KR101330158B1 - Method for analyzing text emotion index and computer readable medium - Google Patents
Method for analyzing text emotion index and computer readable medium Download PDFInfo
- Publication number
- KR101330158B1 KR101330158B1 KR20130082207A KR20130082207A KR101330158B1 KR 101330158 B1 KR101330158 B1 KR 101330158B1 KR 20130082207 A KR20130082207 A KR 20130082207A KR 20130082207 A KR20130082207 A KR 20130082207A KR 101330158 B1 KR101330158 B1 KR 101330158B1
- Authority
- KR
- South Korea
- Prior art keywords
- text
- analyzing
- morpheme
- emotional index
- index
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
Abstract
Description
본 발명은 텍스트의 감정지수를 분석하는 방법 및 이러한 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체에 관한 것으로 보다 상세하게는 텍스트를 분석하여 텍스트에 반영된 작성자의 주관적인 감정을 분석하는 방법에 관한 것이다.
The present invention relates to a method for analyzing an emotional index of a text and a computer-readable recording medium on which a program for executing the method is recorded. More specifically, the subject's subjective emotion reflected in the text is analyzed by analyzing the text. It is about a method.
통상적으로 글이란 단어가 모여서 문장을 이루고, 문장이 모여서 한 덩이의 완성된 글이 되는데, 글을 이루는 문장의 기초 단위인 단어는 하나의 단어가 다른 단어와 어떤 관계를 맺는가의 문제와 글을 쓰기 위해서 내용상으로 어떠한 단어를 선정하는가의 문제를 내포하고 있다. 이 두 가지의 문제를 해결하는 과정이 통상적으로 글을 집필하는 과정에 일어나는 현상이라고 볼 수 있으며, 이 두 가지의 과정 중에서 두 번째의 문제, 즉 어떠한 단어를 선정하느냐의 문제를 집중적으로 분석하면, 이로부터 글쓴이의 감정을 도출할 수 있다.Usually, the words are gathered together to form sentences, and the sentences are gathered together to form a lump of completed text. The basic unit of the sentences that make up a sentence is the question of how one word is related to another word, and the writing. For this purpose, it contains the question of which word to select. The process of solving these two problems is a phenomenon that usually occurs in the process of writing. If we focus on analyzing the second problem of the two processes, which word is selected, From this, the author's feelings can be derived.
각각의 단어는 문장에서 변용되고 상황에 따라 다른 뜻을 함축하기도 하지만, 기본적으로 내재하고 있는 단어 자체의 성향이 있다는 것을 알 수 있다. 따라서 글을 쓴 이가 어떤 성향이 내재된 단어를 집중적으로 사용할 수 있으며, 문학적, 인지언어학적, 정신분석학적으로 접근했을 때, 인간 보편의 성향에 맞춘 단어의 분석을 통해 단어를 분류할 수 있는 기준을 설정할 수 있고, 그 기준에 따라 단어를 분류하여 글쓴이의 감정을 분류할 수 있게 된다.
Each word is transformed in a sentence and implies different meanings depending on the situation, but it can be seen that there is an intrinsic tendency of the word itself. Therefore, the writer can use words that have some inclination inherently, and when he approaches literary, cognitive, linguistic, and psychoanalytical, the criteria for classifying words through the analysis of words that fit the general tendency of human beings It is possible to set, and to sort the words according to the criteria can be classified the author's feelings.
최근에는, 스마트폰의 사용자가 급증함에 따라 트위터, 페이스북과 같은 소셜 네트워크 서비스가 활성화되면서 온라인상에서 간단한 문장으로 자신의 감정을 표현하는 경우가 많아졌고, 각종 상품평, 영화 감상평, 맛집 평가 등 온라인상에서 짧은 문장으로 다양한 상품에 대해 각종 평가를 하는 경우도 많아졌다. 이러한 문장들은 다른 사람들의 감정이나 구매 성향에 큰 영향을 주기 때문에, 오피니언 마이닝이나 마케팅 측면에서, 이러한 온라인상의 각종 문장에 내재된 감정의 분석 및 분류가 어느 때보다 중요해지고 있는 실정이다.
Recently, as the number of smart phone users has increased, social network services such as Twitter and Facebook have been activated to express their feelings in simple sentences online, and various online reviews such as various product reviews, movie reviews, and restaurant reviews. In many cases, various sentences were evaluated for various products in short sentences. Since these sentences have a great influence on other people's feelings and purchasing tendencies, in terms of opinion mining and marketing, the analysis and classification of emotions embedded in these online sentences are more important than ever.
종래에는 문장에 내포된 감정에 대해 긍정, 부정, 중립을 추출하는 방식을 사용하였다. 그러나 감정은 다양한 형태로 표현되는 특성이 있으며 단순히 이분법적으로 나누어 표현되는 것이 아니므로 긍/부정만을 구별하는 종래의 방식은 텍스트에 내재된 감정을 정확하게 분석할 수 없는 문제가 있었다.
Conventionally, a method of extracting positive, negative, or neutral for emotions contained in sentences is used. However, since emotions are expressed in various forms and are not simply divided in dichotomy, the conventional method of distinguishing between positive and negative has a problem in that the emotions embedded in the text cannot be accurately analyzed.
본 발명은 상술한 문제를 해결하기 위한 것으로, 다양한 주체에 의해 작성된 텍스트에 내재된 작성자의 감정을 정확하게 분석하는 것을 목적으로 한다.The present invention has been made to solve the above-described problem, and an object thereof is to accurately analyze emotions of authors embedded in texts written by various subjects.
특히, 온라인 상에서 특히 또는 SNS에 실린 텍스트의 감정을 분석함으로써 다양한 주체의 의견, 평판을 수렴하는 것을 목적으로 한다.
In particular, it aims to collect opinions and reputations of various subjects by analyzing the feelings of texts, especially online or on SNS.
상술한 과제를 해결하기 위한 본 발명의 텍스트 감정지수 분석 방법은 텍스트의 형태소를 분석하는 단계, 분석된 형태소를 데이터베이스에 저장된 형태소 정보와 매칭하는 단계 및 형태소 정보와 매칭된 결과를 이용하여 텍스트의 감정지수를 분석하는 단계를 포함하되, 상기 형태소 정보는 복수의 항목으로 구분된 형태소의 성질에 대해 형태소와 각 항목의 관련도를 나타낸 정보이고, 상기 감정지수 분석 단계는 형태소 정보에 따라 상기 복수의 항목과 텍스트의 관련도를 분석할 수 있다. 이 때 형태소 분석 단계는 텍스트를 문장 단위로 분석할 수 있다.The text emotion index analysis method of the present invention for solving the above-described problem is the step of analyzing the morphemes of the text, matching the analyzed morphemes with the morpheme information stored in the database and the emotion of the text using the results matched with the morpheme information Including the step of analyzing the index, wherein the morpheme information is information indicating the relationship between the morpheme and each item with respect to the properties of the morpheme divided into a plurality of items, The emotional index analysis step is a plurality of items according to the morpheme information Analyze the relationship between text and text. In this case, the morpheme analysis step may analyze the text in units of sentences.
한편, 본 발명의 일 실시예에서 감정지수 분석 단계는 형태소의 품사, 문장 내 위치, 배열 순서 또는 형태소 간의 거리 중 적어도 어느 하나 이상을 반영하여 분석하고, 문장에 포함된 형태소 중 부정 극어와 부정어의 위치에 따른 가중치를 부여할 수 있다.Meanwhile, in an embodiment of the present invention, the emotional index analysis step may be performed by reflecting at least one or more of a part-of-speech, a position in a sentence, an arrangement order, or a distance between morphemes, and analyzing negative and negative words among morphemes included in a sentence. The weight may be given according to the position.
