트위터 사용자들의 감성을 이용한 사회적 이슈 분석
Social Issue Analysis Based on Sentiment of Twitter Users
0
조회
0
다운로드
4
인용
0
참고문헌
키워드
초록
대중들의 소통의 창구로 자리매김 하고 있는 소셜 네트워크 서비스(SNS)에 작성된 글은 감성을 많이 포함하고 있다는 특징을 갖고 있다. 그 중 트위터는 공개 Application Programming Interface(API)를 통한 데이터의 수집이 편리하다는 장점을 지니고 있다. 본 논문에서는 트위터 상에 표현된 사용자들의 감성 정보를 통해 사회적 이슈를 분석하고 마케팅 분야 활용 가능성을 제시한다. 이는 국민 또는 소비자의 의견과 반응을 필요로 하는 정부, 기업 등에 도움이 될 수 있다. 본 논문에서는 최근 사회적 이슈에 대한 트위터 텍스트 데이터를 긍정 또는 부정으로 분류하여 질적 분석을 제공하였고, 각 트윗의 좋아요 수, 리트윗 수 등에 대한 상관관계 분석을 통해 양적분석을 제공하였다. 질적 분석의 결과로 국민의 지지를 얻기 위해 관세정책을 홍보하고, 버즈 사용자에게는 기술적 편의를 제공할 것을 제안하였다. 양적 분석의 결과, 트위터 사용자들의 관심을 끌기 위해서는 긍정적인 트윗을 짧고 간단하게 작성해야 함을 밝혔다. 데이터의 수집 기간이 짧고, 단 두 가지의 키워드만을 분석하여 일반화 가능성이 떨어지는 한계를 가져 향후, 보다 긴 기간의 다양한 사회적 이슈를 분석할 예정이다.
Abstract
Recently, social network service (SNS) is actively used by public. Among them, Twitter has a lot of tweets including sentiment and it is convenient to collect data through open Aplication Programming Interface (API). In this paper, we analyze social issues and suggest the possibility of using them in marketing through sentimental information of users. In this paper, we collect twitter text about social issues and classify as positive or negative by sentiment classifier to provide qualitative analysis. We provide a quantitative analysis by analyzing the correlation between the number of like and retweet of each tweet. As a result of the qualitative analysis, we suggest solutions to attract the interest of the public or consumers. As a result of the quantitative analysis, we conclude that the positive tweet should be brief to attract the users' attention on the Twitter. As future work, we will continue to analyze various social issues.
참고문헌 (32)
- C. W. Choi, "Development Process and Major Cases of SNS", Industrial Engineering Magazine, 18(1), pp.20~23 (2011)
- "Social networking service" (2019)[URL]
- 정효정, "정치적 이념에 따른 트위터 공간에서의 집단 간 의견차이 분석: 세월호사건을 중심으로", 한국언론학보, 60(2), pp.269~302 (2016), 한국언론학회[DOI]
- J. Lee, "Comparing Customer Reactions Before and After of a Smart Watch Release through Opinion Mining", The Korean journal of bigdata, 1(1), pp.1~7 (2016)
- 안형준, "한국인 트위터 사용자들의 트위터 사용 행태와 성격 간의 관계", 한국정보기술학회논문지, 14(1), pp.171~177 (2016), 한국정보기술학회[DOI]
- 홍두표, "SNS 감성분석을 이용한 정보 추출 방법론에 관한 연구", 한국ITS학회 논문지, 16(6), pp.141~155 (2017), 한국ITS학회[DOI]
- 강주연, "국내외 국립기록관의 트위터 운용 현황 분석 및 활성화 방안", 정보관리학회지, 33(3), pp.263~285 (2016), 한국정보관리학회[DOI]
- 최정원, "공공기록관의 소셜미디어 이용 현황 및 이용자 관심도 분석: 국가기록원과 대통령기록관을 중심으로", 정보관리학회지, 33(2), pp.135~156 (2016), 한국정보관리학회[DOI]
- R. D. Lee, "Analysis of Twitter Topic using LDA", The Journal of Korean Institute of Communications and Information Sciences, pp.1010~1011 (2016)
- 홍지현, "트위터 메시지에 나타난 나이키 신제품에 대한 소비자 반응", 한국디자인포럼, (50), pp.73~84 (2016), 한국디자인트렌드학회[DOI]
- 배정환, "텍스트 마이닝을 이용한2012년 한국대선 관련 트위터 분석", 지능정보연구, 19(3), pp.141~156 (2013), 한국지능정보시스템학회[DOI]
