딥러닝과 감성사전을 결합한 하이브리드 감성분석 시스템 개발 = Development of Sentiment Detection combined with Deep Learning and Sentiment Dictionary

다국어 초록 (Multilingual Abstract)

Due to the spread of smart devices and social media, and the increase in product purchases online, many companies are trying to understand consumers' consumption patterns and thoughts.
Accordingly, the need to understand consumers' emotions by collecting reviews including consumers' opinions on products or services online is increasing, and related research is being conducted by domestic and foreign companies and research institutes. However, most of the studies are still focused on data expressed in English, and many studies and results on sentiment analysis as a lexicon or machine learning approach for English text have been published. On the other hand, the Korean language has relatively low accuracy due to the complexity of Korean and the lack of labeling data for deep learning. To improve these problems, this study utilized a hybrid approach system that improves the accuracy of sentiment analysis by utilizing the advantages of deep learning and sentiment dictionary techniques for Korean online reviews. Through this, it was confirmed how much the indicators such as accuracy, precision, and recall improved. The results of this study are expected to help companies automatically analyze and utilize a large amount of online reviews in the future

국문 초록 (Abstract)

스마트 디바이스와 소셜미디어의 보급 확산, 온라인에서의 제품 구매 증 로 인하여 많은 기업들이 소비자의소비패턴, 생각 등을 이해하려고 한다. 이에 따라 온라인에서 제품이나 서비스에 대한 소비자들의 의견이 포함된 리뷰를수집하여 소비자들의 감성을 이해하는 필요성이 증대되고 있으며 국내·외 기업이나 연구기관에서 관련 연구가 진행되고있다. 그러나 아직 영어로 표현된 데이터를 대상으로 한 연구가 대부분이며, 영어 텍스트에 대한 어휘사전이나 머신러닝접근법으로 감성분석(Sentiment Analysis)에 대한 많은 연구와 성과가 발표되고 있다. 그에 반해 국어는 한국어가 갖고 있는 복잡성과 딥러닝을 위한 레이블링 데이터가 부족하기 때문에 러신머닝 접근법에 의한 감성분석 정확률이 상대적으로 낮다. 이러한 문제점을 개선하고자 본 연구에서는 한글 온라인 리뷰를 대상으로 딥러닝과 감성사전 기법의 장점을 활용하여 감성분석의 정확도를 향상시키는 하이브리드 접근법의 시스템을 활용했다. 이를 통해 정확도, 정밀도, 재현율 등의 지표들이 얼마나 개선되는지 확인했다. 본 연구 결과는 향후 기업이 다량의 온라인 리뷰를 자동으로 분석 및활용하는데 도움이 될 수 있을 것으로 기대한다

참고문헌 (Reference)

1 김성근 ; 조혁준 ; 강주영, "학술연구에서의 텍스트마이닝 활용 현황과 주요분석기법" 한국엔터프라이즈아키텍처학회 13 (13): 317-329, 2016

2 김남규 ; 이동훈 ; 최호창 ; WILLIAMWONGXIUSHUN, "텍스트 분석 기술 및 활용 동향" 한국통신학회 42 (42): 471-492, 2017

3 이정기 ; 윤기혁, "텍스트 마이닝과 CONCOR을 활용한 배리어 프리 학술연구 동향 분석" 한국사물인터넷학회 9 (9): 19-31, 2023

4 S. D. Choi, "Study on Korean SentiWordNet development plan for big data analysis : focusing on feelings of anger" 19 (19): 1-19, 2014

5 Medhat W., "Sentiment analysis algorithms and applications : A survey" 5 (5): 1093-1113, 2014

6 S. R. Hong, "Semi-supervised learning technique for large-scale social media sentiment analysis" 24 (24): 482-488, 2014

7 Young T., "Recent Trends in Deep Learning Based Natural Language Processing"

8 Liu, B., "Mining Text Data" Springer 415-463, 2012

9 Liu, B., "Mining Text Data" Springer 415-463, 2012

10 Chen T., "Improving sentiment analysis via sentence type classification using BiLSTM-CRF and CNN" 72 : 221-230, 2017

11 목진왕 ; 장현재 ; 이현섭, "HTML 태그 깊이 임베딩: 웹 문서 기계 독해 성능 개선을 위한 BERT 모델의 입력 임베딩 기법" 한국사물인터넷학회 8 (8): 17-25, 2022

12 M. P. Hong, "Automatic analysis of hybrid text tone based on syntax analysis and machine learning" 14 (14): 159-181, 2010

13 Y. H. Jeong, "A Study on Sentiment Classification Techniques for Korean Short Sentences Based on Machine Learning" Korea University 2017

14 Collomb, Costea, "A Study and Comparison of Sentiment Analysis Methods for Reputation Evaluation" University of Lyon 2014

15 Appel. O, "A Hybrid Approach to the Sentiment Analysis Problem at the Sentence Level" 108 : 110-124, 2016

16 Jurgita K., "A Comparison of Approaches for Sentiment Classification on Lithuanian Internet Comments" 2-11, 2013