본 발명의 일 실시예에서 감정지수 분석 단계는 복수의 항목을 사용자에 의해 설정된 항목으로 변경하고, 변경된 항목과 텍스트의 관련도를 분석할 수 있다. In an embodiment of the present invention, the emotion index analysis step may change the plurality of items into items set by the user and analyze the degree of association between the changed items and the text.
한편 본 발명은 형태소 정보에 카테고리 정보가 더 포함되고, 이 때 감정지수 분석 단계는 카테고리에 따른 텍스트의 감정지수를 분석할 수 있다.Meanwhile, the present invention further includes category information in the morpheme information, and in this case, the emotion index analysis step may analyze the emotion index of the text according to the category.
본 발명의 다른 실시예에서 형태소 정보 매칭 단계 이후에 시간에 따른 형태소 정보의 변화 추이를 분석하는 감정지수 추적 단계를 더 포함할 수 있다.In another embodiment of the present invention, after the step of matching the morpheme information, the emotion index tracking step of analyzing the change of the morpheme information with time may be further included.
한편, 본 발명의 또 다른 실시예에서 형태소 정보는 특정 형태소 성질에 대한 형태소의 관련도에 따라 가중치가 부여되고, 감정지수 분석 단계는 특정 가중치 이상인 형태소가 텍스트 내에 기설정된 수 이상 포함된 경우에 감정지수를 분석할 수 있고, 가중치를 부여하는 데에 있어서 형태소의 품사 또는 형태소 간의 위치를 고려할 수 있다.Meanwhile, in another embodiment of the present invention, the morpheme information is weighted according to the relevance of the morphemes to specific morphological properties, and the emotional index analysis step is performed when the number of morphemes having a specific weight or more is included in the text or more. The index can be analyzed and the parts of speech of morphemes or the positions between morphemes can be taken into account in assigning weights.
본 발명은 상술한 텍스트의 감정지수 분석 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체 형태로 실시될 수 있다.
The present invention can be implemented in the form of a computer-readable recording medium in which a program for executing the above-described method for analyzing an emotional index of text is recorded.
본 발명에 따르면 텍스트에 내재된 작성자의 감정을 다양한 요소에 따라 분석할 수 있다.According to the present invention, the emotion of the author inherent in the text can be analyzed according to various factors.
특히, 온라인 상에서 또는 SNS에 실린 텍스트의 감정을 분석함으로써 다양한 주체의 의견, 평판을 수렴할 수 있다.In particular, by analyzing the feelings of texts that are published online or on SNS, opinions and reputations of various subjects can be collected.
뿐만 아니라 감정 분석 결과를 마케팅 등에 활용할 수 있으며, 사회의 현안, 이슈 등을 정밀하게 분석할 수 있다.
In addition, the results of emotional analysis can be used for marketing, and can accurately analyze social issues and issues.
도 1은 본 발명의 일 실시예에 의한 감정지수 분석 방법을 나타낸 순서도이다.
도 2는 본 발명의 일 실시예에 의한 감정지수 분석 방법을 구현하기 위한 장치를 나타낸 블록도이다.
도 3은 본 발명의 형태소 정보와 매칭된 형태소의 일 예를 나타낸 도면이다.
도 4는 본 발명의 일 실시예에 따라 감정지수가 분석된 결과를 나타낸 도면이다.
도 5는 본 발명의 다른 실시예에 의한 감정지수 분석 방법을 나타낸 순서도이다.
도 6은 본 발명의 다른 실시예에 따라 형태소 정보의 항목이 변경된 예를 나타낸 도면이다.
도 7는 본 발명의 다른 실시예에 의한 감정지수 분석 방법을 나타낸 순서도이다.1 is a flowchart showing a method for analyzing an emotional index in accordance with an embodiment of the present invention.
2 is a block diagram showing an apparatus for implementing a method for analyzing an emotional index according to an embodiment of the present invention.
3 is a diagram illustrating an example of morphemes matching the morpheme information of the present invention.
4 is a diagram illustrating a result of analyzing an emotional index according to an embodiment of the present invention.
5 is a flowchart illustrating a method for analyzing an emotional index in accordance with another embodiment of the present invention.
6 is a diagram illustrating an example of changing an item of morpheme information according to another exemplary embodiment of the present invention.
7 is a flowchart illustrating a method for analyzing an emotional index in accordance with another embodiment of the present invention.
이하 첨부된 도면을 참고하여 본 발명에 대하여 상세하게 설명한다.
DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS The present invention will now be described in detail with reference to the accompanying drawings.
도 1은 본 발명의 일 실시예에 의한 감정지수 분석 방법을 나타낸 순서도이다.1 is a flowchart showing a method for analyzing an emotional index in accordance with an embodiment of the present invention.
본 발명의 일 실시예에는 텍스트의 형태소를 분석하는 단계, 분석된 형태소를 데이터베이스에 저장된 형태소 정보와 매칭하는 단계 및 형태소 정보와 매칭된 결과를 이용하여 텍스트의 감정지수를 분석하는 단계를 포함하되, 상기 형태소 정보는 복수의 항목으로 구분된 형태소의 성질에 대해 형태소와 각 항목의 관련도를 나타낸 정보이고, 상기 감정지수 분석 단계는 형태소 정보에 따라 상기 복수의 항목과 텍스트의 관련도를 분석한다.An embodiment of the present invention includes analyzing the morphemes of the text, matching the analyzed morphemes with the morpheme information stored in the database, and analyzing the emotion index using the results matched with the morpheme information. The morpheme information is information indicating a degree of association between morphemes and respective items with respect to the properties of morphemes divided into a plurality of items, and the emotional index analysis step analyzes the relationship between the plurality of items and texts according to the morpheme information.
형태소 분석 단계는 온라인 상에 게시 또는 저장된 텍스트, 사용자가 입력한 텍스트, 단말기(예, 컴퓨터, 스마트 폰 등)에 저장된 텍스트의 형태소를 분석한다. 형태소 분석은 텍스트를 어절로 구분하고(단일 문장 텍스트인 경우는 문장을 어절로 구분함) 어절을 품사에 따라 다시 구분하여 형태소의 기본 형태를 도출한다. 형태소의 기본 형태는 국립국어원에서 발행한 현대 문어 형태 분석 말뭉치 구축 지침을 기분으로 선별되는데, 이는 본 발명이 구현되는 장치 내의 별도의 저장 수단에 저장되거나 또는 위 지침이 저장된 별도의 외부 서버, 저장 수단에 접속하여 형태소 분석 기준으로 사용할 수 있다. 뿐만 아니라 일상에서 널리 통용되는 이모티콘, 비속어, 은어 또는 신조어등도 형태소로 추출할 수 있다.The morpheme analysis step analyzes the morpheme of the text posted or stored online, the text input by the user, and the text stored in the terminal (eg, a computer, a smart phone, etc.). Morphological analysis deduces the basic form of morpheme by dividing the text into words (in the case of single sentence text, the sentences into words) and reclassifying the words according to parts of speech. The basic form of the morpheme is selected as a mood by the modern octopus morphology analysis corpus building instructions issued by the National Institute of the Korean Language, which is stored in a separate storage means in a device in which the present invention is implemented or in a separate external server or storage means in which the above instructions are stored. Can be used as a basis for morphological analysis. In addition, emoticons, slang, slang or new words commonly used in everyday life can be extracted as morphemes.