- C. H. Lee, "Technology trends of issue detection and predictive analysis on social big data", Electronics and Telecommunications Trends, 28(1), pp.62~71 (2013)
- 정민영, "실시간 검색어 연관 분석을 통한 핵심 이슈 선정", 디지털융복합연구, 13(12), pp.161~169 (2015), 한국디지털정책학회[DOI]
- 함영진, "AHP분석을 활용한 사회보장부문 빅 데이터 활용가능 영역 탐색 연구", 디지털융복합연구, 12(8), pp.49~60 (2014), 한국디지털정책학회[DOI]
- 정민영, "포털사이트 실시간 검색키워드의 주간 핵심 이슈 선정 및 차이 분석", 디지털융복합연구, 14(12), pp.237~243 (2016), 한국디지털정책학회[DOI]
- 김태영, "소셜 빅데이터 기반 공공정책 국민의견 수렴과 정책 시행 이후 결과 관계 분석: ‘복지’ 정책 사례를 중심으로", 디지털융복합연구, 15(3), pp.17~25 (2017), 한국디지털정책학회[DOI]
- "Google Code Archive - Long-term storage for Google Code Project Hosting" (2019)[URL]
- H. Abdi, "Principal Component Analysis", Wiley Interdisciplinary Reviews : Computational Statistics, 2(4), pp.433~459 (2010)
- S. Lai, "Recurrent Convolutional Neural Networks for Text Classification", Proceedings of the Twenty-Ninth AAAI Conference on Artificial Intelligence, pp.2267~2273 (2015), Association for the Advancement of Artificial Intelligence
- Y. Kim, "Convolutional Neural Networks for Sentence Classification", Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing, pp.1746~1751 (2014), Association for Computational Linguistics
- K. Nal, "A Convolutional Neural Network for Modelling Sentences", Proceedings of the 52nd Annual Meeting of the Association for Computational Linguistics, pp.655~665 (2014), Association for Computational Linguistics
- T. Lei, "Molding CNNs for text: non-linear, non-consecutive convolutions", Proceedings of the 2015Conference on Empirical Methods in Natural Language Processing, pp.1565~1575 (2015), Association for Computational Linguistics
- D. Tang, "Document Modeling with Gated Recurrent Neural Network for Sentiment Classification", Proceedings of the 2015 Conference on Empirical Methods in Natural Language Processing, pp.1422~1432 (2016), Association for Computational Linguistics
- Q. Qian, "Linguistically Regularized LSTM for Sentiment Classification", Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics, pp.1679~1689 (2016), Association for Computational Linguistics
- "Empirical Evaluation of Gated Recurrent Neural Networks on Sequence Modeling" (2014)[URL]
- "Modeling Rich Contexts for Sentiment Classification with LSTM" (2016)[URL]
- Yuebing Zhang, "Three-way enhanced convolutional neural networks for sentence-level sentiment classification", Information Sciences, 477, pp.55~64 (2019), Elsevier BV[DOI]
- Hannah Kim, "Sentiment Classification Using Convolutional Neural Networks", Applied Sciences, 9(11), pp.2347~ (2019), MDPI AG[DOI]
- 권명규, "계층적 CNN을 이용한 방송 매체 내의 객체 인식 시스템 성능향상 방안", 디지털융복합연구, 15(3), pp.201~209 (2017), 한국디지털정책학회[DOI]
- "Tweepy" (2019)[URL]
- "Deep Learning using Rectified Linear Units (ReLU)" (2019)[URL]
- D. P. Kingma., "ADAM: A Method for Stochastic Optimization", 3rd International Conference on Learning Representations, pp.1~15 (2015)