감정 분류를 위한 한국어 감정 자질 추출 기법과 감정 자질의 유용성 평가

A Korean Emotion Features Extraction Method and Their Availability Evaluation for Sentiment Classification
인지과학 제19권 제4호, 2008.12, 499-517 (19 pages)
인용정보 복사
Quick View Quick View
구매하기 6,000원
인용하기
이용수 : 562건
피인용수 : 3건
분야내 활용도 : 7%
자세히 보기 >

· 이용수 : 2010년부터 집계한 원문다운로드수

· 피인용수 : DBpia 논문 가운데 해당 논문을 인용한 논문수

· 분야내 활용도 : 최근 24개월간 DBpia 이용수를 기준으로 산출 / 0%에 가까울 수록 활용도가 높고, 100%에 가까울 수록 활용도가 낮음

초록
본 논문에서는 한국어 감정 분류에 기반이 되는 감정 자질 추출의 효과적인 추출 방법을 제안하고 평가하여, 그 유용성을 보인다. 한국어 감정 자질 추출은 감정을 지닌 대표적인 어휘로부터 시작하여 확장할 수 있으며, 이와 같이 추출된 감정 자질들은 문서의 감정을 분류하는데 중요한 역할을 한다. 문서 감정 분류에 핵심이 되는 감정 자질의 추출을 위해서는 영어 단어 시소러스 유의어 정보를 이용하여 자질들을 확장하고, 영한사전을 이용하여 확장된 자질들을 번역하여 감정 자질들을 추출하였다. 추출된 한국어 감정 자질들을 평가하기 위하여, 이진 분류 기법인 지지 벡터 기계(Support Vector Machine)를 사용해서 한국어 감정 자질로 표현된 입력문서의 감정을 분류하였다. 실험 결과, 추출된 감정 자질을 사용한 경우가 일반적인 정보 검색에서 사용하는 내용어(Content Word) 기반의 자질을 사용한 경우보다 약 14.1%의 성능 향상을 보였다.

In this paper, we propose an effective emotion feature extraction method for Korean and evaluate their availability in sentiment classification. Korean emotion features are expanded from several representative emotion words and they play an important role in building in an effective sentiment classification system. Firstly, synonym information of English word thesaurus is used to extract effective emotion features and then the extracted English emotion features are translated into Korean. To evaluate the extracted Korean emotion features, we represent each document using the extracted features and classify it using SVM (Support Vector Machine). In experimental results, the sentiment classification system using the extracted Korean emotion features obtained more improved performance (14.1%) than the system using content-words based features which have generally used in common text classification systems.

목차
서론
관련 연구
한국어 문서 감정 분류 시스템
실험 및 결과
결론 및 향후 과제
참고문헌
(Abstract)
키워드

논문의 주요 키워드를 제공합니다. 키워드를 클릭하여 관련 논문을 확인해 보세요!

참고문헌 (23)

현재 논문의 참고문헌을 찾아 신청해주세요!

  1. M. Rimon , , Sentiment Classification: Linguistic and Non-Linguistic Issues , Hebrew University

  2. T.Joachims , 1998 , “Text Categorization with Support Vector Machines: Learning with Many relevant Features,” In Proceedings of the ECML, pp.137-142, 1998

  3. J. Yi , 2003 , “Sentimental Analyzer : Extracting Sentiments about a Given Topic using Natural Language Processing Techniques,” In Proceedings of International Conference on Data Mining, pp.427-434, 2003

  4. P.D. Turney , 2003 , "Measuring Praise and Criticism: Inference of Semantic Orientation from Association," In Proceedings of the ACM Transactions on Information Systems, pp.315-346, 2003

  5. A. Esuli , 2005 , “Determining the Semantic Orientation of Terms through Gloss Classification,” In Proceedings of the CIKM, pp.617-624, 2005

  6. B. Pang , 2002 , “Thumbs up? Sentiment Classification Using Machine Learning Techniques,” In Proceedings of the EMNLP, pp.79-86, 2002

  7. N. Hiroshima , 2006 , “Searching for Sentences Expressing Opinions by Using Declaratively Subjective Clues,” In Proceedings of the Workshop on Sentiment and Subjectivity in Text, pp.39-46, 2006

  8. K. Dave , 2003 , "Mining the Peanut Gallery: Opinion Extraction and Semantic Classification of Product Reviews," In Proceedings of the 12th WWW, pp.519-528, 2003

  9. L.W. Ku , 2005 , “Major Topic Detection and Its Application to Opinion Summarization,” In Proceedings of the ACM SIGIR, pp.627-628, 2005

  10. S.M. Kim , 2004 , “Determining the Sentiment of Opinions,” In Proceedings of the COLING conference, pp.1367-1373, 2004

  • 처음
  •  
  • 이전
  •  
  • 1
  •  
  • 2
  •  
  • 3
  •  
  • 다음
  •  
  • 마지막
인용된 논문 (3)

알림서비스 신청하고 '인용된 논문' 정보를 메일로 확인 하세요!

제 1 저자의 다른 논문 (11)

황재원 식별저자 저자의 상세정보를 확인해 보세요.

  • 처음
  •  
  • 이전
  •  
  • 1
  •  
  • 2
  •  
  • 다음
  •  
  • 마지막
권호 내 다른 논문 (9)

인지과학 제19권 제4호 의 상세정보를 확인해 보세요.

추천 논문 (10)

DBpia 추천논문과 함께 다운받은 논문을 제공합니다. 논문 초록의 텍스트마이닝과 이용 및 인용 관계 분석을 통해 추천해 드리는 연관논문을 확인해보세요.

DBpia 추천논문

더 많은 추천논문을 확인해 보세요!

함께 다운받은 논문

지표

이용현황

· 이용수

· 이용순위 상위 Top3

자세히 보기 >
No 상위 이용이관 이용수
1 연세대학교 37
2 서울대학교 29
3 부산대학교 19

활용도

· 활용지수

· 논문의 활용도 추이 (주제분야 기준)

자세히 보기 >

: %

2016-09
2016-10
2016-11
2016-12
0
20
40
60
80
100
  • 0%
  • 20%
  • 40%
  • 60%
  • 80%
  • 100%

인용수

상세정보
저작권 정책

누리미디어에서 제공되는 모든 저작물의 저작권은 원저작자에게 있으며, 누리미디어는 각 저작물의 내용을 보증하거나 책임을 지지 않습니다. 단, 누리미디어에서 제공되는 서지정보는 저작권법에 의해 보호를 받는 저작물로, 사전 허락 없이 임의로 대량 수집하거나 프로그램에 의한 주기적 수집 이용, 무단 전재, 배포하는 것을 금하며, 이를 위반할 경우, 저작권법 및 관련법령에 따라 민, 형사상의 책임을 질 수 있습니다.

맨 위로 이동
  • 개인회원으로 로그인하셔야 이용이 가능합니다.
  •  개인회원
  •  기관회원
  • 소속기관
  • 아이디
  • 비밀번호
  • 개인회원가입으로 더욱 편리하게 이용하세요. 일반회원 가입하기

    아이디/비밀번호를 잊으셨나요? 아이디/비밀번호 찾기