$\require{mediawiki-texvc}$

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.

네이버 뉴스 댓글을 이용한 산업 분야별 담론의 감성에 기반한 주제 트렌드 및 여론의 변화와 주가 흐름의 연관성 분석
Analyzing Topic Trends and the Relationship between Changes in Public Opinion and Stock Price based on Sentiment of Discourse in Different Industry Fields using Comments of Naver News 원문보기

정보관리학회지 = Journal of the Korean society for information management, v.39 no.1, 2022년, pp.257 - 280  

오찬희 (성균관대학교 문헌정보학과) ,  김규리 (성균관대학교 문헌정보학과) ,  주영준 (연세대학교 문헌정보학과)

초록
AI-Helper 아이콘AI-Helper

본 연구에서는 대한민국 정부가 지정한 국가전략기술 사업인 반도체, 이차전지, 바이오 산업에 대한 여론을 파악하고 여론의 변화와 주가 흐름의 연관성을 분석하기 위해 각 산업별 대표 기업에 대한 기사의 댓글을 분석하였다. 반도체 산업에서 '삼성전자', 'SK하이닉스', 이차전지 산업에서 '삼성SDI', 'LG화학', 바이오 산업에서 '삼성바이오로직스', '셀트리온'을 선정하여 이를 제목에 포함하고 있는 2020년 1월 1일부터 2020년 12월 31일까지 발행된 네이버 뉴스 기사의 댓글 47,452개를 수집하고 분석하였다. 먼저, 해당 댓글을 긍정, 중립, 부정의 감성으로 나누고 각 감성 그룹에서의 시간의 흐름에 따른 댓글의 동적인 주제를 분석하여 각 산업별 여론의 트렌드를 파악하였다. 분석 결과 반도체 산업 분야의 경우 투자, 코로나19관련 이슈, 삼성전자라는 대기업에 대한 신뢰, 정부 정책 변화로 인한 타격에 대한 언급이 주제 토픽으로 나타났다. 이차전지 산업체의 경우 투자, 배터리, 기업 이슈에 대한 언급이 주제 토픽으로 나타났다. 바이오 산업체의 경우 투자, 코로나19 관련 이슈 및 기업 이슈에 대한 언급이 주제 토픽으로 나타났다. 다음으로, 댓글의 감성이 실제 주가와 연관성이 있는지를 알아보고자 각 대표 기업 별 주가의 변화와 댓글의 감성 점수 변화를 시각적 분석기법을 이용하여 비교 분석하였다. 분석 결과, 댓글의 감성 점수와 주가의 변화 흐름이 매우 유사하게 나타남을 통해 여론의 감성 점수 변화와 주가의 흐름에는 연관성이 있음을 확인하였다. 본 연구는 주가와의 연관성이 높은 뉴스 기사 댓글을 분석했다는 점, 수집 시기를 코로나19로 선정하여 코로나19라는 특수한 상황에서의 여론 트렌드 변화를 파악했다는 점, 국가전략기술제도에 속하는 산업 기업에 대한 여론을 분석하여 정부기관의 관련 정책 제정에 객관적인 근거를 제공하였다는 점에서 의의를 지닌다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this study, we analyzed comments on news articles of representative companies of the three industries (i.e., semiconductor, secondary battery, and bio industries) that had been listed as national strategic technology projects of South Korea to identify public opinions towards them. In addition, w...

주제어

#감성 분석   #다이나믹 토픽 모델링   #댓글   #소셜 네트워크 서비스   #시각적 분석   #여론 분석   #주가   #트렌드 분석  

표/그림 (17)

참고문헌 (34)

  1. Bae, Ji Yang (2009). The influence of online news replies on netizens' CSR perception, attitude, purchase intention, and word of mouth intention: focusing on corporate social responsibility activity. The Korean Journal of Advertising, 20(5), 7-37. 

