KR102225128B1 - 감성 측정을 이용한 키워드의 분석 장치 및 방법 - Google Patents

감성 측정을 이용한 키워드의 분석 장치 및 방법 Download PDF

Info

Publication number
KR102225128B1
KR102225128B1 KR1020190113094A KR20190113094A KR102225128B1 KR 102225128 B1 KR102225128 B1 KR 102225128B1 KR 1020190113094 A KR1020190113094 A KR 1020190113094A KR 20190113094 A KR20190113094 A KR 20190113094A KR 102225128 B1 KR102225128 B1 KR 102225128B1
Authority
KR
South Korea
Prior art keywords
data
keywords
emotion
value
statistical data
Prior art date
Application number
KR1020190113094A
Other languages
English (en)
Inventor
조창규
Original Assignee
주식회사 알마덴디자인리서치
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 알마덴디자인리서치 filed Critical 주식회사 알마덴디자인리서치
Priority to KR1020190113094A priority Critical patent/KR102225128B1/ko
Application granted granted Critical
Publication of KR102225128B1 publication Critical patent/KR102225128B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 문서에 개시되는 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 방법은 복수의 웹 페이지로부터 수집된 분석 대상에 대한 텍스트로부터 추출된 복수의 키워드를 획득하는 단계, 미리 저장된 사전 데이터베이스를 이용하여 복수의 키워드 각각과 대응되는 분석 대상의 사용자의 감성을 나타내는 제1 데이터 및 사용자에 의해 고려된 소비 가치(value)를 나타내는 제2 데이터를 획득하는 단계, 및 제1 데이터 및 제2 데이터에 기초하여 분석 대상에 대한 감성과 연관된 제1 통계 데이터 및 분석 대상에 대한 소비 가치와 연관된 제2 통계 데이터를 제공하는 단계를 포함할 수 있다.

