• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• 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.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• 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.

• Journal of Families and Better Life
• /
• v.12 no.1
• /
• 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.

• Journal of dental hygiene science
• /
• v.11 no.3
• /
• pp.243-249
• /
• 2011

Under the goal of investigating relations between emotional labor and sleep health according to the personality types of dental hygienists, who provide high quality medical service at dental clinics, this study surveyed 220 dental hygienists in Gumi city from July 2 to 21, 2010. The surveyed dental hygienists scored average 2.75 in emotional labor, which means their emotional labor was higher than average. Their emotional labor was in statistically significant relations with such general characteristics as educational background, place of work, salary, and drinking(p<0.05). The means of their emotional labor in six items were analyzed according to the personality types. As a result, personality type A had higher means in emotional labor than personality type B with statistical significance(p<0.05). The more stress they had from emotional labor, the worse their sleep health became. As for the relations between emotional labor and sleep health according to the personality types, the bad sleep health group accounted for 88.1% and recorded 2.85 mean scores in emotional labor, which was statistically significant(p<0.05), in personality type A. The regression analysis results of emotional labor in personality type A and sleep health indicate that the more emotional labor in personality type A they had, the worse their sleep health became. As for causality between personality type A and emotional labor, "difficulty with sleeping," "a feeling of lack of sleep when waking up," and "taking sleeping pills" had significant influences on the emotional labor of personality type A. Dental hygienist who owns the characteristics of personality type A, the more emotional labor, emotional stress of personality type A labor is high and unhealthy sleep affects the results were derived.

• The Journal of the Korea Contents Association
• /
• v.13 no.8
• /
• pp.72-82
• /
• 2013

The present study explored types of Twitter-mediated communication and emotional responses of Twitter users toward celebrities. Three perspectives of para-social interactions, information hub, and fandom were proposed as communication types on Twitter. Celebrities were classified by entertainer, politician, specialist, and blogger. Communication patterns according to each category of celebrities were analyzed. The patterns of emotional responses, which represents the use of emoticons and emotional expressions were also analyzed. The results show that the type of para-social interactions was frequently accepted for the interactions with politicians and specialists, while fandom style was salient for the entertainers. For the power bloggers, the users tend to adopt the type of information hub interaction. The use of emotions and emotional expressions were most frequent in case of fandom style communication and the messages to the entertainers. Implications were further discussed.

• Proceedings of the Acoustical Society of Korea Conference
• /
• spring
• /
• 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.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2011.01a
• /
• 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.

• Journal of Industrial Convergence
• /
• v.20 no.11
• /
• pp.41-47
• /
• 2022

This study explored the academic emotions of university freshmen depending on the type of online class(pre-recorded lecture vs. real time online class) that they took during the COVID-19 lockdown. 170 freshmen participated in the survey based on the 'Academic Emotion Questionnaire(AEQ)', and the statistical results are as follows; Firstly, research showed that the participants felt higher positive emotions for pre-recorded lecture than for real time online class, and higher negative emotions for real time online class than for pre-recorded lecture(p < .01). Secondly, participants felt different emotions depending on English level(p < .01). Thirdly, participants felt different emotions depending on their majors(p < .01). Students majoring in science & engineering felt higher positive emotions than those in humanities & social studies in pre-recorded lecture class. Fourthly, participants felt different emotions depending on gender(p < .01). Female students felt higher negative emotions than male students. Finally, the pedagogical implications and suggestions were discussed.

• Journal of Digital Convergence
• /
• v.19 no.7
• /
• pp.371-377
• /
• 2021

This study tried to analyze the types of sport emotion by sport game characteristics. For that, 7 soccer games and 6 baseball games of Korean team in 2018 Asian Games were selected, and the articles and their replies about those on social network services were collected as study materials. Python was used for the collecting and expert group meeting was held for the emotion analysis. As the results of the analysis on sport emotion types by win or lose, the level of opponents and the performance of Korean team as game characteristics, the following conclusions were drawn. First, it was hard to say that win or lose and opponent's level make certain sport emotion type. Second, The performance could made contended, enthusiastic and joyful emotions when judged good, but frustrated, angry, humiliated emotions when bad. Third, social·cultural background or certain event of the games also could effect on the sport emotion types. Follow-up studies with the other game characteristics and more game cases were needed to find out more clear causal relationship.

• Journal of the Korea Society of Computer and Information
• /
• v.18 no.9
• /
• pp.131-138
• /
• 2013

In this paper, I propose and evaluate the method that classifies emotional type of characters with their emotional words. Emotional types are classified as three types such as positive, negative and neutral. They are selected by classification of emotional words that characters speak. I propose the method to extract emotional words based on WordNet, and to represent as emotional vector. WordNet is thesaurus of network structure connected by hypernym, hyponym, synonym, antonym, and so on. Emotion word is extracted by calculating its emotional distance to each emotional category. The number of emotional category is 30. Therefore, emotional vector has 30 levels. When all emotional vectors of some character are accumulated, her/his emotion of a movie can be represented as a emotional vector. Also, thirty emotional categories can be classified as three elements of positive, negative, and neutral. As a result, emotion of some character can be represented by values of three elements. The proposed method was evaluated for 12 characters of four movies. Result of evaluation showed the accuracy of 75%.