본 발명은 다양한 디지털 정보가 업로드, 저장되는 서버들, 특히 SNS 서버 등에 저장된 텍스트 정보를 크롤링(crawling)하여 온라인 상의 이슈에 대한 다양한 주체의 의견, 감정이 담긴 텍스트를 실시간으로 분석하는 데에 적용되는 경우 실효성이 높다.
The present invention is applied to the real-time analysis of texts containing opinions and feelings of various subjects on online issues by crawling text information stored in various digital information uploaded and stored servers, especially SNS servers. High effectiveness.
형태소 분석 단계에 의해 분석된 형태소는 데이터베이스에 저장된 형태소 정보와 매칭된다.The morphemes analyzed by the morpheme analysis step match the morpheme information stored in the database.
형태소 정보란 복수의 항목으로 구분된 형태소의 성질에 대해 형태소와 각 항목의 관련도를 나타낸 정보이다. 형태소의 성질이란 어떠한 형태소가 나타내는 감정을 나타내는 것으로 그 예가 도 3에 도식화 되어 있다. 도 3에 도시된 예에서는 "만족, 안심, 기쁨, 재미, 긍지, 불만, 공포, 슬픔, 혐오, 분노"라는 10가지의 감정이 형태소의 성질을 나타내기 위한 복수의 항목으로 설정되어 있다. 본 발명은 이와 같이 복수의 항목에 의해 형태소의 성질을 구분함으로써, 긍정, 중립, 부정으로만 구분되어 있던 종래의 방식에 비하여 다양한 감정을 보다 객관적으로, 풍성하게 분석할 수 있다.The morpheme information is information showing the degree of relevance of each morpheme with respect to the properties of the morpheme divided into a plurality of items. The nature of morphemes refers to the emotions exhibited by certain morphemes, an example of which is illustrated in FIG. 3. In the example shown in FIG. 3, ten emotions such as "satisfaction, reassurance, joy, fun, pride, dissatisfaction, fear, sadness, disgust, anger" are set as a plurality of items for representing the properties of the morpheme. In the present invention, by distinguishing the properties of the morphemes by the plurality of items, various emotions can be analyzed more objectively and richly than in the conventional method which is classified only as positive, neutral, and negative.
각 형태소의 형태소 정보는 데이터베이스에 저장되어 있다. 각 형태소가 복수의 항목 중 어떤 항목과 어느 정도의 관련도가 있는지 등을 체계적으로 정리하여 데이터베이스를 구축할 수 있으며, 구축된 데이터베이스에 저장된 형태소 정보는 본 발명의 실시에 따라 형태소와 매칭되여 감정지수를 분석하는 데에 사용된다.
The morpheme information of each morpheme is stored in the database. It is possible to construct a database by systematically organizing how much of each item is related to which item among a plurality of items, and the morpheme information stored in the constructed database is matched with the morpheme according to the embodiment of the present invention, and an index of emotion is provided. It is used to analyze it.
분석된 형태소가 형태소 정보와 매칭된 이후에는 이 결과를 이용하여 텍스트의 감정지수를 분석한다. After the analyzed morpheme is matched with the morpheme information, this result is used to analyze the emotional index of the text.
감정지수를 분석하는 단계는 형태소 정보에 따라 상기 복수의 항목과 텍스트의 관련도를 분석한다. 형태소의 각 형태소 정보를 바탕으로 문장 또는 텍스트 전체의 형태소 정보를 도출하고, 이에 따라 텍스트가 형태소 정보 내의 각 항목과 어느 정도의 관련도를 가지는지를 분석함으로써, 감정지수를 분석한다. 특히 분석된 형태소 중 동사나 형용사와 같이 성질, 감성 등을 표현하는 형태소를 통해 도출된 형태소 성질을 기반으로 감정지수를 분석함으로써 텍스트 작성자의 의도를 정확하게 파악할 수 있다. Analyzing the emotional index analyzes the degree of relevance of the plurality of items and the text according to the morpheme information. The emotion index is analyzed by deriving the morpheme information of the sentence or the text as a whole based on the morpheme information of the morpheme, and by analyzing how much the text is related to each item in the morpheme information. In particular, it is possible to accurately grasp the intention of the text writer by analyzing the emotion index based on the morphological properties derived from morphemes expressing properties and emotions such as verbs and adjectives.
아래에서는 실제 텍스트를 예로 들어 본 발명의 감정지수 분석 방법에 대해 설명한다. 예를 들어, "다음은 블루투스 연결을 통해 들어봤는데 제가 가진 기기들과의 페어링이나 제어에 문제가 없었고 특히 SBR510과의 궁합이 괜찮아 상당히 만족스러웠습니다."라는 텍스트의 감정지수를 분석하는 경우 먼저 텍스트의 형태소를 분석하면, '다음은'은 '다음+은'으로, '블루투스'는 '블루투스'로, '들어봤는데'는 '들+어+보+았는데'로 형태소가 분석된다. 텍스트 내의 다른 어절들도 위와 같이 분석된다.In the following, the emotional index analysis method of the present invention will be described using real text as an example. For example, if you analyze the sentiment index of the text, "The following was heard through a Bluetooth connection, there was no problem with pairing or control with my devices, and especially with the SBR510, it was quite satisfactory." If you analyze the morpheme, 'next' is 'next +', 'bluetooth' is 'bluetooth', 'heard' is 'de + a + saw +'. Other words in the text are analyzed as above.
분석된 형태소를 데이터베이스 상에 저장된 형태소 정보와 매칭시켜 각 형태소 별로 도 3과 같은 형태소 성질을 도출한다. 특히 위 예에서, '괜찮아, 만족'과 같은 형태소는 텍스트 작성자의 주관적인 감정을 파악하는데 중요한 형태소에 해당하는데 이러한 형태소의 형태소 성질을 기반으로, 작성자가 텍스트를 통해 표현하고자 하는 감정을 복수의 항목과의 관련도로 표현하여 텍스트의 감정 지수를 분석한다. 이하에서는 본 발명의 다른 실시예에 따라 텍스트의 감정지수를 분석하는 방법에 대해 보다 상세하게 기술한다.
By matching the analyzed morpheme with the morpheme information stored in the database, the morpheme properties as shown in FIG. 3 are derived for each morpheme. In particular, in the above example, a morpheme such as 'okay, satisfied' is an important morpheme for grasping the subjective feelings of the author of the text. Analyze the emotional index of the text by expressing the relevance of. Hereinafter, a method for analyzing an emotional index of text according to another embodiment of the present invention will be described in more detail.
본 발명의 일 실시예에서는 텍스트의 형태소를 분석하는 데에 있어서, 텍스트를 문장 단위로 분석한다. 종래에는 텍스트 전체에서 긍정적인 의미를 가지는 형태소가 몇 개인지, 부정적인 의미를 가지는 형태소가 몇 개인지 등만을 파악하여 텍스트 단위로 감정의 긍/부정을 판단하였다. 그러나 텍스트에서 기본적인 의미 단위는 문장이므로, 본 발명은 텍스트 전체 내에서도 문장 단위로 형태소를 분석하고, 문장 단위로 감정 지수를 분석한다. 따라서, 작성자의 의도를 보다 정확하게 파악할 수 있도록 한다.In an embodiment of the present invention, in analyzing the morpheme of the text, the text is analyzed in sentence units. In the related art, only the number of morphemes having a positive meaning and the number of morphemes having a negative meaning in the whole text are determined to determine whether the emotions are positive or negative. However, since the basic semantic unit in the text is a sentence, the present invention analyzes morphemes in sentence units and emotional indexes in sentence units even in the entire text. Therefore, the intention of the author can be more accurately understood.
