• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2011년도 추계학술대회
• /
• pp.52-53
• /
• 2011

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2011년도 춘계학술대회
• /
• pp.27-28
• /
• 2011

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2011년도 추계학술대회
• /
• pp.19-20
• /
• 2011

• 한국멀티미디어학회논문지
• /
• 제18권2호
• /
• pp.233-243
• /
• 2015

A hotspot is a spatial pattern that properties or events of spaces are densely revealed in a particular area. Whereas location information is easily captured with increasing use of mobile devices, so is not our emotion unless asking directly through a survey. Tweet provides a good way of analyzing such spatial sentiment, but relevant research is hard to find. Therefore, we analyzed hotspots of emotion in the twitter using spatial autocorrelation. 10,142 tweets and related GPS data were extracted. Sentiment of tweets was classified into good or bad with a support vector machine algorithm. We used Moran's I and Getis-Ord $G_i^*$ for global and local spatial autocorrelation. Some hotspots were found significant and drawn on Seoul metropolitan area map. These results were found very similar to an earlier conducted official survey of happiness index.

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2011년도 추계학술대회
• /
• pp.17-18
• /
• 2011

• 한국컴퓨터정보학회논문지
• /
• 제27권2호
• /
• pp.53-60
• /
• 2022

Youtube는 낮은 진입장벽과 영상물 규제 기준의 모호함으로 인하여 검증되지 않은 사실을 기반으로 한 가짜뉴스, 편파적 콘텐츠 등이 사실적으로 나타난다. 따라서 본 연구에서는 언론과 Youtube가 개인의 행동에 미치는 영향과 이들의 관계성을 분석하고자 한다. selenium, beautiful soup, Twitter API로 Youtube와 Twitter의 데이터를 무작위로 가져와 가장 자주 언급되는 키워드 31개를 분류한다. 분류된 31개의 키워드를 기반으로 Youtube, Twitter, 네이버 뉴스에서 데이터를 수집 후, NLTK(Natural Language Toolkit)의 Vader 모델로 긍정, 부정, 중립감정을 분류 및 수치화하여 분석 데이터로 사용했다. 데이터들의 상관성을 분석한 결과, 뉴스의 부정수치가 높아질수록 Youtube에서는 긍정적인 콘텐츠가 많아지는 것으로 분석되었다. 본 연구결과로, Youtube는 2차로 가공하여 전달되는 특성으로 인해 뉴스에서 나타나는 감정 지수와 일치하지는 않는다. 즉, 가공된 Youtube 콘텐츠는 소통의 창구인 Twitter의 긍정, 부정수치에도 직관적으로 영향을 미치게 된다. 본 연구결과는 사람들의 흥미와 본능을 자극하여 시선을 끄는 황색언론의 등장으로 정보의 정확한 판단이 어려워진 현 상황에서, 자극적이고 부정적인 영상으로 사회에 악영향을 끼치는 것으로 인식되어있는 Youtube가 도리어 개인의 식별력을 보조하는 역할을 하는 것으로 분석되었다.

• 디지털융복합연구
• /
• 제12권12호
• /
• pp.249-255
• /
• 2014

최근 트위터, 페이스북 등과 같은 소셜 네트워크 서비스(Social Network Service, SNS)의 확산과 더불어 정보의 생성 및 공유가 활발히 이루어지고 있다. 이러한 SNS 매체들을 통해 생산하는 많은 데이터를 활용하기 위해 축적된 데이터로부터 의미 있는 정보를 추출해 내는 기술의 필요성이 대두되고 있으며, 데이터 마이닝 기법을 이용하여 의미있는 지식을 찾아낸다. 특히, 다양한 형태의 방대한 자료들로부터 표출되는 의견, 정책, 성향, 감정 등 대중의 집단지성에 나타난 일반적인 감정분석이 활용되고 있다. 본 논문에서는 대중들이 SNS를 통해 작성한 사용자들의 짧은 문장에 함축된 단어와 단어들 간의 연관성을 이용하여 문장 내 감정 상태를 예측하고 사용자의 감정에 따른 적절한 답변이나 추출한 감정과 유사한 트윗글이나 영화 등을 추천하는데 사용될 수 있는 방법을 제안한다.

• 한국안전학회지
• /
• 제31권6호
• /
• pp.113-120
• /
• 2016

People use social media platforms such as Twitter to leave traces of their personal thoughts and opinions. In other words, social media platforms retain the emotions of the people as it is, and accurately understanding the emotions of the people through social media will be used as a significant index for disaster management. In this research, emotion type modeling method and emotional quotient quantification method will be proposed to understand the emotions present in social media platforms. Emotion types are primarily analyzed based on 3 major emotions of affirmation, caution, and observation. Then, in order to understand the public's emotional progress according to the progress of disaster or accident and government response in detail, negative emotions are broken down into anxiety, seriousness, sadness, and complaint to enhance the analysis. Ultimately, positive emotions are further broken down into 3 more emotions, and Russell emotion model was used as a reference to develop a model of 8 primary emotions in order to acquire an overall understanding of the public's emotions. Then, the emotional quotient of each emotion was quantified. Based on the results, overall emotional status of the public is monitored, and in the event of a disaster, the public's emotional fluctuation rate could be quantitatively observed.

• 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.

• 한국지능시스템학회논문지
• /
• 제21권5호
• /
• pp.609-617
• /
• 2011

본 논문에서는 트위터로부터 자동 생성한 사용자 프로파일을 이용하는 개인 맞춤형 음식 추천 시스템을 제안한다. 사용자 개인의 트위터 문장에서 명사를 추출하고, 감정단어와의 공기 여부에 따라 감정점수를 계산한 후. 사용자 프로파일을 생성한다. 각 음식에 관한 정보는 웹에서 검색한 웹 페이지를 분석, 가공하여 음식별 대표 명사 목록을 만들어 사용한다. 이렇게 구축된 사용자 프로파일과 각 음식별 특징 정보 간 유사도를 계산하여 사용자에 맞는 음식을 추천 해준다. 제안하는 방법은 추천 시스템을 처음 사용하는 사용자라 할지라도 사용자 프로파일이 자동으로 구축되어 추천에 사용되기 때문에 항상 추천 결과를 얻을 수 있는 장점이 있다.