Description

감성 측정을 이용한 키워드의 분석 장치 및 방법{APPARATUS AND METHOD FOR ANALYZING KEYWORD USING EMOTION MEASUREMENT}
본 문서에서 개시되는 실시 예들은 키워드를 이용하여 고객의 감성을 분석하고 관련된 데이터를 제공하는 장치 및 방법과 관련된다.
통신 기술의 발전에 따라 다양한 형태의 매체를 통해 다수의 사용자가 텍스트를 업로드할 수 있게 되었고, 그 텍스트의 양은 지속적으로 증가하고 있다. 따라서, SNS(social network service), 블로그 및 웹 사이트 등과 같은 텍스트가 포함된 다수의 웹 페이지를 분석하는 경우, 그 방대한 양의 정보를 이용하여 다양한 사용자의 관심사, 여론, 의견 및 감정 등을 파악할 수 있다. 상술한 텍스트는 분석을 통해 다양한 형태의 정보로 재가공될 수 있다.
특히, 사용자의 여론과 의견을 분석하여 객관적인 정보를 제공하는 오피니언 마이닝(opinion mining)은 특정 제품을 위한 마케팅에 유용하게 활용될 수 있다. 예를 들어, 제품의 제공자는 텍스트의 분석을 통해 텍스트의 나타난 특정 제품에 대한 사용자의 긍정적 의견 및 부정적 의견을 수집하고, 긍정적 의견의 빈도와 부정적 의견의 빈도를 산출함으로써, 제품에 대한 시장의 반응을 객관적으로 파악할 수 있다. 따라서, 대량의 텍스트에 내재된 사용자의 감성의 분석을 위한 기술의 중요성은 지속적으로 높아질 수 있다.
통상적인 감성 분석 방법을 이용하는 경우 특정 대상에 대한 긍정적 의견의 빈도 및 부정적 의견의 빈도를 파악할 수 있다. 그러나, 고객의 심리는 복합적이고 특정 대상에 대해 고객이 부여하는 소비 가치 또한 다양하게 나타날 수 있다. 이와 같은 소비자의 의견을 분석하는 경우, 단순히 특정 대상에 대한 긍정적 감성과 부정적 감성을 분석하는 것만으로는 고객의 다양한 니즈(needs)를 제품 또는 서비스의 제공자가 파악하기 어려울 수 있다. 따라서, 텍스트를 이용하여 사용자의 감성을 더 세부적으로 분석할 수 있는 방법을 제공할 필요성이 있다.
본 발명의 실시 예들은, 소비자의 감성을 세분화하여 정확하게 분석하고 소비자의 감성과 연관된 소비 가치를 파악할 수 있는 장치 및 방법을 제공할 수 있다.
본 문서에 개시되는 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 방법은 복수의 웹 페이지로부터 수집된 분석 대상에 대한 텍스트로부터 추출된 복수의 키워드를 획득하는 단계, 미리 저장된 사전 데이터베이스를 이용하여 복수의 키워드 각각과 대응되는 분석 대상의 사용자의 감성을 나타내는 제1 데이터 및 사용자에 의해 고려된 소비 가치(value)를 나타내는 제2 데이터를 획득하는 단계, 및 제1 데이터 및 제2 데이터에 기초하여 분석 대상에 대한 감성과 연관된 제1 통계 데이터 및 분석 대상에 대한 소비 가치와 연관된 제2 통계 데이터를 제공하는 단계를 포함할 수 있다.
일 실시 예에 따르면, 제1 데이터는 긍정적 감성에 포함되는 복수의 하위 감성 중 하나 또는 부정적 감성에 포함되는 복수의 하위 감성 중 하나와 매칭될 수 있다.
일 실시 예에 따르면, 제2 데이터는 복수의 소비 가치 카테고리 중 하나와 매칭될 수 있다.
일 실시 예에 따르면, 제2 데이터는 경제적 가치, 기능적 가치, 사회적 가치, 학습적 가치, 감성적 가치 또는 환경적 가치 중 적어도 하나와 매칭될 수 있다.
일 실시 예에 따르면, 복수의 키워드 각각은 사전 데이터베이스에 포함된 감성어들 중 하나와 매칭되고, 사전 데이터베이스는 감성어들 각각과 감성 및 소비 가치가 연계되도록 구성될 수 있다.
일 실시 예에 따르면, 제1 데이터는 긍정적 감성에 포함되는 복수의 하위 감성 중 하나 또는 부정적 감성에 포함되는 복수의 하위 감성 중 하나와 매칭되고, 제공하는 단계는 복수의 하위 감성 각각에 대해 상이한 가중치를 부여하여 제1 통계 데이터를 산출하는 단계를 포함할 수 있다.
일 실시 예에 따르면, 제공하는 단계는 분석 대상에 대한 복수의 세부 분석 항목 각각과 연계하여 제1 통계 데이터 및 제2 통계 데이터를 제공하는 단계일 수 있다.
일 실시 예에 따르면, 방법은 분석 대상에 대한 복수의 세부 분석 항목 각각에 대응하는 단어와 복수의 키워드 각각 사이의 거리에 기초하여 복수의 키워드 각각을 복수의 세부 분석 항목 각각과 연계하는 단계를 더 포함하고, 제공하는 단계는 복수의 세부 분석 항목 각각과 연계하여 제1 통계 데이터 및 제2 통계 데이터를 제공하는 단계일 수 있다.
일 실시 예에 따르면, 제공하는 단계는 제1 통계 데이터와 제2 통계 데이터를 서로 연계하여 제1 통계 데이터 및 제2 통계 데이터를 제공하는 단계일 수 있다.
본 문서에 개시되는 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 장치는 외부와 통신하도록 구성된 통신 회로, 사전 데이터베이스를 저장하는 메모리, 및 통신 회로 및 메모리와 전기적으로 연결된 프로세서를 포함하고, 프로세서는 통신 회로를 이용하여 복수의 웹 페이지로부터 수집된 분석 대상에 대한 텍스트로부터 추출된 복수의 키워드를 획득하고, 사전 데이터베이스를 이용하여 복수의 키워드 각각과 매칭된 분석 대상의 사용자의 감성을 나타내는 제1 데이터 및 사용자에 의해 고려된 소비 가치를 나타내는 제2 데이터를 획득하고, 제1 데이터 및 제2 데이터에 기초하여 분석 대상에 대한 감성과 연관된 제1 통계 데이터 및 분석 대상에 대한 소비 가치와 연관된 제2 통계 데이터를 제공하도록 설정될 수 있다.
본 문서에 개시되는 실시 예들에 따르면, 텍스트를 분석하여 감성과 연관된 데이터와 소비 가치와 연관된 데이터를 통계적으로 출력함으로써, 분석 대상에 대한 사용자의 감성과 소비 가치를 용이하게 파악할 수 있다.
또한, 긍정적 감성 및 부정적 감성을 세분화하여 감성을 분석하고, 세분화된 감성에 상이한 가중치를 적용함으로써, 분석 대상에 대한 사용자의 의견을 보다 정확하게 파악할 수 있다.
또한, 분석 대상의 세부 분석 항목 각각에 대해 다양한 소비 가치와 연관된 통계 데이터를 제공함으로써, 분석 대상의 세부 분석 항목 각각에 대해 사용자가 부여하는 소비 가치를 용이하게 파악할 수 있다.
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 장치의 동작 환경을 나타낸다.
도 2는 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 장치의 구성을 나타내는 블록도이다.
도 3은 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 장치에 포함되는 프레임워크를 나타내는 블록도이다.
도 4는 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 장치에 의해 이용되는 예시적인 사전 데이터베이스를 도시한다.
도 5는 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 장치에 의해 제공되는 예시적인 통계 데이터를 도시한다.
도 6은 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 장치에 의해 제공되는 예시적인 통계 데이터를 도시한다.
도 7은 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 장치에 의해 제공되는 예시적인 통계 데이터를 도시한다.
도 8은 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 장치에 의해 제공되는 예시적인 통계 데이터를 도시한다.
도 9는 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 장치에 의해 제공되는 예시적인 통계 데이터를 도시한다.
