• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.238-244
• /
• 2022

감정 분석은 텍스트에 표현된 인간의 감정을 인식하여 다양한 감정 유형으로 분류하는 것이다. 섬세한 인간의 감정을 보다 정확히 분류하기 위해서는 감정 유형의 분류가 무엇보다 중요하다. 본 연구에서는 사전 학습 언어 모델을 활용하여 우리말샘의 감정 어휘와 용례를 바탕으로 기쁨, 슬픔, 공포, 분노, 혐오, 놀람, 흥미, 지루함, 통증의 감정 유형으로 분류된 감정 말뭉치를 구축하였다. 감정 말뭉치를 구축한 후 성능 평가를 위해 대표적인 트랜스포머 기반 사전 학습 모델 중 RoBERTa, MultiDistilBert, MultiBert, KcBert, KcELECTRA. KoELECTRA를 활용하여 보다 넓은 범위에서 객관적으로 모델 간의 성능을 평가하고 각 감정 유형별 정확도를 바탕으로 감정 유형의 특성을 알아보았다. 그 결과 각 모델의 학습 구조가 다중 분류 말뭉치에 어떤 영향을 주는지 구체적으로 파악할 수 있었으며, ELECTRA가 상대적으로 우수한 성능을 보여주고 있음을 확인하였다. 또한 감정 유형별 성능을 비교를 통해 다양한 감정 유형 중 기쁨, 슬픔, 공포에 대한 성능이 우수하다는 것을 알 수 있었다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2021년도 제33회 한글 및 한국어 정보처리 학술대회
• /
• pp.379-383
• /
• 2021

감정 분석은 텍스트 데이터에서 인간이 느끼는 감정을 다양한 감정 유형으로 분류하는 것이다. 그러나 많은 연구에서 감정 분석은 긍정과 부정, 또는 중립의 극성을 분류하는 감성 분석의 개념과 혼용되고 있다. 본 연구에서는 텍스트에서 느껴지는 감정들을 다양한 감정 유형으로 분류한 감정 말뭉치를 구축하였는데, 감정 말뭉치를 구축하기 위해 심리학 모델을 기반으로 분류한 감정 어휘 사전을 사용하였다. 9가지 감정 유형으로 분류된 한국어 감정 어휘 사전을 바탕으로 한국어 영화 리뷰 말뭉치에 9가지 감정 유형의 감정을 태깅하여 감정 분석 말뭉치를 구축하고, KcBert에 학습시켰다. 긍정과 부정으로 분류된 데이터로 사전 학습된 KcBert에 9개의 유형으로 분류된 데이터를 학습시켜 기존 모델과 성능 비교를 한 결과, KcBert는 다중 분류 모델에서도 우수한 성능을 보였다.

• 가정과삶의질연구
• /
• 제12권1호
• /
• pp.93-103
• /
• 1994

본 연구는 부부의 감정적 자기노출 정도를 알아보고 그 유형을 분류한 뒤 관계되는 변인을 밝힘으로써 부부간의 감정적 자기노출에 관한 이해를 명확히 하는데 연구의 목적을 두었다. 248쌍의 부부를 대상으로 분석한 결과를 요약하면 다음과 같다. 1) 부부의 감정적 자기노출 정도는 부인이 남편보다 높은것으로 나타났다. 2) 부부의 감정적 자기노출에 가장 영향을 미치는 변인은 긍정적 노출의 경우는 심리적 변인이었으며 부정적 노출의 경우는 가정환경적 변인으로 나타났다. 3) 남편과 부인의 감정적 자기노출유형은 남편의 경우는 완전폐쇄형(43.3%), 부인의 경우는 완전노출형(48.2%)이 가장 많았으며, 부부간의 감정적 자기노출유형은 긍정적 자기노출에서는 상호노출형(43.7%), 부정적 자기노출에서는 상호폐쇄형 (38.4%)이 가장 많은것으로 나타났다. 4) 감정적 자기노출유형을 판별하는 가장 강력한 변인은 남편의 경우는 남성성, 부인의 경우는 자아개념으로 나타났다.

