소셜미디어를 통한 우울 경향 이용자 담론 주제 분석 = An Analysis of the Discourse Topics of Users who Exhibit Symptoms of Depression on Social Media

다국어 초록 (Multilingual Abstract)

Depression is a serious psychological disease that is expected to afflict an increasing number of people. And studies on depression have been conducted in the context of social media because social media is a platform through which users often frankly express their emotions and often reveal their mental states. In this study, large amounts of Korean text were collected and analyzed to determine whether such data could be used to detect depression in users. This study analyzed data collected from Twitter users who had and did not have depressive tendencies between January 2016 and February 2019. The data for each user was separately analyzed before and after the appearance of depressive tendencies to see how their expression changed. In this study the data were analyzed through co-occurrence word analysis, topic modeling, and sentiment analysis. This study’s automated data collection method enabled analyses of data collected over a relatively long period of time. Also it compared the textual characteristics of users with depressive tendencies to those without depressive tendencies.

국문 초록 (Abstract)

우울증은 전 세계적으로 많은 사람들이 겪고 있으며, 최근 다양한 분야에서 꾸준히 우울증에 대한 연구가 수행되고 있다. 특히 사람들이 본인의 스트레스나 감정 상태에 대해 소셜미디어에 공유한 글을 통해 그들의 심리나 정신건강에 대해 파악해보고자 하는 맥락에서 소셜미디어를 활용한 연구 역시 유의미하게 받아들여지고 있다. 이에 본 연구에서는 우울 경향의 이용자와 그렇지 않은 이용자들의 2016년부터 2019년 2월까지의 트위터 데이터를 수집하여 어떤 주제적, 어휘 사용의 특성을 보이는지 보고자 하였으며, 우울 경향의 시기별로도 어떤 차이를 보이는지 살펴보기 위해 우울 경향 관측 날짜를 기준으로 하여 이전(before) 시기와 이후(after) 시기를 구분하여 실험을 수행하였다. 토픽모델링, 동시출현 단어분석, 감성분석 방법을 통해 우울 경향과 비(非)우울 경향 이용자의 텍스트의 주제적 차이를 살펴보았고, 감성 반응에 따라 사용한 어휘에 대해서도 살펴봄으로써 어떠한 특성이 있는지 확인해 보았다. 데이터 수집 단계에서 ‘우울’ 표현을 포함한 텍스트 데이터 수집방법을 통해 비교적 긴 기간, 많은 양의 데이터를 수집할 수 있었고, 또한 우울 경향의 여부와 시기적 구분에 따른 관심 주제에 대한 차이도 확인할 수 있었다는 점에서 유의미하다고 볼 수 있다.

참고문헌 (Reference)

1 이현서, "트럼프 취임 관련 국내 언론에서 나타난 감성과 거시 경제 지수 간 영향 관계: 텍스트 마이닝을 적용하여" 한국지역언론학회 18 (18): 129-169, 2018

2 진설아, "토픽 모델링 기반 정보학 분야 학술지의 학제성 측정 연구" 한국정보관리학회 33 (33): 7-32, 2016

3 송민, "텍스트마이닝" 청람 2017

4 배정환, "텍스트 마이닝을 이용한2012년 한국대선 관련 트위터 분석" 한국지능정보시스템학회 19 (19): 141-156, 2013

5 유은지, "주가지수 방향성 예측을 위한 주제지향 감성사전 구축 방안" 한국지능정보시스템학회 19 (19): 95-110, 2013

6 김재봉, "주가지수 방향성 예측을 위한 도메인 맞춤형 감성사전 구축방안" 한국디지털콘텐츠학회 18 (18): 585-592, 2017

7 이유림, "정서의 약료화와 우울증 경험의 구성 - 20대 여성의 우울 경험을 중심으로" 한국여성연구소 16 (16): 81-117, 2016

8 장재영, "온라인 쇼핑몰의 상품평 자동분류를 위한 감성분석 알고리즘" 한국전자거래학회 14 (14): 19-33, 2009

9 이상훈, "영역별 맞춤형 감성사전 구축을 통한 영화리뷰 감성분석" 한국지능정보시스템학회 22 (22): 97-113, 2016

10 송호윤, "언어학적 패턴을 이용한 소셜 미디어 사용자의 우울증 증세예측" 한국정보과학회 625-627, 2017

11 서상현, "딥러닝 기반 감성분석 연구동향" 3 : 8-22, 2016

12 Jiang, L., "Using co-occurrence analysis to expand consumer health vocabularies from social media data" 75-81, 2013

13 Mimno, D., "Topic models conditioned on arbitrary features with dirichletmultinomial regression" UAI 411-418, 2008

14 Pang, B., "Thumbs up?: sentiment classification using machine learning techniques" Association for Computational Linguistics 10 : 79-86, 2002

15 NAMI, "Tell me about depression"

16 De Choudhury, M. C., "Social media as a measurement tool of depression in populations" ACM 47-56, 2013

17 Coppersmith, G., "Quantifying mental health signals in twitter" 51-60, 2014

18 SHINEWARE, "Products-komoran. Retrieved from SHINEWARE"

19 De Choudhury, M., "Predicting depression via social media" 13 : 1-10, 2013

20 Wang, Z., "Machine learning methods for finding textual features of depression from publications" Georgia State University 2017

21 Constance Hammen, "Interpersonal dysfunction in depressed women: impairments independent of depressive symptoms" Elsevier BV 72 (72): 145-156, 2002

22 Bastian, "Gephi: An open source software for exploring and manipulating networks" Icwsm 361-362, 2009

23 Park, M., "Depressive moods of users portrayed in twitter" ACM 1-8, 2012

24 Zhao, W. X., "Comparing twitter and traditional media using topic models" Springer 338-349, 2011

25 Zhou, Z., "Community detection based on an improved modularity" Springer 638-645, 2012

26 Snow, R., "Cheap and fast---but is it good?:evaluating non-expert annotations for natural language tasks" 254-263, 2008

27 Wang, H., "A system for real-time twitter sentiment analysis of 2012 us presidential election cycle" Association for Computational Linguistics 115-120, 2012