• 인터넷정보학회논문지
• /
• 제14권4호
• /
• pp.91-100
• /
• 2013

최근 많은 기업들이 도입하는 온라인 브랜드 커뮤니티는 기업 혁신에 도움이 될 고객의 의견을 수집하는 데 유용하게 활용되고 있다. 본 논문은 온라인 브랜드 커뮤니티에 게시되는 다양한 의견들 중 부정적 감정을 담고 있는 고객의견이 기업 혁신에 기여하는데 미치는 영향력을 분석하였다. 이를 위해 먼저 부정적 감정을 Fear, Anger, Shame, Sadness, Frustration의 총 다섯 가지 세분화된 감정으로 분류하고 WordNet과 SentiWordNet을 기반으로 부정적 감정에 대한 감정 어휘군을 구축하였다. 실험을 위해 본 연구에서는 스타벅스의 브랜드 커뮤니티인 MyStarbucksIdea.com에서 81,534건의 고객의견을 수집하였으며 부정적 감정 어휘군을 활용하여 각 고객의견 내 부정적 감정 정보를 추출하였다. 부정적 감정의 유무, 빈도, 강도의 세 가지 측면에 따른 기업 혁신에 대한 영향력을 분석한 결과, 부정적 감정이 담긴 고객의견이 기업 혁신에 유의미한 영향력을 미치는 것으로 나타났으며 부정적 감정 중, Frustration과 Sadness의 감정이 기업 혁신에 긍정적인 영향을 가지고 있음을 확인할 수 있었다.

• Journal of Advanced Marine Engineering and Technology
• /
• 제34권6호
• /
• pp.871-879
• /
• 2010

본 논문은 뉴스 기사의 댓글에 대한 사용자의 감정을 분류하는 시스템을 제안한다. 제안된 시스템은 댓글의 문서 분류 시스템으로 기계학습에 기반을 두고 있다. 댓글은 일반적인 문서와 달리 본문을 가지고 있으며 본문의 내용이 독자의 감정에 영향을 줄 수 있다. 본 논문에서는 이와 같은 댓글의 특성과 여러 가지 자원을 이용하여 감정 분류를 위한 자질을 제안하고 이들의 가중치 설정 방법을 제안한다. 실험을 통해 이러한 가중치 설정 방법이 한글 뉴스의 댓글에 대한 감정을 분류하는데 효과적임을 알 수 있었다. 또한 댓글과 같이 많은 오류를 포함하는 문서에 대해서 문자 단위의 2음절과 3음절 자질도 충분히 이용 가치가 있음을 확인할 수 있었다. 향후에 뉴스 기사의 댓글뿐 아니라 상품 댓글 등 일반적인 감정 분석에 적용할 계획이다.

• 복식
• /
• 제59권7호
• /
• pp.127-139
• /
• 2009

The purpose of this study is to research the change of Tibet's commercial district following Tibet's globalization(traditional clothing to modern clothing). Tibet's traditional culture is fastly changing for two major reasons: Chinese government's persistent assimilation policy on minority ethnic groups and globalization, a powerful trend worldwide. Therefore this investigation was conducted on the most preeminent feature of life, clothing culture, at capital city Lhasa where modernization is most prominent and fast in Tibet. For this, the first field investigation was conducted between February 5th and 15th, 2007. and the second investgation was between January 16th and 25th, 2008. As a result, the study on clothing globalization in Lhasa, Tibet, reaches the conclusion as follows: Based on such developments, commerce of Lhasa has been modernized, bringing about great change in composition and formation of its commercial district. Stores have been modernized and their service quality has improved. While the number of traditional clothes shops has decreased, various types of modern clothes shops have emerged. Modern clothes stores mostly consist of quality men's wear shops, casual clothing shops targeting those in their 20s, and sportswear shops reflecting global trend. This composition indicates that it is men and younger generation who first adopt new culture emerged through globalization. Tibet's modernization and social development have become an integral part of globalization and public sentiment. Therefore, its modernization will be driven by power and capability of the public, rather than by policy control of the central government.

• 인지과학
• /
• 제21권4호
• /
• pp.459-480
• /
• 2010

대화 시스템은 사용자의 의도를 파악하기 위해 발화 문장으로부터 다양한 형태론적 분석을 시도한다. 하지만 사용자는 발화 문장에 포함된 사전적 의미를 통해 의도를 전달할 뿐만 아니라 현재 감정 상태에 따라서 사전적 의미와는 다른 의도를 표현하거나 동일한 의미를 갖는 발화에서 다양한 의도를 표현한다. 따라서 대화에서 사용자의 감정을 파악하는 것은 사용자의 의도를 다양한 방향으로 분석할 수 있게 한다. 본 연구는 기계 학습 방법을 사용하여 사용자 발화 문장에 자동으로 감정 범주를 할당하는 방법을 제안한다. 일반적 감정 범주를 정의하기 위해 세부적인 감정 모델로 인정받고 있는 Plutchick의 감정 모델을 사용하여 9개 감정 범주를 재 정의하고 감정 분류를 위한 자질 집합을 문장 자질과 선험적 자질 그리고 문맥 자질로 구분하였다. 실험을 통하여 3가지 자질들의 최적 조합을 구성하고 감정의 자동 분류를 위해 SVM 분류기를 사용하였다. 실험 결과에서 제안 시스템은 비교 시스템에 비해 15% 높은 62.8%의 F1-평가치 성능을 나타냄으로서 제안된 방법이 감정 분류에 효과적임을 증명한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 추계학술대회
• /
• pp.1047-1050
• /
• 2015