• 치위생과학회지
• /
• 제11권3호
• /
• pp.243-249
• /
• 2011

본 논문은 구미 지역의 치과임상에서 근무하는 치과위생사 220명을 대상으로 치과위생사의 A/B성격유형에 따른 감정노동을 확인하고 수면건강에 미치는 영향을 파악하여 감정노동 관리의 필요성에 대한 타당성을 도출하기 위한 것으로 다음과 같은 결과를 얻었다. 1. 치과위생사의 감정노동 전체평균은 2.75로 중위수 이상의 감정노동 스트레스 수준을 보였으며, 통계적 유의성을 나타낸 일반적인 특성 중 학력은 전문대학졸업이 4년제 대학 졸업이상자보다 높았으며, 근무장소는 종합병원이 치과병원이나 개인의원보다 높고, 임금은 낮거나 높은 단계보다 중간단계인 경우에 높게 분석되었으며 음주를 한다고 응답한 경우 감정노동이 높게 나타났다. 2. 대상자의 성격유형을 A/B 구분하였을 때 A유형인 경우 감정노동 항목에서 '내 일을 잘 하기 위해서는 고객의 호의와 협조가 필요하다'가 3.14로 가장 높게 분석되었다. 이를 성격유형에 따른 감정노동의 6문항별 감정노동의 평균값을 분석한 결과 모든 항목에서 A유형의 성격이 B유형의 성격보다 감정노동의 평균값이 높게 분석되었으며 통계적으로 유의하게 나타났다(p<0.05). 3. 치과위생사의 수면건강은 좋은 군과 나쁜 군이 각각 45.9%, 53.1%로 나쁜 군의 분포가 높았다. 감정노동의 스트레스가 높을수록 수면건강도 좋지 않았으며 성격유형에 따른 감정노동과 수면건강수준과의 관계는 성격유형 A유형의 감정노동인 경우 수면건강이 나쁜 군은 88.1%로 좋은 군보다 분포가 높으며 감정노동 평균이 2.85로 통계적으로 유의하였다(p<0.05). 성격유형 B유형의 감정노동은 수면건강이 좋은 군의 분포가 높고 감정노동의 평균도 나쁜 군보다 높게 나타났으나 통계적 유의성은 없었다. 4. 통계적 유의성이 있는 성격유형 A유형의 감정노동과 수면건강과의 회귀분석 결과 A유형은 감정노동이 높을수록 수면건강도 좋지 않다고 나타났으며 수면건강문항과 A유형과 감정노동 간의 인과성은 '잠들기 어려움', '깨었을 때 불충분한 잠을 잔 느낌', '수면제를 복용하고 있음'이 A유형의 감정노동에 유의한 영향을 주는 요소임을 알 수 있었다. 이상과 같은 결과를 바탕으로 치과의료기관의 질 높은 의료서비스를 제공하기 위하여 감정노동자로서 치과위생사임을 인식하고 감정노동의 중요성과 성격의 특징에 따른 감정노동의 관리를 통하여 치과위생사의 건강한 생활을 지속시키기 위한 노력이 필요하리라 사료된다.

