감정점수의 전파를 통한 한국어 감정사전 생성
Generating a Korean Sentiment Lexicon Through Sentiment Score Propagation
3
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
감정분석은 문서 또는 대화상에서 주어진 주제에 대한 태도와 의견을 이해하는 과정이다. 감정분석에는 다양한 접근법이 있다. 그 중 하나는 감정사전을 이용하는 사전 기반 접근법이다. 본 논문에서는 널리 알려진 영어 감정사전인 VADER를 활용하여 한국어 감정사전을 자동으로 생성하는 방법을 제안한다. 제안된 방법은 세 단계로 구성된다. 첫 번째 단계는 한영 병렬 말뭉치를 사용하여 한영 이중언어 사전을 제작한다. 제작된 이중언어 사전은 VADER 감정어와 한국어 형태소 쌍들의 집합이다. 두 번째 단계는 그 이중언어 사전을 사용하여 한영 단어 그래프를 생성한다. 세 번째 단계는 생성된 단어 그래프 상에서 레이블 전파 알고리즘을 실행하여 새로운 감정사전을 구축한다. 이와 같은 과정으로 생성된 한국어 감정사전을 유용성을 보이려고 몇 가지 실험을 수행하였다. 본 논문에서 생성된 감정사전을 이용한 감정 분류기가 기존의 기계학습 기반 감정분류기보다 좋은 성능을 보였다. 앞으로 본 논문에서 제안된 방법을 적용하여 여러 언어의 감정사전을 생성하려고 한다.
Abstract
Sentiment analysis is the automated process of understanding attitudes and opinions about a given topic from written or spoken text. One of the sentiment analysis approaches is a dictionary-based approach, in which a sentiment dictionary plays an much important role. In this paper, we propose a method to automatically generate Korean sentiment lexicon from the well-known English sentiment lexicon called VADER (Valence Aware Dictionary and sEntiment Reasoner). The proposed method consists of three steps. The first step is to build a Korean-English bilingual lexicon using a Korean-English parallel corpus. The bilingual lexicon is a set of pairs between VADER sentiment words and Korean morphemes as candidates of Korean sentiment words. The second step is to construct a bilingual words graph using the bilingual lexicon. The third step is to run the label propagation algorithm throughout the bilingual graph. Finally a new Korean sentiment lexicon is generated by repeatedly applying the propagation algorithm until the values of all vertices converge. Empirically, the dictionary-based sentiment classifier using the Korean sentiment lexicon outperforms machine learning-based approaches on the KMU sentiment corpus and the Naver sentiment corpus. In the future, we will apply the proposed approach to generate multilingual sentiment lexica.
참고문헌 (31)
- Sentiment Ontology for Social Web, "TTA", Telecommunications Technology Association, ~, pp.Telecommunications Technology Association Report TTAK.KO-10.0639 (2013), R1
- B. Liu, "Web Data Mining" (2007), Springer
- D. Hussein, "A survey on sentiment analysis challenges", Journal of King Saud University – Engineering Sciences, 30(4), pp.330~338 (2018)
- 이공주, "뉴스 댓글의 감정 분류를 위한 자질 가중치 설정", 한국마린엔지니어링학회지, 34(6), pp.871~879 (2010), 한국마린엔지니어링학회
- P. Turney, "Thumbs up or thumbs down? Semantic orientation applied to unsupervised classification of reviews", Proceedings of the Association for Computational Linguistics, pp.417~424 (2002)
- E. Gilbert, "VADER : A parsimonious rulebased model for sentiment analysis of social media text", Proceedings of the 8th International Conference on Weblogs and Social Media, pp.216~225 (2014)
- M. Taboada, "Lexicon-based methods for sentiment analysis", Computational Linguistics, 37(2), pp.272~274 (2011)
- Ł. Augustyniak, "Comprehensive study on lexicon-based ensemble classification sentiment analysis", Entropy, 18(1), pp.1~29 (2015)