한편, 본 발명의 일 실시예에서 감정 지수를 분석하는 단계는 형태소의 품사, 문장 내 위치, 배열 순서 또는 형태소 간의 거리 중 적어도 어느 하나 이상을 반영하여 감정지수를 분석한다. 본 실시예를 "며칠 전에는 얼음 띄운 냉커피가 시원하게 느껴지더니 어제와 오늘은 김이나는 따뜻한 커피가 좋은 날이네요."라는 텍스트를 예로 들어 살펴본다. 위 텍스트에서 작성자의 감정을 분석하기 위해 특히 포인트가 되는 형태소는 '냉커피, 시원하게, 따뜻한, 커피, 좋은'이다. 냉커피와 시원하게는 형태소 정보가 다른 단어에 비하여 유사하며, 두 형태소가 같이 고려되는 경우 서로의 의미를 보충해주므로 텍스트 작성자의 감정을 보다 정확하게 파악할 수 있게 한다. 만약, 냉커피와 따뜻하다를 같이 고려하는 경우 텍스트 작성자의 의도를 잘못 반영한 것이므로 감정 분석의 정확도가 낮아진다.Meanwhile, in the analyzing of the emotional index in an embodiment of the present invention, the emotional index is analyzed by reflecting at least one or more of parts of speech, position in a sentence, an arrangement order, or a distance between morphemes. Take this example as an example: "A few days ago, the iced iced coffee felt cool, but yesterday and today is a good day for hot coffee." The morphemes that are particularly important in analyzing the author's feelings in the text above are 'cold coffee, cool, warm, coffee and good'. Cold coffee and cool morpheme information is similar to other words, and when the two morphemes are considered together, they complement each other's meanings so that the emotions of text writers can be more accurately understood. If you consider cold coffee and warm together, the accuracy of emotional analysis is lowered because it incorrectly reflects the intention of the text creator.
이와 같이 다양한 형태소가 결합된 문장 내에서도 형태소의 품사, 문장 내에서 형태소의 위치 및 배열 순서, 거리에 따라 작성자의 의도가 다르게 해석될 수 있고 그에 따라 감정지수가 서로 다르게 분석될 수 있다. 감정지수를 정확하게 분석하기 위해서는 작성자의 의도를 객관적으로 명확하게 파악할 필요가 있는데, 위에 나열된 요소들을 반영하여 감정지수를 분석함으로써 감정지수 분석의 신뢰도를 높일 수 있다.As described above, even in a sentence in which various morphemes are combined, the intention of the writer may be interpreted differently according to the parts of speech of the morpheme, the position and arrangement order of the morphemes in the sentence, and the emotion index may be analyzed differently accordingly. In order to accurately analyze the emotion index, it is necessary to grasp objectively and clearly the intention of the creator, and by analyzing the emotion index by reflecting the factors listed above, the reliability of the emotion index analysis can be improved.
한편, 본 발명의 다른 실시예에서는 문장에 포함된 형태소 중 부정 극어와 부정어의 위치에 따른 가중치를 부여할 수 있다. 이는 텍스트 작성자가 이중 부정에 의해 강한 긍정을 나타내는 것을 정확하게 반영하여 감정지수를 분석하기 위한 것이다.Meanwhile, in another embodiment of the present invention, weights may be assigned according to positions of negative and negative words among morphemes included in sentences. This is to analyze the emotion index accurately reflecting that the text writer shows strong positive by double negation.
부정 극어의 예로 "전혀, 영, 통, 도무지, 여간, 이다지, 그다지, 미처, 밖에, 별반, 커녕, 차마, 절대, 도무지, 도통, 아무런, 당최, 아무도, 웬만해서, 여간해서, 아무도, 결코, 결단코, 도저히, 좀처럼, 좀체, 과히, 별로" 등을 들 수 있다. 위 부정 극어는 그 자체로는 부정적인 의미로 사용되나, 뒤에 부정적인 서술어와 결합되는 경우, 긍정적인 감정을 강조하는 표현이 된다. Examples of negative polarities include: "Nothing, spirit, barrel, intercourse, intercourse, intercourse, much, no, outside, no, rather, no, no, no, no, no, no, no, no, no, no, no, no, Never, hardly, rarely, seldom, excessively, or poorly. " The negative word itself is used in a negative sense by itself, but when combined with a negative predicate, it becomes an expression that emphasizes positive emotions.
위와 같은 이중 부정의 의미를 고려하지 않고 감정지수를 분석하는 경우 텍스트의 의미를 반대로 파악하는 문제가 발생한다. 예를 들어 "아무도 그 사실을 부인하지 않았다."는 문장을 형태소 그대로 해석하는 경우 아무도와 않았다가 모두 부정적인 의미를 내포하므로 위 문장은 부정적인 감정이 반영된 것으로 파악된다. When analyzing the emotional index without considering the meaning of double negation as above, there is a problem of recognizing the meaning of the text in reverse. For example, the phrase "no one denied the facts" is interpreted as a morpheme, and since both have negative meanings, the above sentence is considered to reflect negative emotions.
그러나 본 실시예와 같이 부정 극어와 부정어의 위치를 고려하고, 이중 부정에 따른 강한 긍정의 의도에 대해 가중치를 부여함으로써 위 문장은 "모두가 그 사실을 인정했다."는 긍정적인 의미를 가진 문장으로 해석되고 감정지수도 긍정적으로 분석된다.
However, by considering the location of the negative and negative words as in this embodiment, and by weighting the strong positive intention according to the double negative, the above sentence has a positive meaning "all acknowledged the fact." The sentiment index is also positively analyzed.
본 발명의 각 실시예에 따라 텍스트의 감정지수를 분석한 결과의 예가 도 4에 도시되어 있다. 도 4를 살펴보면, 총 10개의 항목으로 구분된 형태소의 성질에 따라 텍스트의 감정지수를 분석하여 도식화하였다. 텍스트가 각 항목에 어느 정도 일치하는지, 전체적으로 이루는 감정 분포가 어떠한지를 확인할 수 있다. 감정지수는 도 4와 같이 그래프 등을 통해 표현할 수도 있고, 수치화하여 표현할 수도 있다. 표현 방식이 제한되는 것은 아니다. 한편, 도 4에 도시된 것처럼 복수의 항목을 긍정의 항목과 부정의 항목으로 구분하여 텍스트가 긍정적인 감정을 담고 있는지 부정적인 감정을 담고 있는지 여부도 분석할 수 있다.
An example of the result of analyzing the emotional index of the text according to each embodiment of the present invention is shown in FIG. 4. Referring to Figure 4, according to the nature of the morpheme divided into a total of 10 items by analyzing the emotional index of the text and plotted. You can see how much the text matches each item and what the overall distribution of emotions is. The emotion index may be expressed through a graph or the like as shown in FIG. 4, or may be expressed numerically. The manner of expression is not limited. Meanwhile, as illustrated in FIG. 4, a plurality of items may be divided into positive and negative items to analyze whether the text contains positive or negative emotions.
도 5는 본 발명의 다른 실시예에 의한 감정지수 분석 방법을 나타낸 순서도이다.5 is a flowchart illustrating a method for analyzing an emotional index in accordance with another embodiment of the present invention.
