[논문]소셜데이터 감성분석을 통한 사용자의 호감도 분석

이민규; 손효정; 성백민; 김종배

소셜데이터 감성분석을 통한 사용자의 호감도 분석
Favorable analysis of users through the social data analysis based on sentimental analysis 원문보기

이민규 (숭실대학교 소프트웨어특성화대학원) , 손효정 (숭실대학교 소프트웨어특성화대학원) , 성백민 (숭실대학교 소프트웨어특성화대학원) , 김종배 (숭실대학교 소프트웨어특성화대학원)

최근 폭발적으로 증가하는 SNS서비스의 상업적으로 이용하려는 움직임이 활발하다. 따라서 본 논문은 실시간 SNS 환경에서 제조기업과 제품의 평판에 관련된 정보를 정확하게 분석 할 수 있는 방안을 제시한다. 크롤링 방식으로 수집된 SNS의 텍스트 데이터들에 대한 형태소 분석을 수행하여 단어 간 연관성을 파악한다. 또, 문장에서 추출된 형태소는 구축된 감성사전을 통해 통계적으로 분석하여 이를 시각화 하여 보여준다. 이때, 추출된 단어가 감성사전에 존재하지 않을 경우 이를 자동으로 추가하는 기법을 제안한다.

Recently it is used commercially to actively move the data from the SNS service. Therefore, we propose a method that can accurately analyze the information related to the reputation of companies and products in real time SNS environment in this paper.Identify the relationship between words by performing morphological analysis on the text data gathered by crawling the SNS scheme. In addition, it shows the visualization to analyze statistically through a established emotional dictionary morphemes are extracted from the sentence. Here, if the extracted word is not exist in sentimental dictionary. Also, we propose the algorithm that add the word to emotional dictionary automatically.

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

문제 정의

본 논문에서는 실시간 SNS 환경에서 제조기업과 제품의 평판에 관련된 정보를 정확하게 분석 할 수 있는 방안을 제시하였다. 크롤링 방식으로 수집된 SNS의 텍스트 데이터들에 대한 형태소 분석을 수행하여 단어 간 연관성을 파악하였다.
본 논문은 실시간 SNS 환경에서 제조기업과 제품의 평판에 관련된 정보를 정확하게 분석 할 수 있는 방안을 제시한다. 이를 위해 크롤링 방식으로 수집된 SNS의 텍스트 데이터들에 대한 형태소 분석을 수행하여 단어 간 연관성을 파악한다.

제안 방법

0을 따른다.[4] 본 연구에서는 위의 꼬꼬마 형태소 분석기를 수집된 텍스트에 대한 형태소 분석 도구로 활용한다.
트위터, 페이스북등 SNS 사이트에서 사용자의 텍스트데이터를 크롤링하여 형태소 분석을 한다. 미리 저장해 놓은 감성사전의 단어들과 형태소 분석을 통해 도출된 형태소를 김정호등이 제시한 방법을 이용해 극성 강도를 수치화 하여 사용자의 긍정 또는 부정적 의견을 판별한다. 하지만, 만약 형태소분석을 통해 도출된 형태소가 미리 저장해놓은 감성사전의 단어와 일치하는 것이 없다면 제안하는 알고리즘을 통해 감성사전에 추가한다.
시각화 방법에 관한 연구는 조은희[5]의 실시간 수치데이터의 이미지 기반 시각화 방식에 대한 연구가 있고 본 연구에서는 단순히 감성 수치를 점수로 보여주고, 이를 그래프로 표출하는 방법을 쓴다.
이때, 추출된 단어가 감성사전에 존재하지 않을 경우 국어사전에서 단어의 의미를 추출하고 형태소 분석해서 의미를 분석하여 자동으로 추가하는 기법을 제안한다.
또, 문장에서 추출된 형태소는 구축된 감성사전을 통해 통계적으로 분석하여 이를 시각화 하여 보여 주었다. 이때, 추출된 단어가 감성사전에 존재하지 않을 경우 이를 자동으로 추가하는 기법을 제안하였다. 본 연구의 결과는 제품사용자의 호감도를 더욱 쉽고 정확하게 판별 할 수 있도록 하기 위한 방법으로 활용될 수 있다.
본 논문은 실시간 SNS 환경에서 제조기업과 제품의 평판에 관련된 정보를 정확하게 분석 할 수 있는 방안을 제시한다. 이를 위해 크롤링 방식으로 수집된 SNS의 텍스트 데이터들에 대한 형태소 분석을 수행하여 단어 간 연관성을 파악한다. 크롤링은 구글에서 제공하고 자바로 작성된 오픈소스 Crawler4j[2]을 사용해서, 트위터, 페이스북 등 SNS 웹페이지에서 해당 제품에 대한 글들을 수집한다.
본 논문에서는 실시간 SNS 환경에서 제조기업과 제품의 평판에 관련된 정보를 정확하게 분석 할 수 있는 방안을 제시하였다. 크롤링 방식으로 수집된 SNS의 텍스트 데이터들에 대한 형태소 분석을 수행하여 단어 간 연관성을 파악하였다. 또, 문장에서 추출된 형태소는 구축된 감성사전을 통해 통계적으로 분석하여 이를 시각화 하여 보여 주었다.
전체적인 호감도를 분석하는 절차는 그림1과 같다. 트위터, 페이스북등 SNS 사이트에서 사용자의 텍스트데이터를 크롤링하여 형태소 분석을 한다. 미리 저장해 놓은 감성사전의 단어들과 형태소 분석을 통해 도출된 형태소를 김정호등이 제시한 방법을 이용해 극성 강도를 수치화 하여 사용자의 긍정 또는 부정적 의견을 판별한다.
미리 저장해 놓은 감성사전의 단어들과 형태소 분석을 통해 도출된 형태소를 김정호등이 제시한 방법을 이용해 극성 강도를 수치화 하여 사용자의 긍정 또는 부정적 의견을 판별한다. 하지만, 만약 형태소분석을 통해 도출된 형태소가 미리 저장해놓은 감성사전의 단어와 일치하는 것이 없다면 제안하는 알고리즘을 통해 감성사전에 추가한다.