도 10은 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 방법을 설명하기 위한 흐름도이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
이하, 본 발명의 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다.
도 1은 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 장치의 동작 환경을 나타낸다.
도 1을 참조하면, 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 장치는 서버(100) 형태로 구현될 수 있다. 서버(100)는 외부 장치(12)로부터 다양한 텍스트를 크롤링(crawling)할 수 있다. 서버(100)는 다양한 채널 또는 플랫폼으로부터 텍스트를 수집할 수 있다. 예를 들어, 서버(100)는 SNS(social network service), 블로그, 다양한 웹 사이트, 웹 페이지 및 웹 문서 등으로부터 텍스트를 수집할 수 있다. 서버(100)는 분석 대상(target)(또는 특정 상품(서비스를 포함))(예: 스마트폰)에 대한 텍스트를 수집할 수 있다. 예를 들어, 서버(100)는 분석 대상에 대응하는 검색어를 포함하는 텍스트를 수집할 수 있다. 분석 대상은 사용자 단말(11)을 통해 미리 설정될 수 있다.
일 실시 예에 따르면, 서버(100)는 수집된 텍스트를 분석하여 감성어(예: 형용사, 부사, 동사 및 명사 등으로 이루어짐)로 이루어진 키워드를 추출할 수 있다. 서버(100)는 사전 데이터베이스를 이용하여 추출된 키워드에 대응되는 분석 대상의 사용자의 감성 데이터 및 소비 가치 데이터를 획득할 수 있다. 사전 데이터베이스는 키워드, 키워드에 대응하는 감성, 및 키워드에 대응하는 소비 가치를 연계하여 저장할 수 있다. 서버(100)는 추출된 키워드와 사전 데이터베이스에 저장된 키워드를 비교하여 추출된 키워드에 대응되는 감성 데이터 및 소비 가치 데이터를 획득할 수 있다. 예를 들어, 서버(100)는 분석 대상 “스마트폰”에 대해 추출된 키워드 “저렴한”으로부터 감성 데이터 “기쁨” 및 소비 가치 데이터 “경제적 가치”를 획득할 수 있다. 서버(100)는 추출된 키워드 각각에 대응되는 감성 데이터 및 소비 가치 데이터를 수집하여 분석 대상에 대한 감성 통계 데이터 및 소비 가치 통계 데이터를 제공할 수 있다. 예를 들어, 서버(100)는 분석 대상 “스마트폰”에 대해 놀람, 기쁨, 기대, 신뢰, 분노, 혐오, 실망 및 두려움 등과 같은 감성에 대응하는 키워드의 출현 빈도 비율, 및 경제적 가치, 기능적 가치, 사회적 가치, 감성적 가치, 학습적 가치 및 환경적 가치 등과 같은 소비 가치에 대응하는 키워드의 출현 빈도 비율을 제공할 수 있다.
일 실시 예에 따르면, 서버(100)는 분석 대상에 대한 복수의 세부 분석 항목 각각과 연계하여 감성 통계 데이터 및 소비 가치 통계 데이터를 제공할 수도 있다. 예를 들어, 서버(100)는 분석 대상 “스마트폰”의 세부 분석 항목 “사진 찍기 기능”과 감성 데이터 “감이 좋은” 및 소비 가치 데이터 “감성적 가치”를 연계할 수 있다. 서버(100)는 세부 분석 항목 “사진 찍기 기능”에 대해 다양한 감성에 대응하는 키워드의 출현 빈도 비율, 및 다양한 소비 가치에 대응하는 키워드의 출현 빈도 비율을 제공할 수 있다.
일 실시 예에 따르면 서버(100)는 생성된 통계 데이터를 사용자 단말(11)로 제공할 수 있다. 사용자 단말(11)은 제공된 통계 데이터를 표시 장치를 통해 출력할 수 있다.
도 1에서는 서버(100)와 사용자 단말(11)이 분리된 것으로 도시되었으나, 이에 제한되지 않고, 하나의 컴퓨팅 디바이스로 통합되어 구현될 수도 있다. 또한, 도 1에서는 서버(100) 및 사용자 단말(11)이 각각 하나의 디바이스인 것으로 도시되었으나, 이에 제한되지 않고, 서버(100) 및 사용자 단말(11)은 각각 2 이상의 컴퓨팅 디바이스로 분리되어 구현될 수도 있다.
또한, 도 1을 참조하여 설명된 서버(100)에 의해 수행되는 동작 중 적어도 일부는 사용자 단말(11)에 의해 수행될 수도 있다. 예를 들어, 추출된 키워드에 대응하는 감성 데이터 및 소비 가치 데이터를 획득하는 동작, 감성 데이터 및 소비 가치 데이터를 분석 대상에 대한 세부 분석 항목과 연계하는 동작 및 감성 통계 데이터 및 소비 가치 통계 데이터를 생성 또는 제공하는 동작 등은 사용자 단말(11)에 의해 수행될 수도 있다.
도 2는 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 장치의 구성을 나타내는 블록도이다.
도 2를 참조하면, 일 실시 예에 따른 감성 측정을 이용한 키워드 분석 장치(200)는 통신 회로(210), 메모리(220) 및 프로세서(230)를 포함할 수 있다. 감성 측정을 이용한 키워드 분석 장치(200)는 서버의 형태로 구현될 수도 있고 사용자 단말의 형태로 구현될 수도 있다. 사용자 단말의 형태로 구현된 경우, 도 2에 도시된 사용자 단말(21)의 기능은 감성 측정을 이용한 키워드 분석 장치(200)에 의해 수행될 수 있다.
통신 회로(210)는 외부와 통신하도록 구성될 수 있다. 통신 회로(210)는 무선 통신 인터페이스 및/또는 유선 통신 인터페이스를 포함할 수 있다. 예를 들어, 통신 회로(210)는 사용자 단말(21) 및 외부 장치(22)와 데이터를 송수신할 수 있다.
메모리(220)는 휘발성 메모리 및/또는 비휘발성 메모리를 포함할 수 있다. 메모리(220)는 감성 측정을 이용한 키워드 분석 장치(200)에서 취급되는 다양한 데이터를 저장할 수 있다. 예를 들어, 메모리(220)는 사전 데이터베이스를 저장할 수 있다. 다른 예를 들면, 메모리(220)는 사용자 단말(21) 및/또는 외부 장치(22)로부터 수신된 데이터를 저장할 수 있고, 감성 측정을 이용한 키워드 분석 장치(200) 내부에서 처리된 데이터를 저장할 수도 있다.
프로세서(230)는 통신 회로(210) 및 메모리(220)와 전기적으로 연결될 수 있다. 프로세서(230)는 통신 회로(210) 및 메모리(220)를 제어할 수 있고, 다양한 데이터 처리 및 연산을 수행할 수 있다.
일 실시 예에 따르면, 프로세서(230)는 통신 회로(210)를 이용하여 복수의 웹 페이지로부터 수집된 분석 대상에 대한 텍스트로부터 추출된 복수의 키워드를 획득할 수 있다. 예를 들어, 프로세서(230)는 외부 장치를 통해 다수의 웹 문서로부터 분석 대상과 연관된 텍스트를 크롤링할 수 있다. 프로세서(230)는 구문 분석기(및/또는 형태소 분석기)를 이용하여 수집된 텍스트로부터 감성어(단어 또는 어구)로 이루어진 복수의 키워드를 추출할 수 있다.
일 실시 예에 따르면, 프로세서(230)는 사전 데이터베이스를 이용하여 복수의 키워드 각각과 대응되는 분석 대상의 사용자의 감성을 나타내는 제1 데이터(또는 감성 데이터 및 사용자에 의해 고려된 소비 가치(value)를 나타내는 제2 데이터(또는 소비 가치 데이터)를 획득할 수 있다.
일 실시 예에 따르면, 복수의 키워드 각각은 사전 데이터베이스에 포함된 감성어들 중 하나와 매칭되고, 사전 데이터베이스는 감성어들 각각과 감성 및 소비 가치가 연계되도록 구성될 수 있다. 예를 들어, 사전 데이터베이스는 감성 “기쁨”과 소비 가치 “경제적 가치”와 연계된 단어로서 “저렴한”, “경제적인” 등과 같은 단어를 포함할 수 있다. 텍스트로부터 추출된 키워드가 “저렴한”인 경우, 프로세서(230)는 사전 데이터베이스를 이용하여 키워드 “저렴한”과 대응되는 감성 데이터 “기쁨” 및 소비 가치 데이터 “경제적 가치”를 획득할 수 있다. 프로세서(230)는 모든 키워드에 대해 감성 데이터 및 소비 가치 데이터를 획득할 수 있다.
