최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기융합정보논문지 = Journal of Convergence for Information Technology, v.10 no.10, 2020년, pp.40 - 46
With the development of the Internet, users share their experiences and opinions. Since related keywords are used witho0ut considering information such as the general emotion or genre of an unstructured document such as a movie review, the sensitivity accuracy according to the appropriate emotional ...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
오피니언 마이닝이란? | 오피니언 마이닝은 텍스트에 표현된 개인적인 느낌이나 관점, 감정, 신념 등을 분석하여 객관화 및 정량화 하여 긍정 및 부정적 감성을 분석하는 것이다[5]. 다른 사용자들에게 자신의 경험, 의견, 느낌 등에 대해 좋고 싫은 다양한 감정을 표현하여 긍정적 또는 부정적 평가에 사용된다. | |
오피니언 마이닝은 어느 분야에서 사용되고 있는가? | 특히, 자연어로 표현된 텍스트로부터 데이터 분석을 통해 의견이나 성향 등을 예측하여 유의미한 정보를 획득하려는 오피니언 마이닝 연구가 진행되고 있다. 오피니언 마이닝은 상업 분야뿐만 아니라, 정치, 경제, 사회분야 등에서 널리 사용되며, 수치화 및 시각화를 통해 직관적인 감성 판단으로 의사결정에 반영할 수 있으며, 최근까지 자연어 처리 분야에서도 활발히 연구되고 있다[1,2]. 영화평, 상품평, 인터넷 댓글, SNS 등의 내용은 작성자가 상대에게 정보나 견해를 신속하게 표현하기 위해 짧고 핵심적인 의미의 단어를 표현하여 작성한다. | |
오피니언 마이닝에서 감성 분석을 위해 어떤 자원을 수집하고 구축하는가? | 다른 사용자들에게 자신의 경험, 의견, 느낌 등에 대해 좋고 싫은 다양한 감정을 표현하여 긍정적 또는 부정적 평가에 사용된다. 감성 분석을 위해 감성 사전이나 감성 의미망과 같은 자원을 수집하고 구축한다. Thayer가 제시한 감정은 긍정과 부정의 척도에 따른 밸러스와 High, Low의 활성 정도에 따라 Excited, Happy, Pleased, Relaxed, Peaceful, Calm, Sleepy, Bored, Sad, Nervous, Angry, 그리고 Annoying으로 분류한다[6]. |
S. D. Kim, E. B. Park, S. J. Lee & K. Y. Kim. (2010). A Syllable Kernel based Sentiment Classification for Movie Reviews. Journal of Korean Institute of Intelligent Systems, 20(2), 202-207. DOI : 10.5391/JKIIS.2010.20.2.202
K. Y. Kim & C. S. Kim. (2009). A String Kernel based Sentiment Classification for Blog Text. Proceedings of KIIS Fall Conference 2009, 19(2), 199-201. DOI : 10.5391/JKIIS.2012.22.5.563
S. Seo & J. Kim, (2016). Sentiment Analysis Research Trend Based on Deep Learning. The Korea Multimedia Society, 20(3), 8-22.
A. Rexha, M. Kroll, M. Dragoni & R. Kern. (2016). Polarity Classification for Target Phrases in Tweets: A Word2Vec Approach. ESWC 2016. LNCS, 9989, 217-223. DOI : 10.1007/978-3-319-47602-5_40
M. Kang, J. Ahn & K. Lee. (2018). Opinion mining using ensemble text hidden Markov models for text classification. Expert Systems with Applications, 94, 218-227. DOI : 10.1016/j.eswa.2017.07.019
R. Thayer. (1989). The Biopsychology of Mood and Arousal. Oxford University Press.
K. R. Scherer & P. Ekman. (2014). Approaches to Emotion. Psychology Press, New York.
M. Chang. (2012). Empirical Sentiment Classification Using Psychological Emotions and Social Web Data. Journal of Korean Institute of Intelligent Systems, 22(5), 563-569. DOI : 10.5391/JKIIS.2012.22.5.563
Y. Kim. (2014). Convolutional neural networks for sentence classification. Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP), 1746-1751. DOI : 10.3115/v1/D14-1181
F. Abid, M. Alam, M. Yasir & C. Li. (2019). Sentiment analysis through recurrent variants latterly on convolutional neural network of Twitter. Future Generation Computer Systems, (95), 292-308. DOI : 10.1016/j.future.2018.12.018
E. Park & S. Cho. (2014). KoNLPy: Korean natural language processing in Python. Proceedings of the 26th Annual Conference on Human & Cognitive Language Technology, Chuncheon, Korea. 133-136.
J. Kim. (2014). Emotion Prediction of Document using Paragraph Analysis. Journal of Digital Convergence, 12(12), 249-255. DOI : 10.14400/JDC.2014.12.12.249
Unicode Emoji. http://www.unicode.org/reports/tr51
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.