본 실시예는 형태소의 성질을 나타내는 복수의 항목을 사용자의 설정에 의해 변경할 수 있으며, 변경된 경우 사용자가 설정한 항목과 텍스트의 관련도를 분석함으로써 텍스트의 감정지수를 분석할 수 있다. 도 4 및 도 6을 비교하여 본 실시예를 보다 상세하게 살펴본다. According to the present exemplary embodiment, a plurality of items representing the properties of morphemes may be changed by the user's setting, and if changed, the emotional index of the text may be analyzed by analyzing the relation between the item set by the user and the text. 4 and 6, the present embodiment will be described in more detail.
앞서 살펴본 도 4에서는 복수의 항목을 10가지 감정(만족, 안심, 기쁨, 재미, 긍지, 불만, 공포, 슬픔, 혐오, 분노)에 따라 설정하였다. 이는 위 실시예에서 디폴트로 설정된 감정이다. 그러나 감정지수를 분석하는 데에 있어서 기 설정된 감정 외에 필요에 따라 사용자가 파악하고 싶은 감정을 기준으로 텍스트의 감정지수를 분석할 필요가 있다.In FIG. 4, the plurality of items are set according to ten emotions (satisfaction, reassurance, joy, fun, pride, dissatisfaction, fear, sadness, disgust, anger). This is the emotion set by default in the above embodiment. However, in analyzing the emotional index, it is necessary to analyze the emotional index of the text based on the emotion desired by the user as needed in addition to the predetermined emotion.
본 실시예는 이를 가능하게 하기 위한 것으로 사용자가 설정한 항목(도 6에서는 아름다움, 세련됨, 화사함, 깔끔함, 매력적)에 대해 텍스트가 어느 정도의 감정을 표현하는지 분석할 수 있도록 제공한다. 즉, 사용자의 필요에 따라 감정지수의 항목을 설정하고, 설정된 항목에 따라 텍스트를 분석할 수 있다. The present embodiment is intended to enable this, and provides an analysis of how much emotion the text expresses with respect to items set by the user (beauty, sophistication, brightness, neatness, and attractiveness in FIG. 6). That is, the item of the emotion index can be set according to the needs of the user, and the text can be analyzed according to the set item.
이를 구현하기 위한 일례로, 전체 텍스트의 감정지수를 디폴트로 설정된 항목(도 4에서는 10가지 항목)에 따라 분석하고, 분석된 감정지수와 사용자가 설정한 항목의 일치율을 분석한다. 사용자가 설정한 항목 또한 형태소에 해당하므로 사용자가 설정한 항목을 디폴트로 설정된 항목에 의해 나타낼 수 있다. 즉, 텍스트의 감성 지수 분석 결과와 사용자가 설정한 항목 모두 디폴트로 설정된 항목과의 관련도를 도출할 수 있으므로, 텍스트의 감성 지수와 사용자가 설정한 항목의 상관관계, 일치율을 도출할 수 있다. 그 결과가 도 6에 나타나 있다.As an example for implementing this, the emotional index of the entire text is analyzed according to the item set as a default (10 items in FIG. 4), and the matching ratio between the analyzed emotional index and the item set by the user is analyzed. Since the item set by the user also corresponds to the morpheme, the item set by the user can be represented by the item set as the default. That is, since the result of analyzing the emotional index of the text and the item set by the user can derive the relevance between the item set as the default, the correlation and the matching rate between the emotional index of the text and the item set by the user can be derived. The results are shown in FIG.
위 예에서 디폴트로 설정된 항목에 따른 '아름다움'의 관련도와 텍스트 분석 결과에 따른 항목별 관련도를 비교한 결과 약 70%의 일치율을 보이고, 매력은 15%, 깔끔함은 20%, 화사함은 25%, 세련됨은 50%의 일치율을 보인다. 따라서 분석된 텍스트를 사용자가 설정한 항목과의 일치율로 나타낼 수 있고, 사용자가 텍스트에 특정 감정이 어느 정도 반영되어 있는지를 확인할 수 있다.As a result of comparing the relevance of 'beauty' according to the item set as default in the above example and the relevance of each item according to the result of text analysis, the agreement rate is about 70%, attractiveness is 15%, neatness is 20%, and brightness is 25% , Refinement shows a 50% agreement. Therefore, the analyzed text can be represented by the matching rate with the item set by the user, and the user can check how much the specific emotion is reflected in the text.
본 실시예를 구현하기 위한 다른 예로, 텍스트에서 분석된 형태소 각각의 형태소 정보와 사용자가 설정한 항목의 형태소 정보의 일치율을 판단하고 텍스트 분석을 디폴트로 설정된 항목이 아닌 사용자가 설정한 항목에 의해 분석하고 관련도를 판단함으로써 텍스트가 사용자가 설정한 항목의 감정을 어느 정도 포함하고 있는지 분석할 수도 있다. 뿐만 아니라, 본 발명의 다른 실시예에서는 텍스트에서 분석된 전체 감정지수의 결과가 산출되었을 때 각각의 감정에 영향을 준 형태소가 어떤 것인지를 역추적하여 감정지수 분석의 의도에 맞게 텍스트를 분석할 수 있다.
As another example for implementing the present embodiment, the match rate of the morpheme information of each morpheme analyzed in the text and the morpheme information of the item set by the user is determined, and the text analysis is analyzed by the item set by the user instead of the item set as the default. And by determining the degree of relevance, it is possible to analyze how much the text includes the emotion of the item set by the user. In addition, in another embodiment of the present invention, when the result of the overall emotional index analyzed in the text is calculated, the text may be analyzed according to the intention of the emotional index analysis by tracing back the morphemes that influenced each emotion. have.
한편, 본 발명의 다른 실시예에서는 형태소 정보 내에 카테고리 정보가 더 포함될 수 있다. 이 경우 감정지수 분석 단계는 카테고리에 따른 텍스트의 감정지수를 분석할 수 있다. 텍스트 내에 포함된 형태소가 예를 들어, 정치, 인물, 경제, 반응, 장소, 브랜드, 취미와 같은 다양한 카테고리 중 어느 카테고리에 속하는지 매칭시킴으로써, 특정 카테고리에 대한 텍스트의 감정지수를 분석할 수 있도록 한다(형태소 중 명사가 카테고리를 결정짓는 주된 요소이나, 그 밖의 품사에 의해서도 카테고리가 결정될 수 있다.). Meanwhile, in another embodiment of the present invention, category information may be further included in the morpheme information. In this case, the emotional index analysis step may analyze the emotional index of the text according to the category. Match the categories of morphemes included in the text, for example, politics, people, economy, reactions, places, brands, hobbies, etc., to analyze the emotional index of the text for a specific category. (Category can also be determined by the main factor in which nouns determine categories, or by other parts of speech.)
따라서 특정 텍스트가 정치적인 입장에서 어떠한 감정을 가지는지, 인물에 대해서는 어떠한 감정을 내포하고 있는지 등에 대해 분석할 수 있게 된다.
Therefore, it is possible to analyze what emotions a particular text has from a political standpoint and what emotions it contains for a person.
도 7는 본 발명의 다른 실시예에 의한 감정지수 분석 방법을 나타낸 순서도이다.7 is a flowchart illustrating a method for analyzing an emotional index in accordance with another embodiment of the present invention.
본 실시예에서는 앞선 실시예의 형태소 정보 매칭 단계 이후 시간에 따른 형태소 정보의 변화 추이를 분석하는 감정지수 추적 단계를 더 포함한다. 감정지수 추적 단계는 감정지수 분석 단계와는 독립적으로 수행된다. 형태소 정보 중 특히 일반명사의 경우 다양한 이유로 인하여 일반명사에 내포되는 감정 등이 변하게 된다. 따라서 주기적으로 데이터베이스에 저장된 형태소 정보를 갱신해야할 필요가 있는데, 본 실시예에서는 형태소 정보 갱신에 따른 행태소 정보의 변화 추이를 분석하여 사용자가 확인할 수 있도록 제공한다. 본 실시예에 따르면, SNS 등에서 특정 인물, 회사, 상품, 브랜드에 대한 사람들의 인식을 추적할 수 있으므로, 마케팅 등에 효과적으로 활용할 수 있다.