  2. Jang, Eun A, Choi, Hoe Ryeon, & Lee, Hong Chul (2020). Stock prediction using combination of BERT sentiment analysis and macro economy index. Journal of the Korea Society of Computer and Information, 25(5), 47-56. https://doi.org/10.9708/jksci.2020.25.05.047 

    원문보기 상세보기 crossref

  3. Jo, Su Young, Jang, Hye Ji, & Kwon, Gu Min (2012). Netizens' reactions toward corporate crises: content analysis of crisis news stories and online readers' comments. Korean Journal of Journalism & Communication Studies, 56(4), 311-338. 

  4. Kim, Da Ye & Lee, Young Gin (2018). News based stock market sentiment lexicon acquisition using Word2Vec. The Korea Journal of BigData, 3(1), 13-20. https://doi.org/10.36498/kbigdt.2018.3.1.13 

    crossref

  5. Kim, Dong Young, Park, Je Won, & Choi, Jae Hyeon (2014). A comparative study between stock price prediction models using sentiment analysis and machine learning based on SNS and news articles. Journal of Information Technology Services, 13(3), 221-233. https://doi.org/10.9716/KITS.2014.13.3.221 

    원문보기 상세보기 crossref

  6. Kim, Gun Tae & Hwang, Su Seong (2015. May). Korea daily newspaper impact on the priceearnings ratio and investment outcome of investors. Conference on The Korean Finance Association, 1810-1841 

  7. Kim, Il Hwan (2019). Newspaper big data and text mining for digital humanities. the society of chung-ang lang. & Lit, 78 41-62. https://doi.org/10.15565/jll.2019.06.78.41 

    상세보기 crossref

  8. Kim, Ji Ryong & Han, Eun Kyung (2019). A study on corporate reputation and profitability focus on online news and comments. Journal of Digital Convergence, 17(9), 399-406. https://doi.org/10.14400/JDC.2019.17.9.399 

    원문보기 상세보기 crossref

  9. Kim, Se Wan, Park, Ji Won, Kim, Young Min, & Ham, Hee Kyung (2020). Asymmetric effect of social sentimental on an individual stock price return. Information Systems Review, 22(4), 59-74. https://doi.org/10.14329/isr.2020.22.4.059 

    원문보기 상세보기 crossref

  10. Kim, Won Jung & Han, Jeong Ho (2016). The effects of posted comments tagged to newspaper articles to readers' perceived crisis responsibility and their purchase intention. The Korean Journal of Advertising, 27(8), 109-137. 

    상세보기 crossref

  11. Kim, Yu Shin, Kim, Nam Gyu, & Jeong, Seung Ryeol (2012). Stock-index invest model using news big data opinion mining. Korea Intelligent Information Systems Society, 18(2), 143-156. https://doi.org/10.13088/jiis.2012.18.2.143 

    원문보기 상세보기 crossref

  12. Korea Exchange. (2020. August 10). Index composition. Available: http://www.krx.co.kr 

  13. Lee, Byung Hyun, Choi, Il Young, Jeon, Jeong Woo, Choi, Ikwon, & Kim, Jae Kyung (2020). A study on corporate reputation and profitability using online news text mining. Korean Management Science Review, 37(4), 55-66. https://doi.org/10.7737/KMSR.2020.37.4.055 

    상세보기 crossref

  14. Lee, Mi Kyung, Choi, In Ho, & Jeong, Se Hoon (2013). The effect of positive and negative comments on consumers' attitudes, norms, and purchasing behavior on corporate Facebook. Korean Society for Journalism and Communication Studies, 57(4), 51-71. 

  15. Ministry of Economy and Finance (2021). It's going to change like this starting 2022. Available: https://whatsnew.moef.go.kr/mec/ots/dif/main.do 

  16. Nam, Dal Woo, Park, Jin Woo, Kim, Min Kyung, Jo, Hyeon, & Kim, Seong Hee (2012). A study about correlation between collective intelligence on the internet stock message board and stock market. Korea Internet Electronic Commerce Association, 12(2), 149-164. 

  17. Park, Eun Jeong & Cho, Sung Zoon (2014). KoNLPy: Korean natural language processing in python. Proceedings of the 26th Annual Conference on Human and Cognitive Language Technology, 4-7. 