일 실시 예에 따르면, 제1 데이터는 긍정적 감성에 포함되는 복수의 하위 감성 중 하나 또는 부정적 감성에 포함되는 복수의 하위 감성 중 하나와 매칭될 수 있다. 예를 들어, 제1 데이터는 놀람, 기쁨, 기대 또는 신뢰 등과 같은 긍정적 하위 감성, 또는 분노, 혐오, 실망 또는 두려움 등과 같은 부정적 하위 감성 중 하나와 매칭될 수 있다. 일 실시 예에 따르면, 제2 데이터는 복수의 소비 가치 카테고리 중 하나와 매칭될 수 있다. 예를 들어, 제2 데이터는 경제적 가치, 기능적 가치, 사회적 가치, 학습적 가치, 감성적 가치 또는 환경적 가치 등과 같은 소비 감성 중 하나와 매칭될 수 있다. 사전 데이터베이스는 상술한 감성 및 소비 감성과 연계된 다양한 감성어를 포함할 수 있다. 사전 데이터베이스의 예시적인 구조는 도 4를 참조하여 상세히 설명한다.
일 실시 예에 따르면, 프로세서(230)는 제1 데이터 및 제2 데이터에 기초하여 분석 대상에 대한 감성과 연관된 제1 통계 데이터(또는 감성 통계 데이터) 및 분석 대상에 대한 소비 가치와 연관된 제2 통계 데이터(또는 소비 가치 통계 데이터)를 제공할 수 있다. 프로세서(230)는 복수의 키워드에 대한 감성 데이터 및 소비 가치 데이터를 수집할 수 있다. 프로세서(230)는 수집된 감성 데이터 및 소비 가치 데이터를 통계적으로 표현하는 테이블 또는 그래프 등을 제공할 수 있다.
일 실시 예에 따르면, 프로세서(230)는 복수의 하위 감성 각각에 대해 상이한 가중치를 부여하여 감성 통계 데이터를 산출할 수 있다. 예를 들어, 제1 데이터는 긍정적 감성에 포함되는 복수의 하위 감성(예: 놀람, 기쁨, 기대 및 신뢰) 중 하나 또는 부정적 감성에 포함되는 복수의 하위 감성(예: 분노, 혐오, 실망 및 두려움) 중 하나와 매칭될 수 있다. 프로세서(230)는 각각의 하위 감성에 대응하는 키워드의 출현 횟수 또는 출현 비율 등과 같은 감성 통계 데이터를 산출할 수 있다. 프로세서(230)는, 예를 들어, 놀람 또는 분노 등과 같은 상대적으로 강한 감성에 대해 높은 가중치를 부여할 수도 있다. 예를 들어, 프로세서(230)는 통계 데이터를 산출할 때 놀람 및 분노에 대응하는 키워드의 수 또는 비율에 2배의 가중치를 부여하여 감성 통계 데이터를 산출할 수 있다. 가중치를 부여한 통계 데이터에 대해서는 도 9를 참조하여 상세히 설명한다.
일 실시 예에 따르면, 프로세서(230)는 분석 대상에 대한 복수의 세부 분석 항목 각각과 연계하여 제1 통계 데이터 및 제2 통계 데이터를 제공할 수 있다. 예를 들어, 프로세서(230)는 분석 대상에 대한 복수의 세부 분석 항목 각각에 대응하는 단어와 복수의 키워드 각각 사이의 거리에 기초하여 복수의 키워드 각각을 복수의 세부 분석 항목 각각과 연계할 수 있다. 프로세서(230)는 연계 결과에 기초하여 감성 통계 데이터 및 소비 가치 통계 데이터를 제공할 수 있다.
예를 들어, 프로세서(230)는 텍스트로부터 키워드 “감이 좋은”을 획득할 수 있다. 프로세서(230)는 텍스트로부터 분석 대상 “스마트폰”의 세부 분석 항목 “사진 찍기 기능”에 대응하는 명사 단어(예: 카메라, 사진, 촬영 등)를 획득할 수 있다. 프로세서(230)는 키워드 “감이 좋은”과 명사 단어 “카메라”가 지정된 거리 내(예: 3단어 이내에 인접)에 있으면, 키워드 “감이 좋은”과 세부 분석 항목 “사진 찍기 기능”을 연계할 수 있다. 프로세서(230)는 세부 분석 항목 “사진 찍기 기능”과 연계된 다수의 키워드 각각에 대한 감성 데이터 및 소비 가치 데이터를 획득할 수 있고, 획득된 감성 데이터 및 소비 가치 데이터에 대한 통계 데이터를 제공할 수 있다.
다른 예를 들면, 프로세서(230)는 텍스트로부터 키워드 “감이 좋은”을 획득할 수 있다. 프로세서(230)는 구문 분석기(및/또는 형태소 분석기)를 이용하여 텍스트에서 키워드 “감이 좋은”을 포함하는 문장에서 키워드 “감이 좋은”이 가리키는 대상인 단어(예: 명사 단어)를 획득할 수 있다. 프로세서(230)는 획득된 단어가 분석 대상 “스마트폰”의 세부 분석 항목 “사진 찍기 기능”에 대응하는 단어 “카메라”인 경우, 키워드 “감이 좋은”과 세부 분석 항목 “사진 찍기 기능”을 연계할 수 있다. 프로세서(230)는 세부 분석 항목 “사진 찍기 기능”과 연계된 다수의 키워드 각각에 대한 감성 데이터 및 소비 가치 데이터를 획득할 수 있고, 획득된 감성 데이터 및 소비 가치 데이터에 대한 통계 데이터를 제공할 수 있다. 상술한 통계 데이터에 대해서는 도 5, 도 6 및 도 7을 참조하여 상세히 설명한다.
일 실시 예에 따르면, 프로세서(230)는 제1 통계 데이터와 제2 통계 데이터를 서로 연계하여 제1 통계 데이터 및 제2 통계 데이터를 제공하는 단계일 수 있다. 예를 들어, 프로세서(230)는 복수의 감성 항목 및 복수의 소비 가치 항목 각각과 대응되는 키워드의 출현 횟수 또는 출현 비율을 나타내는 테이블을 제공할 수 있다. 다른 예를 들면, 프로세서(230)는 분석 대상의 세부 분석 항목에 대응하는 복수의 감성 항목 또는 복수의 소비 가치 항목 각각과 대응되는 키워드의 출현 횟수 또는 출현 비율을 나타내는 테이블을 제공할 수 있다. 상술한 통계 데이터에 대해서는 도 8을 참조하여 상세히 설명한다.
상술한 동작 중 적어도 일부는 사용자 단말(21)에 의해 수행될 수도 있고, 이 경우, 사용자 단말(21)이 감성 측정을 이용한 키워드 분석 장치(200)에 해당하는 것으로 이해될 수도 있다.
상술한 것과 같이, 텍스트를 분석하여 감성과 연관된 데이터와 소비 가치와 연관된 데이터를 통계적으로 출력함으로써, 분석 대상에 대한 사용자의 감성과 소비 가치를 용이하게 파악할 수 있다.
도 3은 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 장치에 포함되는 프레임워크를 나타내는 블록도이다.
도 3을 참조하면, 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 장치에 포함되는 프레임워크는 데이터 수집 모듈(310), 데이터 저장 모듈(320), 데이터 정제 모듈(330), 데이터 분석 모듈(340) 및 시각화 모듈(350)을 포함할 수 있다.
데이터 수집 모듈(310)은 SNS, 블로그 및 웹 사이트 등과 같은 다양한 웹 페이지로부터 텍스트 데이터를 수집할 수 있다. 예를 들어, 데이터 수집 모듈(310)은 3시간 동안 5천건 이상의 웹 페이지로부터 텍스트 데이터를 수집할 수 있다.
데이터 저장 모듈(320)은 데이터 수집 모듈(310)에 의해 획득된 데이터를 저장할 수 있다. 예를 들어, 데이터 저장 모듈(320)은 웹 페이지의 URL을 저장할 수 있고, 웹 페이지로부터 획득된 텍스트 데이터 및 이미지 데이터를 저장할 수 있다.
데이터 정제 모듈(330)은 데이터 저장 모듈(320)에 저장된 데이터를 정제할 수 있다. 예를 들어, 데이터 정제 모듈(330)은 구분 분석(및/또는 형태소 분석)을 통해 텍스트 데이터로부터 명사 단어 및/또는 감성어를 추출하여 분석에 필요한 데이터만을 획득할 수 있다.
데이터 분석 모듈(340)은 데이터 정제 모듈(330)에 의해 정제된 키워드를 분석할 수 있다. 예를 들어, 데이터 분석 모듈(340)은 사전 데이터베이스에 기초하여 추출된 감성어에 대응하는 감성 데이터 및 소비 가치 데이터를 획득할 수 있다. 데이터 분석 모듈(340)은 명사 단어와 감성어 사이의 거리에 기초하여 분석 대상의 세부 분석 항목과 감성어를 연계할 수 있고, 세부 분석 항목과 감성어에 대응하는 감성 데이터 및 소비 가치 데이터를 연계할 수 있다.