The present embodiment further includes an emotion index tracking step of analyzing a change of the morpheme information with time after the morpheme information matching step of the previous embodiment. The emotion index tracking step is performed independently of the emotion index analysis step. In the case of morpheme information, especially common nouns, emotions in general nouns change for various reasons. Therefore, it is necessary to periodically update the morpheme information stored in the database. In this embodiment, the change trend of the behavior morpheme information according to the update of the morpheme information is analyzed and provided for the user to check. According to the present embodiment, since people's perception of a specific person, a company, a product, or a brand can be tracked in an SNS, the present invention can be effectively used for marketing.
본 발명의 다른 실시예에서 형태소 정보는 특정 형태소 성질에 대한 형태소의 관련도에 따라 가중치가 부여되고, 감정지수 분석 단계는 특정 가중치 이상인 형태소가 텍스트 내에 기설정된 수 이상 포함된 경우에 감정지수를 분석한다. 본 실시예는 감정지수 분석의 신뢰도를 높이기 위한 것이며, 아래 표를 참조하여 설명한다.In another embodiment of the present invention, the morpheme information is weighted according to the relevance of the morphemes to specific morphological properties, and the emotional index analysis step analyzes the emotional index when the morphemes having a specific weight or more are included in the text or more. do. This embodiment is for improving the reliability of the emotional index analysis, it will be described with reference to the table below.
표를 살펴보면 각 형태소에 디폴트로 설정된 복수의 항목에 대한 관련도가 수치로 기재되어 있다. 복수의 항목을 특정 성질(행복/긍정, 불행/부정)로 구분하였는데 이 수치에 따라 따라 가중치가 결정된다. 위 표에서는 1000점 만점에 900점 이상은 가중치 5, 800 ~ 900점은 가중치 4로 결정되었다. 즉, 가중치는 복수의 항목에 의해 드러나는 특정 감정(행복, 불행) 등을 알 수 있는 지표로써 해당 가중치가 높을수록 감정을 강하게 드러낸다.In the table, the relevance of a plurality of items set by default in each morpheme is indicated by a numerical value. A plurality of items are divided into specific properties (happy / positive, unhappy / negative), and the weight is determined according to this number. In the table above, a weight of 5 out of 900 and a weight of 4 out of 800 to 900 were determined. In other words, the weight is an indicator for identifying a particular emotion (happiness, unhappiness) that is revealed by a plurality of items, and the higher the weight, the stronger the emotion is.
본 실시예에서는 감정지수 분석 대상이 되는 텍스트에 특정 가중치(예. 5)인 형태소(예, 행복하다 또는 기쁘다)가 기설정된 수(예, 2개) 이상 포함된 경우에만 감정지수를 분석한다. 감정을 강하게 드러내는 형태소가 없는 경우에는 감정지수 분석 대상으로서의 의미가 낮고 사실만을 적시한 텍스트일 확률이 높으므로 본 실시예에 의해 감정지수를 분석할 텍스트를 필터링할 수 있게 된다. In the present embodiment, the emotional index is analyzed only when the text that is the emotional index analysis target includes more than a predetermined number (eg, two) of morphemes (eg, happy or happy) having a specific weight (eg, 5). If there is no morpheme that strongly reveals emotions, it is possible to filter the texts for analyzing the emotional indexes according to the present embodiment since the meanings as the emotional index analysis targets are low and the probability of the texts are only timely facts.
이에 더하여, 본 발명은 형태소의 품사 또는 형태소 간의 위치를 고려하여 가중치를 달리 적용할 수 있다. 실례로 정도부사로 분류되는 매우, 극히, 대단히, 너무, 굉장히, 제법, 가장, 워낙 등의 단어는 뒤따라 오는 형태소의 감정을 배가시키는 단어이므로 이러한 단어가 사용된 경우, 예를 들어 '매우 행복하다' 또는 '매우 슬프다' 등과 같은 경우는 관련도를 더 높게 설정할 수 있고, 가중치 또한 수식되는 형태소가 가진 가중치에 비하여 높게(예, 2배) 연산할 수도 있다.
In addition, the present invention may apply the weight differently in consideration of parts of speech or positions between morphemes. For example, the words very, very, very, very, very, very, very, very, very, very much, doubling the emotions of the following morphemes are categorized as degree adverbs. In the case of 'or very sad', the relevance may be set higher, and the weight may also be calculated higher (eg, twice) than the weight of the morpheme to be modified.
본 발명의 다양한 실시예에 따른 텍스트의 감정지수 분석 방법은 이를 실행하기 위한 프로그램 형태로 구현될 수 있으며, 상기 프로그램은 컴퓨터로 읽을 수 있는 기록 매체의 형태로 실시될 수 있다. 여기서 컴퓨터로 읽을 수 있는 기록 매체는 단순히 CD, HDD와 같은 저장 장치만을 의미하는 것이 아니라 컴퓨터 또는 다양한 단말을 통해 접속하여 데이터를 활용할 수 있는 장치, 서버, 시스템을 포함한다.
The emotional index analysis method of text according to various embodiments of the present disclosure may be implemented in the form of a program for executing the same, and the program may be implemented in the form of a computer-readable recording medium. Here, the computer-readable recording medium does not simply mean a storage device such as a CD or an HDD, but includes a device, a server, and a system that can access data through a computer or various terminals.
도 2는 본 발명의 일 실시예에 의한 감정지수 분석 방법을 구현하기 위한 장치를 나타낸 블록도이다.2 is a block diagram showing an apparatus for implementing a method for analyzing an emotional index according to an embodiment of the present invention.
본 발명의 감정지수 분석기는 텍스트의 형태소를 분석하기 위한 형태소 분석 모듈, 분석된 형태소를 데이터베이스에 저장된 형태소 정보와 매칭하는 형태소 정보 매칭 모듈 및 형태소 정보와 매칭된 결과를 이용하여 텍스트의 감정지수를 분석하는 감정지수 분석 모듈을 포함할 수 있고, 감정지수 분석기는 각각의 형태소를 형태소 정보와 매칭하여 저장한 데이터베이스와 연동하여 구동될 수 있다. 즉, 본 발명의 감정지수 분석 방법은 컴퓨터로 판독 가능한 기록 매체에 의해 실행될 뿐만 아니라, 감정지수 분석기라는 독립된 장치에 의해서도 실행될 수 있다.
The emotional index analyzer of the present invention analyzes the emotional index of text using a morphological analysis module for analyzing the morpheme of the text, a morphological information matching module for matching the analyzed morpheme with the morpheme information stored in the database, and the result matched with the morpheme information. The emotion index analysis module may be included, and the emotion index analyzer may be driven in conjunction with a database in which each morpheme is matched and stored with the morpheme information. That is, the emotional index analysis method of the present invention can be executed not only by a computer-readable recording medium but also by an independent apparatus called an emotional index analyzer.
본 발명의 실시예들은 예시의 목적을 위해 개시된 것으로 본 발명이 속한 기술 분야의 통상의 지식을 가진 자가 본 발명의 기술 사상 범위 내에서 수정, 변경, 부가가 가능한 부분까지 본 특허청구범위에 속하는 것으로 보아야 할 것이다.Embodiments of the present invention are disclosed for the purpose of illustration, and those skilled in the art to which the present invention pertains to the scope of the claims to be modified, changed, added within the scope of the present invention. You will have to look.
