• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.04a
• /
• pp.291-293
• /
• 2015

최근 스마트폰 사용자와 SNS를 이용하는 사용자들이 늘어나고 있다. 또 다양한 SNS가 등장하면서 SNS데이터의 양이 방대해지고 SNS데이터의 가치와 신뢰성도 점점 높아지고 있다. 이러한 SNS 데이터를 사용하여 특정 키워드의 여론을 분석하고 사용자들의 반응을 얻는 것은 좋은 정보로 여러 분야에 사용될 수 있을 것이다. 본 논문에서는 SNS를 기반으로 오피니언 마이닝을 사용해 특정 키워드에 대한 SNS사용자들의 여론을 분석하였다. 그 결과 실시간으로 올라오는 글들에 대하여 해당 키워드가 어떤 여론을 가지고 있는지 분석 결과를 얻었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.05a
• /
• pp.504-507
• /
• 2018

빅데이터가 일상이 된 현대 사회에서 책 시장의 증가와 책 양의 증가로 인하여 책을 개인에 맞게 선택하는데 어려움이 있다. 그래서 개인 맞춤 추천 시스템이 필요하다. 개인 맞춤 추천 시스템에서 가장 많이 사용하는 방법은 협업 필터링 방법이 있다. 협업 필터링은 희박성 문제를 가지고 있다. 본 논문에서는 협업 필터링 방법에 희박성 문제를 해결하기 위하여 지역, 나이, 성별, 장르 등 개인 성향을 이용하고, 기존의 책 리뷰를 오피니언 마이닝 기법을 적용하여 개인 맞춤형 도서를 추천하는 추천시스템을 제안한다.

• Annual Conference on Human and Language Technology
• /
• 2010.10a
• /
• pp.112-113
• /
• 2010

최근 오피니언 마이닝 관련 연구 중 감정 분류에 대한 관심이 높아지면서 많은 연구가 진행되고 있다. 기존 영어권 연구에서 제시되어온 방법은 한국어 상품평에 적용하는 것이 쉽지 않다. 영어 시소러스 기반 한국어 감정단어 추출 기술은 한국어와 영어 단어가 일대일로 일치하기가 어렵다는 문제가 있다. 기존 관련 연구 중 k-Structure 기법은 패턴의 길이가 3인 단순한 문장에 속성단어와 감정단어가 포함되었을 경우를 기준으로 한 것이므로 한정적이다. 본 논문에서 제안하는 방법은 상품평에서 의미적인 패턴을 추출하여 감정 단어의 위치를 파악하는 방법이다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.04a
• /
• pp.1097-1100
• /
• 2012

지금 이 시대를 살아가는 현대인들은 엄청나게 방대한 양의 디지털 정보 속에서 살아가고 있다. 하지만 사람들은 이런 자료들에 노출되어 있다는 것을 망각하고, 많은 유용한 정보들을 자기의 것으로 만들지 못하고 스쳐 지나가고 있다. 가장 큰 문제는 그 정보를 우리는 믿을 수 있는가 이다. 그래서 본 논문에서는 어떠한 정보가 유용하고 필요한 정보인지 고를 수 있게 도울 수 있는 통합 오피니언 마이닝 시스템 흐름도를 제시하고자 한다. 또한 익명의 사용자들이 만들어내는 의견도 포함하여 자료의 풍부함을 도모한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.11a
• /
• pp.35-38
• /
• 2010

인터넷 시장이 빠르게 성장함에 따라 사용자들의 참여도가 매우 높아졌다. 인터넷 사용자들은 인터넷 쇼핑의 상품에 관한 의견을 웹 상에 표현하기 시작했고, 실제 소비자이 판단하는 데에 많은 영향을 미치고 있다. 하지만 현재에 들어 그 양이 엄청나게 방대해 졌기 때문에 사용자들이 원하는 정보만을 찾아내는 것은 어려운 일이다. 본 논문에서는 사용들이 작성한 인터넷 쇼핑에서 상품평에 관한 리뷰를 모아 방대한 양에서 오피니언 마이닝 기법을 이용해 유용한 정보를 효율적으로 도출해서 사용자가 원하는 정보를 요약하여 제공하는 방법을 제안한다. 이러한 방법을 통해서 사용자는 상품을 구매하기 전에 좀 더 객관적이고 효율적으로 판단을 내릴 수 있을 것이다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.11a
• /
• pp.373-375
• /
• 2011

