지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 황병연
- 발행연도
- 2016
- 저작권
- 가톨릭대학교 논문은 저작권에 의해 보호받습니다.
이용수13
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
무선인터넷 환경이 보편화되면서 언제 어디서나 인터넷에 접속할 수 있는 모바일은 현대인의 삶에서 가장 중요한 정보 검색 수단이 되었다. 최근에는 하드웨어 성능의 발전에 힘입어 휴대성이 강화되면서 모바일은 기존의 PC를 넘어서는 중요한 서비스 모델로 성장하고 있다. 모바일의 등장과 함께 가장 성공적으로 영향력을 확대한 분야는 SNS(Social Network Service)다. 최근 등장한 페이스북(Facebook), 트위터(Twitter), 인스타그램(Instagram) 등은 10년 안팎의 짧은 역사에도 전세계 수억 명의 사용자를 보유한 글로벌 IT 기업으로 성장했다. 모바일의 대중화, 보편화 흐름과 함께 성장한 SNS의 영향력이 날로 증가되면서 이를 효과적으로 활용한 서비스들이 늘어나고 있다.
본 논문에서는 모바일에서 획득한 GPS(Global Positioning System)를 활용하여 사용자의 위치 주변에서 발생한 SNS 데이터를 수집하고 분석을 통해 사용자가 원하는 장소를 추천하는 시스템을 제안한다. 이를 위해 트위터에서 위치정보를 포함하는 게시글을 표본 집합으로 정하고 모바일의 위치정보와 함께 활용했을 때, 사용자의 검색의도에 부합하는 양질의 정보를 제공할 수 있음을 실험을 통해 증명하였다. 이를 위해 2015년 11월부터 12월까지 수집한 트윗(Tweet)을 대상으로 임의의 위치정보와 검색어로 구성된 질의를 구성하고 형태소 분석을 거쳐 분석에 적합한 형태의 데이터로 변환하였다. 또한 장소 추천을 위해 감정사전을 구축하여 긍정 및 부정을 의미하는 극성 키워드들을 정의하고 레이블을 구성한 후, 감정사전과 극성키워드를 이용해 개별 트윗의 추천 점수를 도출하였다. 논문은 추천 점수와 사용자의 현재 위치, 트윗이 작성 된 위치와 사용자 위치 사이의 거리 계산을 통해 가까운 거리 순으로 10개의 장소 정보를 정렬하여 결과를 보인다. 또한 성능평가를 위해 감정 분석 된 트윗에 대한 정밀도와 재현율을 도출하여 시스템의 성능을 확인한다.
실험은 ‘맛집’, ‘공연’ 2개의 키워드와 10개 지역을 기준으로 수행하였다. 실험 결과 키워드 1개당 수집된 트윗은 평균 10.5개였으며, 실험에 사용된 210개의 트윗 중 긍정 또는 부정의 단어를 포함한 트윗의 개수는 122개였다. 또한 감정 분석을 통해 긍정 또는 부정으로 분류된 트윗은 65개였으며 그 중 실제로 긍정 또는 부정의 의미를 담은 트윗은 46개였다. 이를 통해 시스템은 38%의 재현율로 감정 요소를 담은 트윗을 탐지하고, 71%의 정밀도로 감정 분석을 수행했음을 확인했다.
본 논문에서는 모바일에서 획득한 GPS(Global Positioning System)를 활용하여 사용자의 위치 주변에서 발생한 SNS 데이터를 수집하고 분석을 통해 사용자가 원하는 장소를 추천하는 시스템을 제안한다. 이를 위해 트위터에서 위치정보를 포함하는 게시글을 표본 집합으로 정하고 모바일의 위치정보와 함께 활용했을 때, 사용자의 검색의도에 부합하는 양질의 정보를 제공할 수 있음을 실험을 통해 증명하였다. 이를 위해 2015년 11월부터 12월까지 수집한 트윗(Tweet)을 대상으로 임의의 위치정보와 검색어로 구성된 질의를 구성하고 형태소 분석을 거쳐 분석에 적합한 형태의 데이터로 변환하였다. 또한 장소 추천을 위해 감정사전을 구축하여 긍정 및 부정을 의미하는 극성 키워드들을 정의하고 레이블을 구성한 후, 감정사전과 극성키워드를 이용해 개별 트윗의 추천 점수를 도출하였다. 논문은 추천 점수와 사용자의 현재 위치, 트윗이 작성 된 위치와 사용자 위치 사이의 거리 계산을 통해 가까운 거리 순으로 10개의 장소 정보를 정렬하여 결과를 보인다. 또한 성능평가를 위해 감정 분석 된 트윗에 대한 정밀도와 재현율을 도출하여 시스템의 성능을 확인한다.
실험은 ‘맛집’, ‘공연’ 2개의 키워드와 10개 지역을 기준으로 수행하였다. 실험 결과 키워드 1개당 수집된 트윗은 평균 10.5개였으며, 실험에 사용된 210개의 트윗 중 긍정 또는 부정의 단어를 포함한 트윗의 개수는 122개였다. 또한 감정 분석을 통해 긍정 또는 부정으로 분류된 트윗은 65개였으며 그 중 실제로 긍정 또는 부정의 의미를 담은 트윗은 46개였다. 이를 통해 시스템은 38%의 재현율로 감정 요소를 담은 트윗을 탐지하고, 71%의 정밀도로 감정 분석을 수행했음을 확인했다.
목차
1. 서론 12. 관련 연구 52.1 관련 연구 52.2 자연어 처리 기법 72.3 트위터 API 82.4 지도 API 113. 시스템 구성 및 설계 133.1 시스템 구성 133.2 트윗 수집 153.3 형태소 분석 183.4 감정 분석 203.5 추천 장소 리스트 출력 234. 결과 및 성능 평가 264.1 시스템 구현 화면 264.2 트윗 감정 분석 성능 평가 285. 결론 및 향후 연구 31참고문헌 32영문 논문제출서 34영문 인준서 35영문 초록(ABSTRACT) 36
최근 본 자료
댓글(0)
0