Claims (10)
분석된 형태소를 데이터베이스에 저장된 형태소 정보와 매칭하는 단계; 및
형태소 정보와 매칭된 결과를 이용하여 텍스트의 감정지수를 분석하는 단계;
를 포함하되,
상기 형태소 정보는 복수의 항목으로 구분된 형태소의 성질에 대해 형태소와 각 항목의 관련도를 나타낸 정보이고,
상기 감정지수 분석 단계는 상기 형태소 정보를 구성하는 형태소 성질의 각 항목이 상기 텍스트에 포함된 정도를 분석하는 것을 특징으로 하는 텍스트의 감정지수 분석 방법
Analyzing the morpheme of the text;
Matching the analyzed morpheme with morpheme information stored in a database; And
Analyzing the emotion index of the text using the result matched with the morpheme information;
Including,
The morpheme information is information showing the degree of relevance of each morpheme with respect to the property of the morpheme divided into a plurality of items,
The emotion index analysis step of analyzing the emotional index of the text, characterized in that for analyzing the degree to which each item of the morpheme nature constituting the morpheme information contained in the text.
The method of claim 1, wherein the morphological analysis comprises analyzing the text in sentence units.
형태소의 품사, 문장 내 위치, 배열 순서 또는 형태소 간의 거리 중 적어도 어느 하나 이상을 반영하여 분석하는 것을 특징으로 하는 텍스트의 감정지수 분석 방법
The method according to claim 2, wherein the emotional index analysis step
Emotion index analysis method of text characterized in that the analysis by reflecting at least one or more of the parts of speech, position in the sentence, arrangement order or distance between the morphemes
문장에 포함된 형태소 중 부정 극어와 부정어의 위치에 따른 가중치를 부여하는 것을 특징으로 하는 텍스트의 감정지수 분석 방법
The method according to claim 2, wherein the emotional index analysis step
Emotion index analysis method of text characterized in that the weight is assigned according to the position of the negative and negative words among the morphemes included in the sentence
상기 복수의 항목을 사용자에 의해 설정된 항목으로 변경하고, 변경된 항목과 텍스트의 관련도를 분석하는 것을 특징으로 하는 텍스트의 감정지수 분석 방법
The method of claim 1, wherein the emotional index analysis step
The emotional index analysis method of the text characterized in that for changing the plurality of items to the item set by the user, and analyzing the relationship between the changed item and the text
감정지수 분석 단계는 카테고리에 따른 텍스트의 감정지수를 분석하는 것을 특징으로 하는 텍스트의 감정지수 분석 방법
The method according to claim 1, wherein the morpheme information further includes category information,
The emotional index analysis step of analyzing the emotional index of the text, characterized in that for analyzing the emotional index of the text according to the category
시간에 따른 형태소 정보의 변화 추이를 분석하는 감정지수 추적 단계를 더 포함하는 것을 특징으로 하는 텍스트의 감정지수 분석 방법
The method according to claim 1, wherein after the morpheme information matching step
Emotional index analysis method comprising the step of analyzing the emotional index for analyzing the change of morphological information over time
상기 형태소 정보는 특정 형태소 성질에 대한 형태소의 관련도에 따라 가중치가 부여되고,
상기 감정지수 분석 단계는 특정 가중치 이상인 형태소가 텍스트 내에 기설정된 수 이상 포함된 경우에 감정지수를 분석하는 것을 특징으로 하는 텍스트의 감정지수 분석 방법
The method according to claim 1,
The morpheme information is weighted according to the relevance of the morphemes to specific morphological properties,
The emotional index analysis step of analyzing the emotional index of the text, characterized in that the analysis of the emotional index when the number of morphemes more than a predetermined weight is included in the text.
The method according to claim 8, wherein weights are assigned in consideration of parts of speech or positions between morphemes.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20130082207A KR101330158B1 (en) | 2013-07-12 | 2013-07-12 | Method for analyzing text emotion index and computer readable medium |
| PCT/KR2014/006131 WO2015005662A1 (en) | 2013-07-12 | 2014-07-09 | Method for analyzing emotional index of text and computer-readable recording medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20130082207A KR101330158B1 (en) | 2013-07-12 | 2013-07-12 | Method for analyzing text emotion index and computer readable medium |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101330158B1 true KR101330158B1 (en) | 2013-11-15 |
Family
ID=49857895
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR20130082207A KR101330158B1 (en) | 2013-07-12 | 2013-07-12 | Method for analyzing text emotion index and computer readable medium |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR101330158B1 (en) |
| WO (1) | WO2015005662A1 (en) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150130214A (en) * | 2014-05-13 | 2015-11-23 | 주식회사 엘지씨엔에스 | Apparatus and method for classifying and analyzing documents including text |
| KR101628956B1 (en) * | 2015-03-09 | 2016-06-09 | 서울대학교산학협력단 | Method of generating emotion expressing text and apparatus thereof |
| KR20160086555A (en) * | 2015-01-12 | 2016-07-20 | 주식회사 그린키위 | Method of transactng guide matching, server performing the same and system of transactng guide |
| KR20190115299A (en) * | 2018-04-02 | 2019-10-11 | 스토리앤브라더스(주) | A method and server for providing a service for determining matching fitness of users |
| KR20190123093A (en) * | 2018-04-23 | 2019-10-31 | 부산대학교 산학협력단 | System and Method for Automated Emoticon Recommendation based on Emotion Ontology |
| KR20200050160A (en) * | 2018-11-01 | 2020-05-11 | 주식회사 한글과컴퓨터 | Electronic terminal device for document editing capable of emotional analysis on document and operating method thereof |
| KR20200088164A (en) * | 2019-01-14 | 2020-07-22 | 성균관대학교산학협력단 | Methods for performing sentiment analysis of messages in social network service based on part of speech feature and sentiment analysis apparatus for performing the same |
| KR102165863B1 (en) * | 2019-07-23 | 2020-10-14 | 성균관대학교산학협력단 | Methods and apparatuses for analyzing sentiment based on inter-category strength and intra-category strength in social networking service |
| KR102215584B1 (en) * | 2020-03-23 | 2021-02-10 | 최선희 | Method of analyzing user mentality by analyzing sentence and server performing the same |
| KR20220012586A (en) * | 2020-07-23 | 2022-02-04 | 고려대학교 산학협력단 | Online rorschach test system and operation method thereof |
| KR102506706B1 (en) | 2022-06-09 | 2023-03-06 | 주식회사 브레인벤쳐스 | Terminal for building machine learning data and artificial intelligence based system of detecting emotion using bio tagging data |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016147276A1 (en) * | 2015-03-13 | 2016-09-22 | 株式会社Ｕｂｉｃ | Data analysis system, data analysis method, and data analysis program |
| US10878196B2 (en) | 2018-10-02 | 2020-12-29 | At&T Intellectual Property I, L.P. | Sentiment analysis tuning |
| CN117393003B (en) * | 2023-12-13 | 2024-03-15 | 广州云趣信息科技有限公司 | Emotion recognition method and system based on semantic understanding |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060086457A (en) * | 1998-12-24 | 2006-07-31 | 소니 가부시끼 가이샤 | Information processor, electronic pet device and information processing method |
| KR20070093492A (en) * | 2006-03-14 | 2007-09-19 | (주)씨직스 | System and method for information guiding of products planning consulting using sensitivity vocabularies |
| KR20090034052A (en) * | 2007-10-02 | 2009-04-07 | 동국대학교 산학협력단 | Apparatus and method for extracting emotion information |
| KR20130075124A (en) * | 2011-12-27 | 2013-07-05 | 숭실대학교산학협력단 | Apparatus and method for analyzing emotion by extracting emotional word of text, and recording medium storing program for executing method of the same in computer |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101148164B1 (en) * | 2010-05-18 | 2012-05-23 | 경희대학교 산학협력단 | Method for estimating degree of subjective well-being based on language of user |