  18. Park, Mi Hwa & Kim, Sol (2017). A study on analysis of korean society's xenophobia towards korean-chinese through comments of online news: focused on before and after oh won-chun news report. Multiculture & Peace, 11(3), 92-117. https://doi.org/10.22446/mnpisk.2017.11.3.005 

    상세보기 crossref

  19. Park, Sang Min, Na, Cheol Won, Choi, Min Seong, Lee, Da Hee, & On, Byeong Won (2018). KNU Korean sentiment lexicon: Bi-LSTM-based method for building a Korean sentiment lexicon. Journal of Intelligence and Information Systems, 24(4), 219-240. https://doi.org/10.13088/jiis.2018.24.4.219 

    원문보기 상세보기 crossref

  20. Park, Seong Woo (2021. December 31). New 'national strategic technology' such as semiconductors and batteries... Double the investment deduction for large companies↑. Chosunbiz, Available: https://biz.chosun.com/policy/policy_sub/2021/12/31/3RAH5ZVKWNFDDCXCRGNKPWE6PU/ 

  21. Park, Seong Wook, Kwon, Oh Byeong, & Na, Hyung Jong (2017). The effect of social media related to informal data of big data on sales. Korea Accounting Information Association, 35(2), 321-342. 

  22. Son, Il Sun & Yang, Yeon Ho (2020, October 8). Based on the stock transfer tax of 300 million won...It was called a "two-year postponement" due to the opposition of Donghak Ant. Maeil Business Newspaper, Available: https://www.mk.co.kr/news/economy/view/2020/10/1033433/ 

  23. Yang, Hye Seung (2008). The effects of the opinion and quality of user postings on internet news readers' attitude toward the news issue. Korean Society For Journalism And Communication Studies, 52(2), 254-281. 

  24. Zhu, Yong Jun, Kim, Dong Hoon, Lee, Chang Ho, & Lee, Yong Jeong (2019). Investigating major topics through the analysis of depression-related facebook group posts. Journal of the Korean Library and Information Science, 53(4), 171-187. https://doi.org/10.4275/KSLIS.2019.53.4.171 

    원문보기 상세보기 crossref

  25. Blei, D. M. & Lafferty, J. D. (2006). Dynamic Topic Models. Proceedings of the 23rd International Conference on Machine Learning, 113-120. 

  26. Fu, T. C., Lee, K. K., Sze, D., Chung, F. L., & Ng, C. M. (2008). Discovering the correlation between stock time series and financial news. Proceeding of IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology, 880-883. https://doi.org/10.1109/WIIAT.2008.228 

    crossref

  27. Keim, D., Andrienko, G., Fekete, J. D., Gorg, C., Kohlhammer, J., & Melancon, G. (2008). Visual analytics: definition, process, and challenges. In Information Visualization, 154-175. https://doi.org/10.1007/978-3-540-70956-5_7 

    crossref

  28. Muthukadan, B. (2018). Selenium 3.141.0 [Online App]. Available: https://selenium-python.readthedocs.io/ 

  29. Prabhakaran, S. (2018). Topic Modeling with Gensim (Python). Available: https://www.machinelearningplus.com/nlp/topic-modeling-gensim-python/ 

  30. Rehurek, R. & Sojka, P. (2011). Gensim-python framework for vector space modelling. NLP Centre, Faculty of Informatics, Masaryk University, Brno, Czech Republic, 3(2). 

  31. Richardson, L. (2019). BeautifulSoup (4.8.1) [Online App]. Available: https://beautiful-soup-4.readthedocs.io/ 

  32. Tetlock, P. C. (2007), Giving content to investor sentiment: The role of media in the stock market. The Journal of Finance, 62(3), 1139-1168. https://doi.org/10.1111/j.1540-6261.2007.01232.x 

    상세보기 crossref

  33. Thomas, J. J. & Cook, K. A. (2006). A visual analytics agenda. IEEE Computer Graphics and Applications, 26(1), 10-13. https://doi.org/10.1109/MCG.2006.5 

    상세보기 crossref

  34. Wang, C. & Blei, D. M. (2011). Collaborative topic modeling for recommending scientific articles. In Proceedings of the 17th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 448-456. https://doi.org/10.1145/2020408.2020480 

    crossref

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