메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이철성 (고려대학교) 최동희 (고려대학교) 김성순 (고려대학교) 강재우 (고려대학교)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회논문지 : 데이타베이스 정보과학회논문지 : 데이타베이스 제40권 제3호
발행연도
2013.6
수록면
159 - 167 (9page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
지금까지 국내에서는 우리말을 이용하여 긍?부정을 판단하는 감성분석연구(sentiment analysis)가 주를 이뤘고, 여러 감정으로 분류하는 감정분석연구(emotion analysis)는 진행되지 않았다. 이에 본 연구에서는 한글 문서를 기반으로 기계학습 모델을 적용하여 7개의 감정으로 분류하고 그 결과를 영화평에 적용하여 영화 장르별 감정특성을 분석하였다. 본 연구에 적용한 기계학습 모델 중 ‘다항 네이브 베이즈(Multinomial Naive Bayes) 모델이 가장 높은 정확도를 보였다. 이 모델을 ‘네이버 40자 영화평’에 적용하여 영화 100편에 해당하는 영화평의 감정을 분류하고, 요인분석(factor analysis)하였다. 그 결과, ‘생동감’과 ‘우울’이 상반되는 감정임을 알 수 있었고, 영화평에 나타난 ‘친근감’은 영화의 평점에 긍정적인 영향을 미치고, ‘분노’, ‘혼란’, ‘피로감’은 부정적인 영향을 미치는 것으로 나타났다. 반면에 ‘생동감’과 ‘우울’은 영화의 평점에 영향을 미치지 않은 것으로 나타났다. 또한, 단일감정을 특성으로 하는 4개의 장르 즉, 공포-‘긴장감’, 코미디-‘생동감’, 멜로/애정/로맨스-‘친근감’, 범죄-‘혼란’이 영화 장르별 감정 특성으로 나타났다. 트위터(Twitter)로부터 수집한 데이터를 이용하여 ‘네이버 40자 영화평’에 적용한 이번 연구는 데이터의 성격을 넘어, 본 연구에서 제안한 방법이 실제 응용분야에서 적용 가능함을 보여준다.
#감정분석 #영화장르분석 #기계학습 #베이즈 확률모델 #emotion analysis #movie genre analysis #machine learning #bayes model

목차

요약
Abstract
1. 서론
2. 기계학습 이론
3. 기계학습 분류(Classification)
4. 실험
5. 응용
6. 결론
참고문헌

참고문헌 (13)

참고문헌 신청
1. [학술대회논문] - Kevin Hsin-Yih Lin / 2008 / Emotion Classification of Online News Articles from the Reader’s Perspective / 2008 IEEE/ WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology google schola 2. [학술대회논문] - Fazel Keshtkar / 2009 / Using Sentiment Orientation Features for Mood Classification in Blogs / International Conference on Natural Language Processing and Knowledge Engineering 2009(NLP-KE 2009) google schola 3. [학술대회논문] - Yuchul Jung / 2007 / Determining Mood for a Blog by Combining Multiple Sources of Evidence / 2007 IEEE/WIC/ ACM International Conference on Web Intelligence google schola 4. [학술대회논문] - Gilad Mishne / 2005 / Experiments with Mood Classification in Blog Posts / Proceedings of the 1st Workshop on Stylistic Analysis of Text For Information Access Style google schola 5. [학술지(정기간행물)] - J. Bollen / 2011 / Twitter mood predicts the stock market / Journal of Computational Science 2 (1) google schola

이 논문의 저자 정보

이 논문과 함께 이용한 논문

기계 학습을 이용한 한글 텍스트 감정 분류 및 분석
한명호 ,  류주현 ,  서수영 한국정보과학회 학술발표논문집 2014 .06
트윗 감정 분류를 위한 다양한 기계학습 자질에 대한 비교 연구
홍초희 ,  김학수 한국콘텐츠학회논문지 2012 .12
뉴스 댓글의 감정 분류를 위한 자질 가중치 설정
이공주 ,  김재훈 ,  서형원 외 1명 Journal of Advanced Marine Engineering and Technology (JAMET) 2010 .09
트위터에서의 토픽별 감정 패턴 분석
이재환 ,  김남윤 ,  임혜원 외 1명 한국정보과학회 학술발표논문집 2014 .12
한국어 트위터의 감정 분류를 위한 기계학습의 실증적 비교
임좌상 ,  김진만 멀티미디어학회논문지 2014 .02

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2014-560-003345168