| KR101291755B1 (en) * | 2011-02-25 | 2013-07-31 | 성균관대학교산학협력단 | Apparatus and method for sentiment diagnosis of user |
-
2013
- 2013-07-12 KR KR20130082207A patent/KR101330158B1/en active IP Right Grant
-
2014
- 2014-07-09 WO PCT/KR2014/006131 patent/WO2015005662A1/en active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060086457A (en) * | 1998-12-24 | 2006-07-31 | 소니 가부시끼 가이샤 | Information processor, electronic pet device and information processing method |
| KR20070093492A (en) * | 2006-03-14 | 2007-09-19 | (주)씨직스 | System and method for information guiding of products planning consulting using sensitivity vocabularies |
| KR20090034052A (en) * | 2007-10-02 | 2009-04-07 | 동국대학교 산학협력단 | Apparatus and method for extracting emotion information |
| KR20130075124A (en) * | 2011-12-27 | 2013-07-05 | 숭실대학교산학협력단 | Apparatus and method for analyzing emotion by extracting emotional word of text, and recording medium storing program for executing method of the same in computer |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101723862B1 (en) * | 2014-05-13 | 2017-04-06 | 주식회사 엘지씨엔에스 | Apparatus and method for classifying and analyzing documents including text |
| KR20150130214A (en) * | 2014-05-13 | 2015-11-23 | 주식회사 엘지씨엔에스 | Apparatus and method for classifying and analyzing documents including text |
| KR20160086555A (en) * | 2015-01-12 | 2016-07-20 | 주식회사 그린키위 | Method of transactng guide matching, server performing the same and system of transactng guide |
| KR101679792B1 (en) | 2015-01-12 | 2016-12-01 | 주식회사 그린키위 | Method of transactng guide matching, server performing the same and system of transactng guide |
| KR101628956B1 (en) * | 2015-03-09 | 2016-06-09 | 서울대학교산학협력단 | Method of generating emotion expressing text and apparatus thereof |
| KR20190115299A (en) * | 2018-04-02 | 2019-10-11 | 스토리앤브라더스(주) | A method and server for providing a service for determining matching fitness of users |
| KR102079441B1 (en) * | 2018-04-02 | 2020-02-19 | 스토리앤브라더스(주) | A method and server for providing a service for determining matching fitness of users |
| KR102188739B1 (en) | 2018-04-23 | 2020-12-09 | 부산대학교 산학협력단 | System and Method for Automated Emoticon Recommendation based on Emotion Ontology |
| KR20190123093A (en) * | 2018-04-23 | 2019-10-31 | 부산대학교 산학협력단 | System and Method for Automated Emoticon Recommendation based on Emotion Ontology |
| KR20200050160A (en) * | 2018-11-01 | 2020-05-11 | 주식회사 한글과컴퓨터 | Electronic terminal device for document editing capable of emotional analysis on document and operating method thereof |
| KR102136659B1 (en) | 2018-11-01 | 2020-07-22 | 주식회사 한글과컴퓨터 | Electronic terminal device for document editing capable of emotional analysis on document and operating method thereof |
| KR102155692B1 (en) * | 2019-01-14 | 2020-09-14 | 성균관대학교산학협력단 | Methods for performing sentiment analysis of messages in social network service based on part of speech feature and sentiment analysis apparatus for performing the same |
| KR20200088164A (en) * | 2019-01-14 | 2020-07-22 | 성균관대학교산학협력단 | Methods for performing sentiment analysis of messages in social network service based on part of speech feature and sentiment analysis apparatus for performing the same |
| KR102165863B1 (en) * | 2019-07-23 | 2020-10-14 | 성균관대학교산학협력단 | Methods and apparatuses for analyzing sentiment based on inter-category strength and intra-category strength in social networking service |
| KR102215584B1 (en) * | 2020-03-23 | 2021-02-10 | 최선희 | Method of analyzing user mentality by analyzing sentence and server performing the same |
| WO2021194171A1 (en) * | 2020-03-23 | 2021-09-30 | 최선희 | Method for analyzing mental state of user through sentence analysis, and server for executing same |
| KR20220012586A (en) * | 2020-07-23 | 2022-02-04 | 고려대학교 산학협력단 | Online rorschach test system and operation method thereof |
| KR102446504B1 (en) * | 2020-07-23 | 2022-09-23 | 고려대학교 산학협력단 | Online rorschach test system and operation method thereof |
| KR102506706B1 (en) | 2022-06-09 | 2023-03-06 | 주식회사 브레인벤쳐스 | Terminal for building machine learning data and artificial intelligence based system of detecting emotion using bio tagging data |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2015005662A1 (en) | 2015-01-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101330158B1 (en) | Method for analyzing text emotion index and computer readable medium | |
| Gaur et al. | Knowledge-aware assessment of severity of suicide risk for early intervention | |
| Puschmann et al. | Turning words into consumer preferences: How sentiment analysis is framed in research and the news media | |
| Kang et al. | based measurement of customer satisfaction in mobile service: Sentiment analysis and VIKOR approach | |
| Ramanand et al. | Wishful thinking-finding suggestions and’buy’wishes from product reviews | |
| US9135255B2 (en) | System and method for making gift recommendations using social media data | |
| Han et al. | Knowledge of words: An interpretable approach for personality recognition from social media | |
| Kennedy et al. | Text analysis for psychology: Methods, principles, and practices | |
| Murphy | A hands-on guide to conducting psychological research on Twitter | |
| US20140108006A1 (en) | System and method for analyzing and mapping semiotic relationships to enhance content recommendations | |
| US9171326B2 (en) | System and method for making gift recommendations using social media data | |
| Fang et al. | Topics in tweets: A user study of topic coherence metrics for Twitter data | |
| Bellot et al. | INEX Tweet Contextualization task: Evaluation, results and lesson learned | |
| dos Santos et al. | Big five personality recognition from multiple text genres | |
| Luangrath et al. | Paralanguage classifier (PARA): An algorithm for automatic coding of paralinguistic nonverbal parts of speech in text | |
| CN113934941A (en) | User recommendation system and method based on multi-dimensional information | |
| Alharthi et al. | Study of linguistic features incorporated in a literary book recommender system | |
| Dehghani et al. | Handbook of language analysis in psychology | |
| US20140089130A1 (en) | System and method for making gift recommendations using social media data | |
| Swapna et al. | Finding thoughtful comments from social media | |
| Sidorenko | Sentiment Analysis of German Twitter | |
| Vivekanandan et al. | Aspect-based opinion mining: A survey | |
| US20140089131A1 (en) | System and method for making gift recommendations using social media data | |
| Cuzzocrea et al. | A composite framework for supporting user emotion detection based on intelligent taxonomy handling | |
| Shi et al. | EOSentiMiner: an opinion-aware system based on emotion ontology for sentiment analysis of Chinese online reviews |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| A302 | Request for accelerated examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20160907 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20170907 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20180905 Year of fee payment: 6 |
|
| FPAY | Annual fee payment |
Payment date: 20190905 Year of fee payment: 7 |