• 한국콘텐츠학회논문지
• /
• 제13권8호
• /
• pp.72-82
• /
• 2013

본 연구에서는 트위터 상에서의 유명인과 트위터 이용자 사이에 이루어지는 트위터 매개 상호작용의 특성 및 감정 반응에 대해 탐색하였다. 이를 위해 유명인과의 트위터 매개 상호작용 유형을 '의사 교호작용', '정보 허브', 그리고 '팬덤' 등의 세 가지로 구분하였고, 유명인의 유형은 '연예인', '정치인', '전문인', 그리고 '블로거' 등의 네 가지로 분류하였다. 이렇게 구분된 트위터 매개 상호작용 및 유명인의 유형 범주에 따라 트위터 이용자들이 수행하는 트윗 행위의 특성을 분석 비교하였다. 또한 트위터 이용자들의 감정 반응을 나타내는 지표로 상정한 '이모티콘 이용'과 '감정 표현 제시' 빈도가 트위터 매개의 상호작용 유형 및 유명인 유형 범주에 따라 어떠한 차이가 있는지도 확인하였다. 분석을 위한 자료는 한국 트위터 공식 사이트를 통해 수집되었다. 공식 사이트를 활용하여 각 유형별 유명인에 대해 이루어진 트윗을 검색해 총 960개의 트윗을 수집하였고 각각의 트윗에 대한 내용 분석을 실시하였다. 분석 결과, 트위터 이용자들의 의사 교호작용 트윗 형태는 정치인과 전문가 유형에 대해서 가장 빈번했고, 팬덤 성격의 트윗은 연예인 유형에 대해서 가장 현저했으며, 정보 허브를 표방하는 트윗은 블로거 유형에 대해서 제일 빈번하게 수행된 것을 알 수 있었다. 감정 반응과 관련해서는 팬덤 유형의 트위터 매개 상호작용에 있어서 이모티콘 이용과 감정 표현의 제시 빈도가 가장 현저했다. 또 유명인 유형 중에서는 연예인에 대한 트윗에서 감정 반응이 가장 현저하게 드러났으며 이모티콘 이용 빈도는 전문인의 경우가 그 뒤를 이었고, 감정 표현 사용은 전문인과 정치인 유형이 유사한 것으로 확인되었다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 2000년도 하계학술발표대회 논문집 제19권 1호
• /
• pp.79-82
• /
• 2000

감정 표현 음성을 합성하기 위하여 본 연구에서는 감정 음성 데이터의 피치와 지속시간의 음절 유형별 및 어절 내 음절 위치에 따른 변화를 분석하였고, 스펙트럼 포락이 감정 변화에 어떤 영향을 미치는지를 분석하였다. 그 결과, 피치와 지속시간의 음절 유형별, 어절 내 음절 위치에 따른 변화와, 스펙트럼 포락 등도 감정 변화에 영향을 미치는 것으로 나타났다. 또한, 감정 음성의 음향학적 분석 결과를 적용하여 감정 음성을 합성하고 평가하기 위하여, 평상 음성의 음운 및 운율 파라미터 (피치, 에너지, 지속시간, 스펙트럼 포락)를 조절함으로써 감정 음성을 생성하는 감정 편집기를 구현하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2011년도 제43차 동계학술발표논문집 19권1호
• /
• pp.133-136
• /
• 2011

본 논문은 선행 연구된 인공감정 모델에 성격 유형별로 정서적 특징을 반영한 캐릭터의 인공감정을 설계하여 적용하는 것을 목적으로 한다. 캐릭터의 인공감정은 성격 유형별로 정서적 특징을 생성에서 소멸까지의 시간과 크기로 표현할 수 있다. 따라서 정서의 유지시간, 정서적 경험을 한번 했을 때 느낄 수 있는 최대 크기와 정서를 표현하는 시점을 두 단계로 나누어 정서적 특성을 MBTI 성격 유형에 따라 적용한다. 이렇게 설계된 인공감정은 실제 캐릭터의 적용해보고 성격 유형에 따라 감정 표현과 변화를 분석한다.