IoT(Internet of Things)에 대한 관심과 함께 웨어러블 디바이스 또한 차세대 융합 기술의 핵심으로 그 관심이 증가하고 있다. 특히, 초기 단계인 스마트워치 시장의 선점을 위하여 여러 기업들이 경쟁하고 있으며, 사용자들은 이러한 경쟁 속에서 각 기기에 대한 의견을 SNS를 통하여 공유하며 그에 대한 선호도를 표출하고 있다. 따라서 본 논문에서는 스마트워치에 관련된 속성과 감성단어들에 대한 감성사전을 먼저 구축한 뒤 이를 토대로 의견 데이터 모델을 통하여 수집된 SNS의 데이터를 속성별로 분류한다. 이후 수집된 데이터를 자연언어 처리 기법을 이용하여 전반적 극성 및 속성별 극성을 판단하고 이를 통하여 각 스마트워치 리뷰에 대한 분석을 수행하고자 한다. 그리고 수집된 자료 분석을 통하여 사용자들이 선호하는 스마트워치의 속성을 파악할 수 있도록 하고 이를 통해 각 기기별 발전방향을 판단하는데 기여하도록 한다.

• 스마트미디어저널
• /
• 제5권1호
• /
• pp.61-68
• /
• 2016

최근 스마트폰과 태블릿 PC 등의 스마트 기기들의 발전으로 인해 SNS(Social Network Service) 사용자가 증가함에 따라 SNS 정보를 이용한 사용자 감정 분류 방법에 대한 기법들이 활발하게 연구되고 있다. 사용자 감정 분류는 SNS 게시글의 텍스트, 이미지 등을 이용하여 감정을 분류하는 것을 말한다. 본 논문에서는 텍스트에서 대표 형용사를 추출하고 이미지에서 Canny 알고리즘과 삼각함수를 이용해 대표 도형에 대한 값을 추출하여 사용자의 감정을 분류하는 방법을 제안한다. 텍스트에서 추출한 대표 형용사는 텍스트에서 추출한 형용사 중에 빈도수가 가장 높은 형용사로 선정하였으며, 영어 감정어휘 사전인 SentiWordNet을 이용하여 긍정-부정의 수치를 측정했다. 이미지에서 추출되는 도형에서 삼각형, 사각형, 원중에 추출되는 도형을 대표 도형으로 선정했으며, 대표 도형의 종류와 기울기에 따라 쾌-불쾌 수치를 측정하여 사용자의 감정을 분류했다. 최종적으로 Plutchik의 감정 바퀴를 긍정-부정과 쾌-불쾌의 수치를 나타내는 x축과 y축을 갖는 좌표평면으로 재정의하고 대표 형용사와 대표 도형의 값을 재정의한 Plutchik의 감정 바퀴의 좌표 평면에 나타내어 사용자의 감정 분류를 수행한다.

• 동의신경정신과학회지
• /
• 제31권4호
• /
• pp.249-258
• /
• 2020

Objectives: S-HTP is a projective test of cognitive activity. The purpose of this study was to examine the response characteristics in the S-HTP test as they related to seven emotions and cognitive processes. Methods: 153 students underwent S-HTP testing. 10 students were excluded and a total of 143 students' data was used for the study. 143 students were classified into four groups by SCAT. A survey was conducted on seven emotions and cognitive processes painting the Whole picture, house, tree, and person, and after receiving IRB review exemption, the chi-square test was conducted to check homogeneity of the groups by gender and age. Finally, frequency analysis by constitution for each item was conducted. Results: The reaction characteristics of S-HTP, focusing on the seven emotions and cognitive processes detailed by Korean Medicine, are as follows: 1. The primary sentiment while drawing during S-HTP was 'Joy (hui)' followed by 'Thought (sah)'. 2. The sentiments while painting during the S-HTP test, and the emotions of looking at the picture after the S-HTP test, increased in 'Joy (hui)' and decreased in 'Thought (sah)'. 3. 'Thought (Sah)' was the highest scored process while drawing S-HTP, followed by 'jee (智)'. However, 'ryeo (慮)' was similar to 'jee (智)' in an unclassifiable constitution. Conclusions: The primary characteristics of the S-HTP test response are 'Joy (hui)' and 'Thought (sah)' in emotion, and 'sah (思)' and 'jee (智)' in cognitive processes. Therefore, it is necessary to verify this during the S-HTP test.

• 한국IT서비스학회지
• /
• 제19권6호
• /
• pp.131-144
• /
• 2020

As the blockchain technology attracts attention, interest in cryptocurrency that is received as a reward is also increasing. Currently, investments and transactions are continuing with the expectation and increasing value of cryptocurrency. Accordingly, prediction for cryptocurrency price has been attempted through artificial intelligence technology and social sentiment analysis. The purpose of this paper is to develop a deep learning ensemble model for predicting the price fluctuations and one-day lag price of cryptocurrency based on the design science research method. This paper intends to perform predictive modeling on Ethereum among cryptocurrencies to make predictions more efficiently and accurately than existing models. Therefore, it collects data for five years related to Ethereum price and performs pre-processing through customized functions. In the model development stage, four LSTM models, which are efficient for time series data processing, are utilized to build an ensemble model with the optimal combination of hyperparameters found in the experimental process. Then, based on the performance evaluation scale, the superiority of the model is evaluated through comparison with other deep learning models. The results of this paper have a practical contribution that can be used as a model that shows high performance and predictive rate for cryptocurrency price prediction and price fluctuations. Besides, it shows academic contribution in that it improves the quality of research by following scientific design research procedures that solve scientific problems and create and evaluate new and innovative products in the field of information systems.

• 패션비즈니스
• /
• 제26권1호
• /
• pp.1-15
• /
• 2022

Digital transformation has induced changes in human life patterns; consumption patterns are also changing to digitalization. Entering the era of industry 4.0 with the 4th industrial revolution, it is important to pay attention to a new paradigm in the fashion industry, the shift from developer-centered to user-centered in the era of the 3rd industrial revolution. The meaning of storing users' changing life and consumption patterns and analyzing stored big data are linked to consumer sentiment. It is more valuable to read emotions, then develop and distribute products based on them, rather than developer-centered processes that previously started in the fashion market. An AI(Artificial Intelligence) deep learning algorithm that analyzes user emotion big data from user experience(UX) to emotion and uses the analyzed data as a source has become possible. By combining AI technology, the fashion industry can develop various new products and technologies that meet the functional and emotional aspects required by consumers and expect a sustainable user experience structure. This study analyzes clear and useful user experience in the fashion industry to derive the characteristics of AI algorithms that combine emotions and technologies reflecting users' needs and proposes methods that can be used in the fashion industry. The purpose of the study is to utilize information analysis using big data and AI algorithms so that structures that can interact with users and developers can lead to a sustainable ecosystem. Ultimately, it is meaningful to identify the direction of the optimized fashion industry through user experienced emotional fashion technology algorithms.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.391-394
• /
• 2021

최근 딥러닝(Deep Learning)을 활용하여 텍스트로 표현된 단어나 문장의 의미를 파악하기 위한 다양한 연구가 활발하게 수행되고 있다. 하지만, 딥러닝을 통해 특정 도메인에서 사용되는 언어를 이해하기 위해서는 해당 도메인의 충분한 데이터에 대해 오랜 시간 학습이 수행되어야 한다는 어려움이 있다. 이러한 어려움을 극복하고자, 최근에는 방대한 양의 데이터에 대한 학습 결과인 사전 학습 언어 모델(Pre-trained Language Model)을 다른 도메인의 학습에 적용하는 방법이 딥러닝 연구에서 많이 사용되고 있다. 이들 접근법은 사전 학습을 통해 단어의 일반적인 의미를 학습하고, 이후에 단어가 특정 도메인에서 갖는 의미를 파악하기 위해 추가적인 학습을 진행한다. 추가 학습에는 일반적으로 대표적인 사전 학습 언어 모델인 BERT의 MLM(Masked Language Model)이 다시 사용되며, 마스크(Mask) 되지 않은 단어들의 의미로부터 마스크 된 단어의 의미를 추론하는 형태로 학습이 이루어진다. 따라서 사전 학습을 통해 의미가 파악되어 있는 단어들이 마스크 되지 않고, 신조어와 같이 의미가 알려져 있지 않은 단어들이 마스크 되는 비율이 높을수록 단어 의미의 학습이 정확하게 이루어지게 된다. 하지만 기존의 MLM은 무작위로 마스크 대상 단어를 선정하므로, 사전 학습을 통해 의미가 파악된 단어와 사전 학습에 포함되지 않아 의미 파악이 이루어지지 않은 신조어가 별도의 구분 없이 마스크에 포함된다. 따라서 본 연구에서는 사전 학습에 포함되지 않았던 신조어에 대해서만 집중적으로 마스킹(Masking)을 수행하는 방안을 제시한다. 이를 통해 신조어의 의미 학습이 더욱 정확하게 이루어질 수 있고, 궁극적으로 이러한 학습 결과를 활용한 후속 분석의 품질도 향상시킬 수 있을 것으로 기대한다. 영화 정보 제공 사이트인 N사로부터 영화 댓글 12만 건을 수집하여 실험을 수행한 결과, 제안하는 신조어 표적 마스킹(NTM: Newly Coined Words Target Masking)이 기존의 무작위 마스킹에 비해 감성 분석의 정확도 측면에서 우수한 성능을 보임을 확인하였다.