 그 대상을 명사로까지 확대하여 형용사와 명사에 대한 보완 목록을 구성한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.