시각화 모듈(350)은 데이터 분석 모듈(340)에 의해 분석된 결과인 통계 데이터를 테이블 및/또는 그래프 형태로 나타낼 수 있다. 예를 들어, 시각화 모듈(350)은 도 5 내지 도 9에 도시된 것과 같은 다양한 통계 데이터를 제공할 수 있다.
도 4는 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 장치에 의해 이용되는 예시적인 사전 데이터베이스를 도시한다.
도 4를 참조하면, 일 실시 예에 따른 감성어 데이터베이스는 다수의 감성어를 포함할 수 있다. 감성어 데이터베이스의 필드명(410)은, 예를 들어, 놀람, 기쁨, 기대 및 신뢰 등과 같은 긍정적 감성 및 분노, 혐오, 실망 및 두려움 등과 같은 부정적 감성을 포함할 수 있다. 감성어 데이터베이스의 레코드명(420)은 경제적 가치, 기능적 가치, 사회적 가치, 감성적 가치, 학습적 가치 및 환경적 가치 등과 같은 소비 가치를 포함할 수 있다. 감성어 데이터베이스의 각 필드에는 놀람, 기쁨, 기대, 신뢰, 분노, 혐오, 실망 및 두려움을 나타내는 감성어가 포함될 수 있다. 감성어 데이터베이스의 각 레코드에는 경제적 가치, 기능적 가치, 사회적 가치, 감성적 가치, 학습적 가치 및 환경적 가치를 나타내는 감성어가 포함될 수 있다.
예를 들어, “놀람” 및 “경제적 가치”에 대응하는 필드(430)는 “득템(한)”, “가격이 대박인” 등과 같은 단어를 포함할 수 있다. “기쁨” 및 “경제적 가치”에 대응하는 필드(440)는 “저렴한”, “경제적인” 등과 같은 단어를 포함할 수 있다. “분노” 및 “경제적 가치”에 대응하는 필드(450)는 “터무니없는 (가격)”, “어이없는 (가격)” 등과 같은 단어를 포함할 수 있다. “기대” 및 “감성적 가치”에 대응하는 필드(460)는 “기대가 되는”, “감이 좋은” 등과 같은 단어를 포함할 수 있다. “혐오” 및 “감성적 가치”에 대응하는 필드(470)는 “기분이 나쁜”, “시끄러운”, “맛 없는” 등과 같은 단어를 포함할 수 있다. 감성 측정을 이용한 키워드의 분석 장치는 상술한 감성어 데이터베이스에 포함된 단어 또는 어구와 텍스트로부터 추출된 키워드를 비교함으로써, 키워드에 대응하는 감성 데이터 및 소비 가치 데이터를 획득할 수 있다.
도 5는 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 장치에 의해 제공되는 예시적인 통계 데이터를 도시한다.
도 5를 참조하면, 일 실시 예에 따른 감성 측정을 이용한 키워드 분석 장치는 분석 대상 “스마트폰”의 다양한 세부 분석 항목 “내구성”, “휴대폰관리” 및 “통화하기” 등에 대한 감성 통계 데이터를 막대 그래프 형태로 제공할 수 있다. 그래프의 청색 부분은 각 세부 분석 항목에 대한 긍정적 감성의 비율을 나타내고, 적색 부분은 부정적 감성의 비율을 나타낼 수 있다. 그래프는 부정적 감성의 비율이 높은 순으로 정렬될 수 있다. 그래프는 분석 대상 “스마트폰”에 대한 전체 긍정적 감성과 부정적 감성의 비율을 표시할 수 있다.
키워드 분석 장치는 긍정적 하위 감성(예: 놀람, 기쁨, 기대 및 신뢰) 전부에 대응하는 키워드의 출현 횟수와 부정적 하위 감성(예: 분노, 혐오, 실망 및 두려움) 전부에 대응하는 키워드의 출현 횟수의 비율을 산출하고, 산출된 결과를 이용하여 그래프를 제공할 수 있다. 키워드 분석 장치는 긍정적 하위 감성 중 일부(예: 놀람) 및 부정적 하위 감성 중 일부(예: 분노)에 가중치를 부여하여 비율을 산출할 수도 있다.
도 5의 그래프를 이용하여 분석 대상의 각 세부 분석 항목에 대한 사용자의 의견을 용이하게 파악할 수 있고, 각 하위 감성에 따라 상이하게 부여되는 가중치에 의해 감성 분석의 정확도가 향상될 수 있다.
도 6은 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 장치에 의해 제공되는 예시적인 통계 데이터를 도시한다.
도 6을 참조하면, 일 실시 예에 따른 감성 측정을 이용한 키워드 분석 장치는 분석 대상 “스마트폰”의 세부 분석 항목 “사진 찍기”에 대한 감성 통계 데이터를 도넛형 그래프 형태로 제공할 수 있다. 예를 들어, 도 5의 그래프에서 세부 분석 항목 “사진 찍기”가 선택된 경우 또는 세부 분석 항목을 선택하기 위한 다른 종류의 사용자 입력이 감지된 경우, 키워드 분석 장치는 복수의 세부 분석 항목 중 하나인 “사진 찍기”에 대한 감성 통계 데이터를 제공할 수 있다. 그래프는 세부 분석 항목 “사진 찍기”에 대한 기쁨, 혐오, 신뢰, 기대, 분노, 놀람, 실망 및 두려움 등과 같은 하위 감성 각각에 대응하는 키워드의 출현 비율을 크기 순으로 정렬하여 표시할 수 있다.
키워드 분석 장치는 특정 세부 분석 항목과 연계된 하위 감성 각각에 대응하는 키워드의 출현 횟수의 비율을 산출하고, 산출된 결과를 이용하여 그래프를 제공할 수 있다.
도 6의 그래프를 이용하여 분석 대상의 각 세부 분석 항목과 연관된 사용자의 세부적인 감성을 용이하게 파악할 수 있다.
도 7은 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 장치에 의해 제공되는 예시적인 통계 데이터를 도시한다.
도 7을 참조하면, 일 실시 예에 따른 감성 측정을 이용한 키워드 분석 장치는 분석 대상 “스마트폰”의 다양한 세부 분석 항목에 대한 소비 가치 통계 데이터를 테이블 형식으로 제공할 수 있다. 예를 들어, 테이블의 각 열은 경제적 가치, 기능적 가치, 사회적 가치, 학습적 가치, 감성적 가치 및 환경적 가치 등과 같은 소비 가치에 대한 데이터를 포함할 수 있고, 테이블의 각 행은 방수, 커머스, UI, 문자 및 네트워크 통신 등과 같은 세부 분석 항목에 대한 데이터를 포함할 수 있다. 테이블은 각 세부 분석 항목과 연계된 각 소비 가치의 비율에 대한 데이터를 포함할 수 있다.
키워드 분석 장치는 특정 세부 분석 항목과 연계된 소비 가치 각각에 대응하는 키워드의 출현 횟수의 비율을 산출하고, 산출된 결과를 이용하여 테이블을 제공할 수 있다. 도 7의 테이블을 참조하면, 분석 대상 “스마트폰”의 사용자는 “기능적 가치”에 가장 큰 소비 가치를 부여하고 있고, “사회적 가치”에 가장 낮은 소비 가치를 부여하고 있음을 알 수 있다. 사용자는 세부 분석 항목 “내구성”에 대해 “기능적 가치”를 상대적으로 높게 부여하고 있고, 세부 분석 항목 “방수”에 대해 “경제적 가치”를 상대적으로 높게 부여하고 있고, 세부 분석 항목 “디자인”에 “감성적 가치”를 상대적으로 높게 부여하고 있음을 알 수 있다.
상술한 것과 같이, 분석 대상의 세부 분석 항목 각각에 대해 다양한 소비 가치와 연관된 통계 데이터를 제공함으로써, 분석 대상의 세부 분석 항목 각각에 대해 사용자가 부여하는 소비 가치를 용이하게 파악할 수 있다. 이로써, 시장에서 소구되는 가치 속성(예: 도 7의 경우 기능적 가치) 및 시장에서 실현되지 않은 가치 속성(예: 도 7의 경우 사회적 가치) 등을 파악할 수 있고, 결과를 이용하여 제품의 포지셔닝 방향을 결정할 수 있다.
도 8은 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 장치에 의해 제공되는 예시적인 통계 데이터를 도시한다.
도 8을 참조하면, 일 실시 예에 따른 감성 측정을 이용한 키워드 분석 장치는 분석 대상 “스마트폰”의 감성 통계 데이터와 소비 가치 통계 데이터를 서로 연계하여 테이블 형식으로 제공할 수 있다. 예를 들어, 테이블의 각 열은 8개의 하위 감성에 대한 데이터를 포함할 수 있고, 테이블의 각 행은 6개의 소비 가치에 대한 데이터를 포함할 수 있다. 도 8의 테이블 (1)은 특정 감성과 특정 소비 가치에 대응하는 키워드의 출현 빈도를 데이터로 포함하고, 테이블 (2)는 특정 감성과 특정 소비 가치에 대응하는 출현 비율을 데이터로 포함할 수 있다.
키워드 분석 장치는 분석 대상에 대한 감성 및 소비 가치 각각에 대응하는 키워드의 출현 빈도 및 출현 비율을 산출하고, 산출된 결과를 이용하여 테이블을 제공할 수 있다. 도 8의 테이블을 참조하면, 분석 대상 제품의 사용자는 분석 대상 제품에 대해 긍정적으로 평가(긍정 67%)하고 있음을 알 수 있다. 또한, 사용자는 “기능적 가치”에 상대적으로 높은 소비 가치를 부여하고 있고, 분석 대상 제품의 “기능적 가치”를 긍정적으로 평가(긍정 65%)하고 있음을 알 수 있다. 또한, 사용자는 분석 대상 제품의 “감성적 가치”에도 상대적으로 높은 소비 가치를 부여하고 있고, 분석 대상 제품의 “경제적 가치”를 매우 긍정적으로 평가(긍정 76%)하고 있음을 알 수 있다.
도 8의 테이블을 이용하여 분석 대상에 대한 사용자의 감성과 소비 가치를 종합적으로 파악할 수 있다.
도 9는 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 장치에 의해 제공되는 예시적인 통계 데이터를 도시한다.
도 9를 참조하면, 일 실시 예에 따른 감성 측정을 이용한 키워드 분석 장치는 분석 대상 “스마트폰”의 감성 통계 데이터와 소비 가치 통계 데이터를 서로 연계하여 테이블 형식으로 제공할 수 있다. 도 8의 테이블과 비교하면, 도 9의 테이블에는 감성 데이터 “놀람”과 감성 데이터 “혐오”에 대응하는 키워드의 출현 횟수 및 출현 비율에 2배의 가중치가 적용되었다는 점을 알 수 있다.
키워드 분석 장치는 분석 대상에 대한 감성 및 소비 가치 각각에 대응하는 키워드의 출현 빈도 및 출현 비율을 산출하고, 산출된 결과에 가중치를 부여하고, 가중치가 부연된 결과를 이용하여 테이블을 제공할 수 있다. 도 9의 테이블을 참조하면, 분석 대상 제품의 사용자는 분석 대상 제품에 대해 중립적으로 평가(긍정 56%)하고 있음을 알 수 있다. 또한, 사용자는 “기능적 가치”에 상대적으로 높은 소비 가치를 부여하고 있으나, 분석 대상 제품의 “기능적 가치”는 중립적으로 평가(긍정 52%)하고 있음을 알 수 있다. 이는 부정적 하위 감성 중 강한 감성인 “혐오”에 대해 가중치를 부여한 결과로, 도 8의 테이블과 상이한 결과를 나타낸다. 또한, 사용자는 분석 대상 제품의 “경제적 가치”에 상대적으로 낮은 소비 가치(9% → 7%)를 부여하고 있고, 분석 대상 제품의 “환경적 가치”를 부정적으로 평가(부정 52% → 64%)하고 있음을 알 수 있다.
상술한 것과 같이, 긍정적 감성 및 부정적 감성을 세분화하여 감성을 분석하고, 세분화된 감성에 상이한 가중치를 적용함으로써, 분석 대상에 대한 사용자의 감성 및 소비 가치를 보다 정확하게 파악할 수 있다.
도 10은 일 실시 예에 따른 감성 측정을 이용한 키워드의 분석 방법을 설명하기 위한 흐름도이다.
이하에서는 도 2의 감성 측정을 이용한 키워드 분석 장치(200) 또는 사용자 단말(21)이 도 10의 프로세스를 수행하는 것을 가정한다. 또한, 도 10의 설명에서, 장치에 의해 수행되는 것으로 기술된 동작은 감성 측정을 이용한 키워드의 분석 장치(200)의 프로세서(230) 또는 사용자 단말(21)의 프로세서(미도시)에 의해 제어되는 것으로 이해될 수 있다.
도 10을 참조하면, 단계 1010에서, 장치는 복수의 웹 페이지로부터 수집된 분석 대상에 대한 텍스트로부터 추출된 복수의 키워드를 획득할 수 있다. 단계 1020에서, 장치는 사전 데이터베이스를 이용하여 복수의 키워드 각각과 대응되는 사용자의 감성을 나타내는 제1 데이터 및 사용자에 의해 고려된 소비 가치를 나타내는 제2 데이터를 획득할 수 있다. 단계 1030에서, 장치는 분석 대상에 대한 복수의 세부 분석 항목 각각과 복수의 키워드 각각 사이의 거리에 기초하여 복수의 키워드 각각을 복수의 세부 분석 항목 각각과 연계할 수 있다. 단계 1040에서, 장치는 제1 데이터 및 제2 데이터에 기초하여 분석 대상에 대한 감성과 연관된 제1 통계 데이터 및 분석 대상에 대한 소비 가치와 연관된 제2 통계 데이터를 복수의 세부 분석 항목 각각과 연계하여 제공할 수 있다.
본 문서의 실시 예들 및 이에 사용된 용어들은 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 해당 실시 예의 다양한 변경, 균등물, 및/또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및/또는 B 중 적어도 하나", "A, B 또는 C" 또는 "A, B 및/또는 C 중 적어도 하나" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 해당 구성요소들을, 순서 또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 어떤 구성요소가 다른 구성요소에 "(기능적으로 또는 통신적으로) 연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소를 통하여 연결될 수 있다.
본 문서에서, "~하도록 설정된(adapted to or configured to)"은 상황에 따라, 예를 들면, 하드웨어적 또는 소프트웨어적으로 "~에 적합한," "~하는 능력을 가지는," "~하도록 변경된," "~하도록 만들어진," "~를 할 수 있는," 또는 "~하도록 설계된"과 상호 호환적으로(interchangeably) 사용될 수 있다. 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 설정된 (또는 구성된) 프로세서"는 해당 동작들을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(예: CPU)를 의미할 수 있다.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어(firmware)로 구성된 유닛(unit)을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. "모듈"은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. "모듈"은 기계적으로 또는 전자적으로 구현될 수 있으며, 예를 들면, 어떤 동작들을 수행하는, 알려졌거나 앞으로 개발될, ASIC(application-specific integrated circuit) 칩, FPGAs(field-programmable gate arrays), 또는 프로그램 가능 논리 장치를 포함할 수 있다.
일 실시 예에 따른 장치(예: 모듈들 또는 그 기능들) 또는 방법(예: 동작들)의 적어도 일부는 프로그램 모듈의 형태로 컴퓨터로 판독 가능한 저장 매체에 저장된 명령어로 구현될 수 있다. 상기 명령어가 프로세서에 의해 실행될 경우, 프로세서가 상기 명령어에 해당하는 기능을 수행할 수 있다. 컴퓨터로 판독 가능한 기록 매체는, 하드디스크, 플로피디스크, 마그네틱 매체(예: 자기테이프), 광기록 매체(예: CD-ROM, DVD, 자기-광 매체(예: 플롭티컬 디스크), 내장 메모리 등을 포함할 수 있다. 명령어는 컴파일러에 의해 만들어지는 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다.
일 실시 예에 따른 구성 요소(예: 모듈 또는 프로그램 모듈) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소를 더 포함할 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램 모듈)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 일 실시 예에 따른 모듈, 프로그램 모듈 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱(heuristic)하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.