대상 데이터

이를 위해 크롤링 방식으로 수집된 SNS의 텍스트 데이터들에 대한 형태소 분석을 수행하여 단어 간 연관성을 파악한다. 크롤링은 구글에서 제공하고 자바로 작성된 오픈소스 Crawler4j[2]을 사용해서, 트위터, 페이스북 등 SNS 웹페이지에서 해당 제품에 대한 글들을 수집한다.

데이터처리

크롤링 방식으로 수집된 SNS의 텍스트 데이터들에 대한 형태소 분석을 수행하여 단어 간 연관성을 파악하였다. 또, 문장에서 추출된 형태소는 구축된 감성사전을 통해 통계적으로 분석하여 이를 시각화 하여 보여 주었다. 이때, 추출된 단어가 감성사전에 존재하지 않을 경우 이를 자동으로 추가하는 기법을 제안하였다.

이론/모형

다음으로, 문장에서 추출된 형태소는 사전에 구축된 감성사전을 통해 김정호등[3]이 제안한 방법을 이용하여 통계적으로 분석한다.
Zhongchao가 제시한 방법은 영어 문법에 맞게 작성되어 있으나 한국어의 복잡한 성격에는 그대로 적용하기 힘들다. 따라서 본 연구에서는 Zhongchao가 제시한 방법을 인용하여 한국어 특성에 맞게 수정된 김정호의 방법을 사용한다.

후속연구

위와 같은 자동화 알고리즘을 활용함으로써 기업들은 소비자의 반응에 더욱 빠르게 대응 할 수 있어서 소비자 요구에 맞춰 가치창출이란 효과를 얻을 수 있다. 그러나, 본 연구는 아직 실험단계에 그치고 있어, 향후 문장패턴 구성 방식에 대한 연구가 추가로 필요하고 감성추출의 성능테스트가 필요하다.
이때, 추출된 단어가 감성사전에 존재하지 않을 경우 이를 자동으로 추가하는 기법을 제안하였다. 본 연구의 결과는 제품사용자의 호감도를 더욱 쉽고 정확하게 판별 할 수 있도록 하기 위한 방법으로 활용될 수 있다. 위와 같은 자동화 알고리즘을 활용함으로써 기업들은 소비자의 반응에 더욱 빠르게 대응 할 수 있어서 소비자 요구에 맞춰 가치창출이란 효과를 얻을 수 있다.

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

소셜데이터 감성분석을 통한 사용자의 호감도 분석
Favorable analysis of users through the social data analysis based on sentimental analysis 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

소셜데이터 감성분석을 통한 사용자의 호감도 분석 Favorable analysis of users through the social data analysis based on sentimental analysis 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

소셜데이터 감성분석을 통한 사용자의 호감도 분석
Favorable analysis of users through the social data analysis based on sentimental analysis 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper