텍스트 감성 분석 (Text Sentimental Analysis)

최근 SNS와 같은 소셜미디어의 활성화로 인해 많은 대중들은 인터넷 상에 자신의 감성과 태도를 표출하고, 이에 따른 '감성 분석'에 높은 관심이 지속되고 있다.

대표적인 예로 'Hungerithm' 이라는 배고픔(Hunger) + 알고리즘(Algorithm) 을 합성한 단어가 있는데, 이는 스니커즈 식품회사가 SNS에서 식사시간 이전이 식사시간 이후보다 사람들의 피드에 부정적인 글이 많이 올라온다는 점에서 착안해 만든 유머러스한 단어이다.

이는 대표적인 텍스트 감성 분석의 예로, 사람들의 코멘트를 실시간으로 분석해 마케팅을 펼쳤다.

 

 

🧤 감성분석이란?

: 텍스트에 나타나는 주관적 요소인 긍정적 감정과 부정적 감정을 판별해 이를 수치나 도식, 등급 등으로 정량화하는 작업. 단순히 긍정/부정을 판별하는 것 뿐 아닌 대상이 되는 개체나 속성을 추출하고, 감성을 표현하는 이들의 감정, 감성, 태도, 입장 등을 분석함

 

'추출 - 범주화 및 분류 - 예측'의 단계를 통해 '긍정'과 '부정'의 이분법적 분류, 혹은 '중립'이 포함되어 그 정도를 0-10의 숫자로 표현한다.

 

감성 표현(Sentiment Expression)의 대상은 개체(Entity)라고 한다.

예를 들어, 화장품의 평이 '촉촉하다' 라는 것은 감성 표현이며,

감성이 표현하는 대상인 화장품, 즉 파운데이션 등은 개체가 된다.

추가로 개체에 대한 평가는 '성분', '가격'에 따라 달라질 수 있는데 이들을 속성(Aspect)라고 부른다.

또한 의견 보유자(Opinion Holder)의 속성(성별, 나이, 직업 등)과 시간에 따른 추이 등이 중요 정보가 될 수 있다.

 

1. '데이터 수집'

2. 텍스트 작성자의 주관이 드러난 부분을 걸러내는 '주관성 탐지'

3. '주관성의 극성'을 미리 정의된 극성 / 정도 로 분류함

 

 

(1) 기계학습 기반 접근법

- 주어진 문자 데이터에 존재하는 패턴을 분석해 감성 분류 예측 모형을 구축한 후, 학습한 데이터와 유사한 특성을 갖는 분석 대상 데이터에 적용함으로써 감성 분석 수행

- 긍정/부정으로 분류된 라벨(label)이 붙은 데이터가 다수 있어야 학습이 가능

 

(2) 감성사전 기반 접근법

- 수집된 문자 데이터를 전처리해 미리 구축된 감성사전과 매칭한 뒤 어느 쪽 극성의 감성어가 많이 나오는지 정량화 해 감성 분석함

- 극성 범주, 감성 점수 (ex. '매우 나쁘다' (-2)) 로 구성됨

- 같은 단어도 의미 차이가 생길 수 있으므로 많은 고민과 비용이 요구됨

 

* 속성 기반 감성 분석

- 단순히 '좋다', '싫다'가 아닌 '어떤 이유로', '무엇을' 좋아하는지에 대한 정보가 필요하다.

- 속성 기반 감성 분석은 문장 수준의 감성 분석에 비해 정교한 분석 방법을 요구한다.

 

 

 

'에뛰드 하우스'의 감성 분석 기반 마케팅 대시보드 구축 사례

1. 데이터 수집

2. 데이터의 전처리

- 같은 의미를 지닌 단어들의 다양한 형태를 하나의 타겟(target)형으로 통일해줌

3. 형태소 사전 구축

4. 속성어 사전 구축

5. 감성어 사전 구축

6. 감성 분석 모형의 구축 및 결과 도출

 

출처: https://dbr.donga.com/article/view/1202/article_no/8891/ac/magazine

 

출처: https://dbr.donga.com/article/view/1202/article_no/8891/ac/magazine

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

References

https://dbr.donga.com/article/view/1202/article_no/8891/ac/magazine