최근 많은 연구가 되고 있는 오피니언 마이닝은 의견어 사전의 구축이 가장 기본적으로 선행되어야 하는 연구이다. 오피니언 마이닝의 의견어 사전 구축 연구는 영어를 중심으로 많은 연구가 진행 되었다. 하지만 형용사 위주의 의견어 사전 구축으로 많은 부분의 문제들이 해결되는 영어에 비해서 한국어는 여러 가지 품사와 문장구조를 고려하여 의견어 사전을 구축해야한다. 이것을 실험으로 밝히기 위하여 형용사로만 구성되어진 의견어 사전을 구축하고 영화평에 적용하여 분석해 봄으로써 형용사로만 구성되어진 의견어 사전의 한계점을 확인한다. 실험은 세종계획 말뭉치에서 나타나는 형용사로 구성된 의견어 사전을 구축하고 네이버 랩에서 제공하는 영화평을 형용사로 구성된 의견어 사전으로 의견 분석하여 시행하였다. 분석 결과 재현율 약 50%, 정확률 약 60%정도의 성능을 보였다.

• Journal of KIISE:Databases
• /
• v.36 no.4
• /
• pp.254-262
• /
• 2009

As the trend of e-business activities develop, customers come into contact with products through on-line shopping sites and lots of customers refer product reviews before the purchasing on-line. However, as the volume of product reviews grow, it takes a great deal of time and effort for customers to read and evaluate voluminous product reviews. Lately, attention is being paid to Opinion Mining(OM) as one of the effective solutions to this problem. In this paper, we propose an efficient method for opinion sentiment classification of product reviews using product specific context information of words occurred in the reviews. We define the context information of words and propose the application of context for sentiment classification and we show the performance of our method through the experiments. Additionally, in case of word corpus construction, we propose the method to construct word corpus automatically using the review texts and review scores in order to prevent traditional manual process. In consequence, we can easily get exact sentiment polarities of opinion words in product reviews.

• Korean Journal of Cognitive Science
• /
• v.23 no.1
• /
• pp.97-107
• /
• 2012

Previous studies on opinion mining and sentiment analysis have supposed that the polarity and value of an emotional word is reversed when a negation word is attached. However, there are no quantitative studies on how much the polarity is changed when a negation word is following. Therefore, we measured the valence and arousal dimensions for Korean emotional words and their negations. Consequently, the polarity of valence and arousal was reversed on their intermediate level. Also, the value was reduced by about 30% to 50%. We propose this result as a guideline for processing negation words for studies on opinion mining and sentiment analysis.

• Science of Emotion and Sensibility
• /
• v.15 no.1
• /
• pp.97-104
• /
• 2012

Recently, a big text data has been produced by users, an opinion mining to analyze information and opinion about users is becoming a hot issue. Of the opinion mining, especially a sentiment analysis is a study for analysing emotions such as a positive, negative, happiness, sadness, and so on analysing personal opinions or emotions for commercial products, social issues and opinions of politician. To analyze the sentiment analysis, previous studies used a mapping method setting up a distribution of emotions using two dimensions composed of a valence and arousal. But previous studies set up a distribution of emotions arbitrarily. In order to solve the problem, we composed a distribution of 12 emotions through carrying out a survey using Korean emotion words list. Also, certain emotional states on two dimension overlapping multiple emotions, we proposed a selection method with Roulette wheel method using a selection probability. The proposed method shows to classify a text into emotion extracting emotion terms from a text.

• Journal of Digital Convergence
• /
• v.17 no.2
• /
• pp.163-170
• /
• 2019

Over the past decade, the development of the Web explosively increased the data. Feature selection step is an important step in extracting valuable data from a large amount of data. This study proposes a novel opinion mining model based on combining feature selection (FS) methods with Word embedding to vector (Word2vec) and BOW (Bag-of-words). FS methods adopted for this study are CFS (Correlation based FS) and IG (Information Gain). To select an optimal FS method, a number of classifiers ranging from LR (logistic regression), NN (neural network), NBN (naive Bayesian network) to RF (random forest), RS (random subspace), ST (stacking). Empirical results with electronics and kitchen datasets showed that LR and ST classifiers combined with IG applied to BOW features yield best performance in opinion mining. Results with laptop and restaurant datasets revealed that the RF classifier using IG applied to Word2vec features represents best performance in opinion mining.