• 산업융합연구
• /
• 제20권11호
• /
• pp.41-47
• /
• 2022

본 연구의 목적은 2020년 COVID-19의 확산으로 전면 비대면 온라인(녹화 강의 및 실시간 화상 수업)으로 전환된 교양영어 수업을 수강한 대학 신입생들의 학습 감정을 알아보는데 있다. 연구 방법은 B대학 신입생 170명을 대상으로 학습감정검사지(Academic Emotion Questionnaire; AEQ)을 이용하여 설문조사하였다. 수집된 자료는 SPSS 19.0 프로그램으로 통계 처리하였고, 연구결과는 다음과 같다. 첫째, 신입생들의 영어 학습 감정이 온라인 수업 유형에 따라 긍정의 감정과 부정의 감정에서 모두 유의한 차이를 보였다(p < .01). 긍정의 감정은 녹화 강의수업에서, 부정의 감정은 실시간 화상 수업에서 더 높았다. 둘째, 신입생들의 영어 수준에 따라 온라인 수업 유형에 대한 학습 감정이 유의한 차이를 보였지만(p < .01), 수준과 무관하게 긍정의 감정은 녹화 강의에서 높았고, 부정의 감정은 실시간 화상수업에서 더 높았다. 셋째, 신입생들의 전공에 따라 온라인 수업 유형에 대한 학습 감정은 긍정의 감정에서만 유의한 차이를 보였다(p < .01). 자연이공계열 학생들이 인문사회계열 학생보다 동영상수업에 대한 긍정의 감정이 높았다. 마지막으로, 신입생들의 성별에 따라 온라인 수업 유형에 대한 학습 감정은 부정의 감정에서만 유의한 차이를 보였다(p < .01). 온라인 수업유형과 무관하게 여학생의 부정 감정이 남학생의 부정 감정보다 높았다. 연구결과를 토대로 제언 및 교육적 함의가 논의되었다.

• 디지털융복합연구
• /
• 제19권7호
• /
• pp.371-377
• /
• 2021

본 연구는 스포츠 경기의 특성에 따른 스포츠 감정 유형을 분석하였다. 이를 위해 2018년 아시안게임 중, 대한민국 대표팀이 출전한 축구 7경기, 야구 6경기를 선정한 후, 이에 대한 소셜 네트워크 서비스 상 기사와 그 댓글을 조사대상으로 선정하였다. Python을 이용하여 수집된 댓글은 전문가 회의를 통해 해당 감정을 분석하였다. 스포츠 경기의 승패, 상대 팀의 수준 및 대한민국 대표팀의 경기력에 따른 스포츠 감정을 분석한 결과, 첫째, 승패와 상대 팀 수준은 특정한 유형의 스포츠 감정을 형성한다고 보기 어려웠다. 둘째, 스포츠 경기의 경기력은 좋다는 평가를 받을 경우 만족, 열광, 기쁨 등의 긍정적 감정을, 나쁘다는 평가를 받을 경우 실망, 분노, 창피의 부정적 감정을 형성하였다. 셋째, 스포츠 경기와 연관된 사회·문화적 배경이나 해당 경기의 특정한 사건 또한 스포츠 감정의 유형에 영향을 미쳤다. 추후, 본 연구에서 다루지 못한 다양한 스포츠 경기의 특성을 추가하여 보다 많은 스포츠 경기를 대상으로 분석하는 연구가 필요할 것이다.

• 한국컴퓨터정보학회논문지
• /
• 제18권9호
• /
• pp.131-138
• /
• 2013

본 논문에서는 등장인물이 대사에서사용한감정어를 이용하여 등장인물의 감정 유형을 분류하는 방법을 제안하고 성능을 평가한다. 감정 유형은 긍정, 부정, 중립의 3 종류로 분류하며, 등장인물이 사용한 감정어를 누적하여 3 종류의 감정 유형 중에 어디에 속하는지를 파악한다. 대사로부터 감정어를 추출하기 위해 WordNet 기반의 감정어 추출 방법을 제안하고 감정어가 가진 감정 성분을 벡터로 표현하는 방식을 제안한다. WordNet은 영어 단어 간에 상위어와 하위어, 유사어 등의 관계로 연결된 네트워크 구조의 사전이다. 이 네트워크 구조에서 최상위의 감정항목과의 거리를 계산하여 단어별감정량을 계산하여 대사를 30 차원의 감정벡터로 표현한다. 등장인물별로 추출된 감정 벡터 성분들을 긍정, 부정, 중립의 3가지 차원으로 축소하여 표현한 후, 등장인물의 감정 성향이 어떻게 나타나는지를 추출한다. 또한 감정 성향의 추출 성능에 대해 헐리우드 영화 4개의 영화에서 12명의 등장인물을 선정하여 평가하여 제안한 방법의 효율성을 측정하였다. 대사는 영어로 이루어진 대사만을 사용하였다. 추출된 감정 성향 판단 성능은 75%의 정확도로 우수한 추출 성능을 나타내었다.