Claims (10)

  1. 감성 측정을 이용한 키워드의 분석 방법에 있어서,
    컴퓨팅 디바이스에 포함된 프로세서에 의해, 복수의 웹 페이지로부터 수집된 분석 대상에 대한 텍스트로부터 추출된 복수의 키워드를 획득하는 단계;
    상기 프로세서에 의해, 상기 분석 대상에 대한 복수의 세부 분석 항목 각각에 대응하는 단어와 상기 복수의 키워드 각각 사이의 거리에 기초하여 상기 복수의 키워드 각각을 상기 복수의 세부 분석 항목 각각과 연계하는 단계;
    상기 프로세서에 의해, 감성 및 소비 가치(value)와 연계된 감성어들을 포함하는 미리 저장된 사전 데이터베이스를 이용하여 상기 복수의 키워드 각각을 상기 감성어들 중 하나와 매칭함으로써, 상기 복수의 키워드 각각과 대응되는 상기 복수의 세부 분석 항목 각각에 대한 사용자의 상기 감성을 나타내는 제1 데이터 및 상기 사용자에 의해 고려된 상기 소비 가치를 나타내는 제2 데이터를 획득하는 단계; 및
    상기 프로세서에 의해, 상기 제1 데이터 및 상기 제2 데이터에 기초하여 상기 복수의 세부 분석 항목 각각에 대한 상기 감성과 연관된 제1 통계 데이터 및 상기 복수의 세부 분석 항목 각각에 대한 상기 소비 가치와 연관된 제2 통계 데이터를 제공하는 단계를 포함하는 것을 특징으로 하는, 방법.
  2. 제 1 항에 있어서,
    상기 제1 데이터는 긍정적 감성에 포함되는 복수의 하위 감성 중 하나 또는 부정적 감성에 포함되는 복수의 하위 감성 중 하나와 매칭되는 것을 특징으로 하는, 방법.
  3. 제 1 항에 있어서,
    상기 제2 데이터는 복수의 소비 가치 카테고리 중 하나와 매칭되는 것을 특징으로 하는, 방법.
  4. 제 1 항에 있어서,
    상기 제2 데이터는 경제적 가치, 기능적 가치, 사회적 가치, 학습적 가치, 감성적 가치 또는 환경적 가치 중 하나와 매칭되는 것을 특징으로 하는, 방법.
  5. 삭제
  6. 제 1 항에 있어서,
    상기 제1 데이터는 긍정적 감성에 포함되는 복수의 하위 감성 중 하나 또는 부정적 감성에 포함되는 복수의 하위 감성 중 하나와 매칭되고,
    상기 제공하는 단계는,
    상기 프로세서에 의해, 상기 복수의 하위 감성 각각에 대해 상이한 가중치를 부여하여 상기 제1 통계 데이터를 산출하는 단계를 포함하는 것을 특징으로 하는, 방법.
  7. 삭제
  8. 삭제
  9. 제 1 항에 있어서,
    상기 제공하는 단계는,
    상기 제1 통계 데이터와 상기 제2 통계 데이터를 서로 연계하여 상기 제1 통계 데이터 및 상기 제2 통계 데이터를 제공하는 단계인 것을 특징으로 하는, 방법.
  10. 감성 측정을 이용한 키워드의 분석 장치에 있어서,
    외부와 통신하도록 구성된 통신 회로;
    사전 데이터베이스를 저장하는 메모리; 및
    상기 통신 회로 및 상기 메모리와 전기적으로 연결된 프로세서를 포함하고,
    상기 프로세서는,
    상기 통신 회로를 이용하여 복수의 웹 페이지로부터 수집된 분석 대상에 대한 텍스트로부터 추출된 복수의 키워드를 획득하고,
    상기 분석 대상에 대한 복수의 세부 분석 항목 각각에 대응하는 단어와 상기 복수의 키워드 각각 사이의 거리에 기초하여 상기 복수의 키워드 각각을 상기 복수의 세부 분석 항목 각각과 연계하고,
    감성 및 소비 가치와 연계된 감성어들을 포함하는 상기 사전 데이터베이스를 이용하여 상기 복수의 키워드 각각을 상기 감성어들 중 하나와 매칭함으로써, 상기 복수의 키워드 각각과 매칭된 상기 복수의 세부 분석 항목 각각에 대한 사용자의 상기 감성을 나타내는 제1 데이터 및 상기 사용자에 의해 고려된 상기 소비 가치를 나타내는 제2 데이터를 획득하고,
    상기 제1 데이터 및 상기 제2 데이터에 기초하여 상기 복수의 세부 분석 항목 각각에 대한 상기 감성과 연관된 제1 통계 데이터 및 상기 복수의 세부 분석 항목 각각에 대한 상기 소비 가치와 연관된 제2 통계 데이터를 제공하도록 설정된 것을 특징으로 하는, 장치.
KR1020190113094A 2019-09-11 2019-09-11 감성 측정을 이용한 키워드의 분석 장치 및 방법 KR102225128B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190113094A KR102225128B1 (ko) 2019-09-11 2019-09-11 감성 측정을 이용한 키워드의 분석 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190113094A KR102225128B1 (ko) 2019-09-11 2019-09-11 감성 측정을 이용한 키워드의 분석 장치 및 방법