- L. Zhang, "Deep learning for sentiment analysis : A survey", arXiv : 1801. 07883, ~ (2018)
- 허찬, "Word2vec와 Label Propagation을 이용한 감성사전 구축 방법", 한국차세대컴퓨팅학회 논문지, 13(2), pp.93~101 (2017), 한국차세대컴퓨팅학회
- Learning from Labeled and Unlabeled Data from Label Propagation, "Z. Xiaojin", Carnegie Mellon University, ~, pp.Technical Report CMU-CALD-02-107 (2002)
- G. A. Miller, "WordNet : An online lexical database", International Journal of Lexicograph, 3(4), pp.235~244 (1990)
- A. Hassan, "What’s with the attitude? identifying sentences with attitude in online discussion", Proceedings of the Conference on Empirical Methods in Natural Language Processing, pp.1245~1255 (2010)
- E. C. Dragut, "Construction of a sentimental word dictionary", Proceedings of the 19th ACM International Conference on Information and Knowledge Management, pp.1761~1764 (2010)
- S. Mohammed, "Generating highcoverage semantic orientation lexicons from overtly marked words and a thesaurus", Proceedings of the Conference on Empirical Methods in Natural Language Processing, pp.599~608 (2009)
- J.-H. Kim, "The Graph-based Method for Construction of Domain-oriented Sentiment Dictionary", MS, Dept. of Computer Engineering, pp.2015
- 안정국, "집단지성을 이용한 한글 감성어 사전 구축", 지능정보연구, 21(2), pp.49~67 (2015), 한국지능정보시스템학회
- J. W. Pennebaker, "The development and psychometric properties of LIWC2007" (2007), LIWC net
- A. Esuli, "SentiWordNet : A publicly available lexical resource for opinion mining", Proceedings of the 5th International Conference on Language Resources and Evaluation, pp.417~422 (2006)
- 서형원, "Extended pivot-based approach for bilingual lexicon extraction", 한국마린엔지니어링학회지, 38(5), pp.557~565 (2014), 한국마린엔지니어링학회[DOI]
- J. -H. Kim, "Evaluating a pivotbased approach for bilingual lexicon extraction", Computational Intelligence and Neuroscience, 2015, pp.1~13 (2015)
- H. -W. Seo, "Automatically constructing Korean-English parallel corpus from Web documents", Proceedings of the 26th KIPS Fall Conference, 13(2), pp.161~164 (2006)
- K. W. Church, "Word association norms, mutual information and lexicography", Computational Linguistics, 16(1), pp.22~29 (1990)
- P. Bojanowski, "Enriching word vectors with subword information", Transactions of the Association for Computational Linguistics, 5, pp.135~146 (2017)
- T. Loughran, "When is a liability not a liability? Textual analysis, dictionaries and 10-Ks", The Journal of Finance, 66(1), pp.35~66 (2011)
- 신준철, "기분석 부분 어절 사전을 활용한 한국어 형태소 분석기", 정보과학회논문지 : 소프트웨어 및 응용, 39(5), pp.415~424 (2012), 한국정보과학회[DOI]
- A. Geron, "Hands-On Machine Learning with Scikit-Learn & TensorFlow" (2017), O’Reilly
- M.-H. Kim, "KOSAC : Korean Sentiment Analysis Corpus", Proceedings of the Korean Institute of Information Scientists and Engineers, pp.650~652 (2013)
- 손선주, "한국어 감정표현단어의 추출과 범주화", 감성과학, 15(1), pp.105~120 (2012), 한국감성과학회
- 박상민, "Bi-LSTM 기반의 한국어 감성사전 구축 방안", 지능정보연구, 24(4), pp.219~240 (2018), 한국지능정보시스템학회
- 박인조, "한국어 감정단어의 목록과 정서 차원 탐색", 한국심리학회지: 사회및성격, 19(1), pp.109~129 (2005), 한국사회및성격심리학회