Publications (1)

Publication Number Publication Date
KR102225128B1 true KR102225128B1 (ko) 2021-03-09

Family

ID=75179522

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190113094A KR102225128B1 (ko) 2019-09-11 2019-09-11 감성 측정을 이용한 키워드의 분석 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102225128B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101838573B1 (ko) * 2017-02-08 2018-03-14 서울대학교산학협력단 공간 감성어 사전을 이용한 감성분석 기반의 장소 선호도 분석방법
KR20180091496A (ko) * 2017-02-07 2018-08-16 주식회사 에스엘커뮤니케이션즈 감정 분석 기반의 소셜 네트워크를 이용한 여론 형성방법
KR20190064312A (ko) * 2017-11-30 2019-06-10 삼성에스디에스 주식회사 감성 분석 방법 및 그 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180091496A (ko) * 2017-02-07 2018-08-16 주식회사 에스엘커뮤니케이션즈 감정 분석 기반의 소셜 네트워크를 이용한 여론 형성방법
KR101838573B1 (ko) * 2017-02-08 2018-03-14 서울대학교산학협력단 공간 감성어 사전을 이용한 감성분석 기반의 장소 선호도 분석방법
KR20190064312A (ko) * 2017-11-30 2019-06-10 삼성에스디에스 주식회사 감성 분석 방법 및 그 장치

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
곽민정 외, ‘호텔 서비스 속성별 고객만족도 분석을 위한 온라인 리뷰 감성분석’, 관광경영연구 제 23권 제4호, pp. 1~25(2019.07.)* *

Similar Documents

Publication Publication Date Title
US20170308523A1 (en) A method and system for sentiment classification and emotion classification
Rathan et al. Consumer insight mining: aspect based Twitter opinion mining of mobile phone reviews
Gu et al. " what parts of your apps are loved by users?"(T)
CN110377740B (zh) 情感极性分析方法、装置、电子设备及存储介质
CN107480162B (zh) 基于人工智能的搜索方法、装置、设备及计算机可读存储介质
US10558701B2 (en) Method and system to recommend images in a social application
US8325189B2 (en) Information processing apparatus capable of easily generating graph for comparing of a plurality of commercial products
CN107066464A (zh) 语义自然语言向量空间
Biondi et al. A deep learning semantic approach to emotion recognition using the IBM watson bluemix alchemy language
CN114676704B (zh) 句子情感分析方法、装置、设备以及存储介质
KR20210023452A (ko) 속성 단위 리뷰 분석 장치 및 방법
CN109033433B (zh) 一种基于卷积神经网络的评论数据情感分类方法及系统
CN111667374A (zh) 一种构建用户画像的方法、装置、存储介质和电子设备
CN113469067A (zh) 一种文档解析方法、装置、计算机设备和存储介质
Haque et al. Opinion mining from bangla and phonetic bangla reviews using vectorization methods
US9558462B2 (en) Identifying and amalgamating conditional actions in business processes
US11868718B2 (en) Technology name/service name generation device and method therefor
KR101838573B1 (ko) 공간 감성어 사전을 이용한 감성분석 기반의 장소 선호도 분석방법
JP6289989B2 (ja) 商品に対するユーザの感情分析装置及びプログラム
KR102410715B1 (ko) 머신 러닝 기반의 텍스트 데이터의 감성 분석 장치 및 방법
Patil et al. Novel technique for script translation using NLP: performance evaluation
JP2015130136A (ja) 情報処理システム、情報処理装置、その制御方法、及び制御プログラム
KR102225128B1 (ko) 감성 측정을 이용한 키워드의 분석 장치 및 방법
KR102422844B1 (ko) 인공지능에 기반하여 영상 컨텐츠의 언어 위기를 관리하는 방법
JP6509590B2 (ja) 商品に対するユーザの感情分析装置及びプログラム

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant