KR20090034052A - 감정정보 추출 장치 및 방법 - Google Patents

감정정보 추출 장치 및 방법 Download PDF

Info

Publication number
KR20090034052A
KR20090034052A KR1020070099200A KR20070099200A KR20090034052A KR 20090034052 A KR20090034052 A KR 20090034052A KR 1020070099200 A KR1020070099200 A KR 1020070099200A KR 20070099200 A KR20070099200 A KR 20070099200A KR 20090034052 A KR20090034052 A KR 20090034052A
Authority
KR
South Korea
Prior art keywords
emotion
document
emotional
emotion information
similarity
Prior art date
Application number
KR1020070099200A
Other languages
English (en)
Other versions
KR100935828B1 (ko
Inventor
이용규
박성은
Original Assignee
동국대학교 산학협력단
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 동국대학교 산학협력단 filed Critical 동국대학교 산학협력단
Priority to KR1020070099200A priority Critical patent/KR100935828B1/ko
Publication of KR20090034052A publication Critical patent/KR20090034052A/ko
Application granted granted Critical
Publication of KR100935828B1 publication Critical patent/KR100935828B1/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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G06F40/42—Data-driven translation
    • G06F40/44—Statistical methods, e.g. probability models

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Tourism & Hospitality (AREA)
  • Probability & Statistics with Applications (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

감정정보 추출 장치 및 방법을 제공한다. 감정정보 추출 장치는 문서내 텍스트 문자의 형태소에서 감정용어를 추출하여 소정 기준에 따라 분류하는 감정용어 추출부와, 감정용어가 속한 감정종류 및 감정 정도에 따라 가중치를 계산하여 문서의 감정정보를 추출하는 가중치 조정부 및 감정정보를 기초로 문서와 대상 문서와의 유사도를 산출하는 유사도 산정부를 포함한다.
문서, 감정 정보, 형태소

Description

감정정보 추출 장치 및 방법{Apparatus and method for extracting emotion information}
　본 발명은 감정정보 추출 장치 및 방법에 관한 것으로, 문서내의 텍스트 문자를 분석하여 해당 문서를 대표하는 감정정보를 산출하는 감정정보 추출 장치 및 방법에 관한 것이다.
최근, 음성인식에 대한 연구가 활발하게 진행되고 있으며, 음성인식 시스템의 인식률과 인식속도 측면에서 사용자의 요구사항을 만족시키기 위한 활발한 연구 개발이 이루어지고 있다. 이러한 음성인식에는 어절을 이용한 음성인식, 의사 형태소를 이용한 낭독체 및 대화체의 음성인식, 의사 형태소와 어절을 동시에 사용하는 다중 수준의 음성인식 등이 있다. 그리고, 음성 데이터로부터 감정정보를 추출하는 기술은 음성 인식기, 음성 합성기 등의 장비와 대용량의 음성 샘플 데이터를 필요로 한다. 이와 같이, 음성 데이터로부터 감정정보를 추출하여 사람의 감정을 표현하는 애니메이션 캐릭터의 얼굴 표정 변화 및 감정을 실은 음성 대화를 시도할 수 있다. 이러한 노력은 음성 외에 텍스트 문자로부터 감정정보를 추출하려는 시도로 나타나고 있다.
즉, 음성 외에 텍스트 문자(전자 문서)로부터 감정정보를 추출하기 위한 기술로서, 사용자가 직접 이모티콘 등을 텍스트 문자 내에 표시하여 해당 용어 또는 문장의 감정을 표시하고, 표시된 이모티콘을 이용하여 감정정보를 추출하는 방법이 있다. 그러나, 이러한 방법은 문장에 나타나는 감정 상태를 사용자가 이모티콘 등을 이용하여 인위적으로 강조해야 하는 불편함이 있다.
따라서, 텍스트 문자에 나타나는 감정정보를 효율적으로 추출할 필요성이 제기된다.
본 발명은 감정정보 추출 장치 및 방법에 관한 것으로, 문서내의 텍스트 문자를 분석하여 해당 문서를 대표하는 감정정보를 산출하는 데에 그 목적이 있다.
상기 목적을 달성하기 위하여, 본 발명의 실시예에 따른 감정정보 추출 장치는 문서내 텍스트 문자의 형태소에서 감정용어를 추출하여 소정 기준에 따라 분류하는 감정용어 추출부와, 감정용어가 속한 감정종류 및 감정 정도에 따라 가중치를 계산하여 문서의 감정정보를 추출하는 가중치 조정부 및 감정정보를 기초로 문서와 대상 문서와의 유사도를 산출하는 유사도 산정부를 포함한다.
본 발명의 다른 실시예에 따른 감정정보 추출 문서내 텍스트 문자에서 형태소를 추출하는 (a)단계와, 형태소에서 감정용어를 추출하여 소정 기준에 따라 분류하는 (b)단계와, 감정용어가 속한 감정종류 및 감정 정도에 따라 가중치를 계산하 여 문서의 감정정보를 추출하는 (c)단계 및 감정정보를 기초로 문서와 대상 문서와의 유사도를 산출하는 (d)단계를 포함한다.
상기한 바와 같은 본 발명의 감정정보 추출 장치 및 방법에 따르면 다음과 같은 장점이 있다.
첫째, 문서내의 텍스트 문자를 분석하여 해당 문서를 대표하는 감정정보를 산출할 수 있는 장점이 있다.
둘째, 감정정보를 기초로 복수개의 문서간의 유사도 여부를 판단하여 문서별로 분류할 수 있는 장점도 있다.
셋째, 감정정보를 메타데이터로 표현한 감정 문서를 생성하여, 응용분야에서 문서의 텍스트 문자에 인간의 감정을 실어서 표현할 수 있는 장점도 있다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
도 1는 본 발명의 일 실시예에 따른 감정정보 추출 장치의 블록도이다.
감정정보 추출 장치(100)는 문서 입력부(110), 형태소 분석부(120), 감정용어 추출부(130), 가중치 조정부(140), 유사도 산정부(150), 문서 생성부(160) 및 감정용어 저장부(170)를 포함한다.
문서 입력부(110)는 소정 문서내의 소정 텍스트 문자를 입력받는다. 여기서, 문서 입력부(110)에 입력된 텍스트 문자는 형태소 분석이 가능하도록 복수개의 문장으로 구분될 수 있다. 그리고, 상기 문서는 일반적으로 소정 기기(컴퓨터, 이동 단말기 등)에 의해 작성된 전자 문서일 수 있다.
형태소 분석부(120)는 텍스트 문자에서 형태소를 추출한다. 예를 들어, 형태소 분석부(120)는 표준 용어 사전을 이용하여 텍스트 문자에서 형태소를 추출할 수 있다. 그러나 이에 한정되지 않고 다양한 분석 방법을 이용하여 형태소가 추출될 수 있음은 물론이다.
감정용어 추출부(130)는 추출된 형태소에서 감정용어를 추출하여 소정 기준에 따라 분류한다. 참고로, 표 1과 같이 한국어의 감정용어 분류 기준에서는, 다양한 감정용어를 기쁨, 슬픔, 놀람, 공포, 혐오, 분노의 6가지의 감정종류로 분류하고 있다.
감정종류 감정용어
기쁨 기쁘다, 웃다, 즐겁다, 미소짓다, 흐뭇하다, 흥겹다, 정겹다, 반갑다
슬픔 슬프다, 애잔하다, 서글프다, 울다, 비통하다, 눈물겹다, 섭섭하다
놀람 놀라다, 당황하다, 자지러지다, 질리다
공포 무섭다, 두렵다, 소름 돋다, 진저리나다
혐오 가증스럽다, 미워하다, 싫어하다, 밉다, 얄밉다, 역겹다, 불쾌하다
분노 화내다, 성내다, 노엽다, 분하다, 뒤틀리다, 발끈하다, 언짢다
[표 1]
본 발명의 실시예에서는, 상기 표 1의 감정용어 분류 기준을 활용하여, 감정 용어의 강약(이하, 감정 정도라 함)에 따라 바람직하게는 표 2와 같이 복수개의 등급(EGA, EGB, EGC )으로 감정용어를 분류하여 이용할 수 있다. 그러나, 이외에도 다양한 기준에 따라 감정용어의 강약 및 감정종류가 정의될 수 있음은 물론이다.
감정종류 강한 감정(EGA) 보통 감정(EGB) 약한 감정(EGC)
기쁨 환호함, 통쾌함, 신명남 반가움, 웃음, 즐거움 미소지음, 흐뭇함
슬픔 비통, 절망, 고통 　울음, 서글픔, 눈물남 애잔함, 섭섭함, 외로움
놀람 자지러짐, 질림 당황함, 긴장함 떨림
공포 끔찍함, 진저리남 무서움, 두려움 불안함, 소름 돋음
혐오 가증스러움, 역겨움 불쾌함, 미움, 싫어함 얄미움
분노 격분함, 원통함, 성냄 증오함, 노여움, 화남 언짢음, 발끈함, 질투
[표 2]
상기 표 2에 있어서, EG(Emotion Grade)은 감정의 정도에 따라 복수개의 등급으로 구분될 수 있다. 즉, 강한 감정은 보통 감정 및 약한 감정보다 더 강한 감정 표현들의 그룹이다. 그리고, 보통 감정은 강한 감정보다는 약한 감정 표현이지만 약한 감정보다는 더 강한 감정 표현들의 그룹이다. 또한, 약한 감정은 강한 감정 및 보통 감정보다 약한 감정 표현들의 그룹이다.
가중치 조정부(140)는 감정용어(들)가 속한 감정종류 및 감정 정도에 따라 가중치를 계산한다. 이를 통해, 문서의 감정정보에 대한 감정 벡터가 계산되고, 해당 문서를 대표하는 감정정보가 추출될 수 있다. 여기서, 바람직하게는 이하 수식 1에 의해 상기 가중치가 계산될 수 있다.
Figure 112007070999511-PAT00001
[수식 1]
상기 수식 1에 있어서, EQj는 문서의 감정정보에 대한 감정 벡터(값)를 의미하고, 감정 벡터의 Wij는 감정용어가 속한 감정종류 및 감정 정도에 따른 가중치를 나타낸다. 즉, 감정 벡터(EQj)를 통해 해당 문서의 대표적인 감정정보를 얻을 수 있다. 또한 이를 위해, 감정용어가 속한 감정종류 및 감정 정도에 따라 가중치(Wij)가 산출되어진다. 여기서, 1<=i<=6, 1<=j<=n로 각각 정의될 수 있다. 그리고, 감정종류에 있어서 i=1이면 기쁨, i=2이면 슬픔, i=3이면 놀람, i=4이면 공포, i=5이면 혐오, i=6이면 분노를 의미한다. 즉, 문서 j에 있어서 W1j는 기쁨의 가중치를 의미하며, W2j는 슬픔의 가중치를 의미한다.
또한, ega ,b, cfreqij(즉, egafreqij, egbfreqij 또는 egcfreqij)는 문서 j에 있어서 소정 감정용어 분류 기준에 따라 분류된 감정용어에 대해서 감정종류 i의 소정 감정 정도에 속하는 감정용어의 빈도수를, ega,b,ctotalfreqi는 소정 감정용어 분류 기준에 따라 분류된 감정용어에 대해서 감정종류 i의 소정 감정 정도에 속하는 미리 정의된 감정용어의 빈도수를 나타낸다. 예를 들어, ega ,b, ctotalfreqi는 표준 용어 사전에서 감정용어 분류 기준을 기초로 추출된 감정용어를 감정 종류와 감정 정도에 따라 분류하고, 분류된 그룹에 속하는 감정용어의 빈도수를 나타내는 미리 정의된 값이다. 따라서, ega ,b, ctotalfreqi 값은 미리 정의되어 데이터 베이스 형태로 저장될 수 있다.
그리고, Wa ,b,c는 감정 정도(강한 감정, 보통 감정, 약한 감정)에 따른 가중치를 의미한다.
따라서, 상기 수식 1을 통해 소정 문서에 대해 감정종류에 따라 가중치가 계산되고 이를 통해 해당 문서를 대표하는 감정정보를 산출할 수 있다. 예를 들어, EQj=(0.8, 0.0, 0.3, 0.0, 0.0, 0.0)일 경우, 문서를 대표하는 감정은 기쁨이란 감정이 된다. 즉, 감정 벡터(EQj)에서 기쁨의 가중치가 다른 감정(종류)의 가중치보다 클 경우 해당 문서를 대표하는 감정은 기쁨으로 정의될 수 있다. 이하 구체적으로 예를 들어 설명하기로 한다.
예를 들어, 문서 j에 있어서 기쁨의 가중치가 상기 수식 1에 따라 W1j = 0.4 x 0.5 + 0.1 x 0.3 + 0.2 x 0.2 = 0.27이라면, 기쁨의 가중치가 0.27이라는 것을 의미한다. 만약, W1j가 1값을 갖는 경우, 기쁨의 가중치가 가장 큰 값을 갖는 경우이다. 즉, 상술된 6가지 감정종류에 있어서 각 감정종류에 대한 가중치는 0(zero) 내지 1사이의 값을 가질 수 있다. 여기서, 각 감정 정도간에는 소정 비율로 차이가 나도록 가중치가 정의될 수 있다. 즉, 강한 감정(Wa)에는 0.5값, 보통 감정(Wb)에는 0.3값, 약한 감정(Wc)에는 0.2값으로 가중치가 할당될 수 있다.
한편, 유사도 산정부(150)는 상술된 문서(제1 문서라 함)에 대한 감정 벡터(감정정보)를 기초로 비교 대상 문서(제2 문서라 함)와의 유사도를 산출(산정)한다. 즉, 유사도 산정부(150)는 제1 문서에 대한 감정 벡터(EQj)와 제2 문서에 대한 감정 벡터(EDij)를 비교하여 유사도 여부를 판단할 수 있다. 제2 문서에 대한 감정 벡터(EDij)는 상술된 수식 1의 원리에 따라 구해질 수 있으며, 결과값은 수식 2와 같이 정의될 수 있다.
Figure 112007070999511-PAT00002
[수식 2]
그리고, 유사도 판단을 위해 이하 수식 3 또는 수식 4가 이용될 수 있다.
Figure 112007070999511-PAT00003
[수식 3]
Figure 112007070999511-PAT00004
[수식 4]
수식 3 및 수식 4에 있어서, EQi는 제1 문서, EDij는 제2 문서를 의미하며, 1<=i<=6, 1<=j<=n로 각각 정의될 수 있다. 제2 문서로서, ED1, ED2, ED3, ... , EDn가 있고, 상술한 바와 같이 6가지의 감정종류로 분류될 수 있다고 가정하면, 제2 문서의 감정 벡터는 EDij=(W1j, W2j, W3j, W4j, W5j, W6j)로 표현될 수 있다.
예를 들어, 수식 3 또는 수식 4을 이용하여 이하 표 3과 같이 유사도가 계산될 수 있다.
제2 문서 문장의 예 감정 벡터값 S값(수식 3) D값(수식 4)
ED1 합격 소식에 깜짝 놀라 환호를 질렀다. (0.8, 0.0, 0.3, 0.0, 0.0, 0.0) 0.93 0.32
ED2 아기가 탄생한 기쁨에 눈물이 났다. (0.3, 0.2, 0.0, 0.0, 0.0, 0.0) 0.82 0.64
ED3 그의 가증스러움에 증오심이 생겼다. (0.0, 0.0, 0.0, 0.0, 0.8, 0.6) 0.00 1.35
ED4 사고 현장에서 부상자들의 얼굴은 끔찍하고 역겨운 생각마저 들게 하였다. (0.0, 0.0, 0.0, 0.8, 0.7, 0.0) 0.08 1.34
ED5 면접을 앞두고 떨려서 소름이 돋았다. (0.0, 0.0, 0.2, 0.2, 0.0, 0.0) 0.07 0.93
EQ 그 사람의 이별 통보에 불안하기도 했지만, 왠지 모를 상쾌한 기분이 들었다. (0.9, 0.0, 0.0, 0.1, 0.0, 0.0) ED1과 가장 유사한 문장 ED1과 가장 유사한 문장
[표 3]
상기 표 3은 문서 내 (샘플) 문장을 기초로 하여 각 문서의 유사도를 산출한 값을 표로 나타낸 것이다. 여기서, EQ 문서와 ED1 문서는 기쁨이란 감정에 있어서 가장 유사하며, 수식 3을 이용할 경우 S값(유사도)이 0.93, 수식 4를 이용할 경우 D값(유사도)이 0.32로 각각 산출된다. 따라서, S값이 클수록 그리고 D값이 작을수록 유사도가 크다는 것을 알 수 있다. 이와 같이, 문서의 감정 벡터값을 기초로 문서의 대표 감정정보 및 각 문서간의 유사도가 산출될 수 있다.
한편, 제1 문서의 감정 벡터값을 통해 기존 문서(제2 문서)와의 유사도가 판단되고, 이를 기초로 환자의 진술서를 이용한 정신 감정, 유사 자료의 보관 및 활용 등에 이용될 수 있다.
이하, 도 2 및 도 3은 상술된 6가지의 감정종류를 나타내는 축에 대한 감정 벡터를 도시한 것이다.
즉, 도 2에 도시된 바와 같이, 6가지의 감정종류를 나타내는 축상에서, EQ(302)=0.2+0.0+0.0+0.0+0.0+0.0이고, ED1(304)=0.6+0.4+0.1+0.0+0.0+0.0이고, ED2(306)=0.2+0.0+0.8+0.0+0.0+0.0 이라고 가정하면, 각각의 감정 벡터는 도 3과 같이 도시될 수 있다. 그리고, 상기 수식 3을 이용한 문서간의 유사도를 감정 벡터 사이의 각도에 대한 코사인 값으로 계산하면, S(EQ, ED1)=0.82, S(EQ, ED2)=0.24로, 제1 문서(EQ)(302)는 제2 문서(ED1)(304)와 유사한 문서로 분류될 수 있다. 또한, 수식 4를 적용하면, D(ED1 , EQ)=0.57, D(ED2 , EQ)=0.8과 같은 결과가 나오며, 결과 값이 클수록 벡터간의 거리가 먼 것으로 해석되므로, EQ와 ED1간 벡터의 거리가 EQ와 ED2간 벡터의 거리에 비해 더 가까운 것으로 해석될 수 있다. 따라서, 수식 3을 적용한 결과와 동일하게 된다.
문서 생성부(160)는 텍스트 문자의 감정정보를 메타데이터로 표현한 (감정) 문서를 생성한다. 따라서, 사용자는 문서의 대표 감정정보를 알 수 있으며, 이를 응용하여 아바타를 이용한 가상 화상 교육, 이메일 서비스, 휴대폰 문자 서비스 등의 다양한 분야에 인간의 감정을 표현한 다차원적인 서비스를 제공할 수 있게 된다. 상기 메타데이터는 HTML(HyperText Markup Language) 태그, 또는 XML(eXtensible Markup Language) 태그 등으로 다양하게 구성될 수 있으며, 문서의 감정종류, 감정 정도, 대표 감정정보 등에 대한 정보를 포함할 수 있다. 이하, 표 4는 XML 기반의 ERML(Emotion Representation Markup Language)에서 정의한 태그 및 속성 종류를 나타낸다.
태그 종류 태그 설명 속성 종류 속성값 종류 속성 설명
<ERML> 루트 태그 　 　 　
<emotion> 감정 태그 type joy 기쁨
sadness 슬픔
surprise 놀람
fear 공포
hatred 혐오
anger 분노
<dimension> 감정 정도 범위 　 　 　
<strong> 강함 degree 0에서 1사이의 값 감정의 정도에 대한 수치값
<moderate> 보통
<weak> 약함
<content> 문장의 내용 　 　 　
[표 4]
또한, 도 4는 ERML 태그를 이용한 메타 데이터형식으로 표현된 감정 문서의 예를 나타낸다. 도 4에 도시된 바와 같이, 메타 데이터형식으로 문서(또는 특정 문장)의 감정 정보(402a) 및 가중치(402b)가 나타날 수 있다.
감정용어 저장부(170)는 바람직하게는 한국어 감정용어 분류 기준에 따른 감정용어들을 감정 정도에 따라 저장한다. 또한, 감정용어 저장부(170)는 감정정보를 메타데이터로 표현한 문서 및 비교 대상 문서(제2 문서)를 저장할 수 있다.
도 5는 본 발명의 일 실시예에 따른 감정정보 추출 방법의 순서도이다.
먼저, 형태소 분석부(120)가 텍스트 문자에서 형태소를 추출한다(S401).
감정용어 추출부(130)는 문서내 텍스트 문자의 형태소에서 감정용어를 추출하여 소정 기준에 따라 분류한다(S411). 감정종류 및 감정 정도에 따른 감정용어에 대한 분류 기준은 도 1 및 도 2를 참조하기 바란다.
그리고, 가중치 조정부(140)는 감정용어가 속한 감정종류 및 감정 정도에 따라 가중치를 계산하여 상기 문서의 감정정보를 추출한다(S421). 여기서, 상술된 수식 1이 이용될 수 있으며, 본 단계(S421)를 통해 문서의 감정정보에 대한 감정벡터가 산출될 수 있다.
다음으로, 유사도 산정부(150)는 상기 문서에 대한 감정정보를 기초로 대상 문서와의 유사도를 산출한다(S431). 여기서, 상술된 수식 3 또는 수식 4가 이용될 수 있으며, 본 단계(S431)를 통해 감정정보가 유사한 종류대로 문서가 분류될 수 있다. 여기서, 문서를 대표하는 대표 감정정보가 이용될 수 있다.
이후, 문서 생성부(160)는 문서의 감정정보를 메타데이터로 생성할 수 있으며, 감정용어 저장부(170)를 통해 메타데이터로 생성된 문서를 저장할 수 있다.
도 1에서 도시된 각각의 구성요소는 일종의 '모듈'로 구성될 수 있다. 상기 '모듈'은 소프트웨어 또는 Field Programmable Gate Array(FPGA) 또는 주문형 반도체(Application Specific Integrated Circuit, ASIC)와 같은 하드웨어 구성요소를 의미하며, 모듈은 어떤 역할들을 수행한다. 그렇지만 모듈은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. 모듈은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 실행시키도록 구성될 수도 있다. 구성요소들과 모듈들에서 제공되는 기능은 더 작은 수의 구성요소들 및 모듈들로 결합되거나 추가적인 구성요소들과 모듈들로 더 분리될 수 있다.
이상 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
도 1는 본 발명의 일 실시예에 따른 감정정보 추출 장치의 블록도이다.
도 2 및 도 3은 본 발명의 일 실시예에 따른 6가지의 감정종류를 나타내는 축상에 있어서, 문서들의 감정 벡터의 예를 도시한다.
도 4는 본 발명의 일 실시예에 따른 메타 데이터형식으로 표현된 감정 문서의 예를 도시한다.
도 5는 본 발명의 일 실시예에 따른 감정정보 추출 방법의 순서도이다.
<도면의 주요 부분에 관한 부호의 설명>
110: 문서 입력부 120: 형태소 분석부
130: 감정용어 추출부 140: 가중치 조정부
150: 유사도 산정부 160: 문서 생성부
170: 감정용어 저장부

Claims (10)

  1. 문서내 텍스트 문자의 형태소에서 감정용어를 추출하여 소정 기준에 따라 분류하는 감정용어 추출부;
    상기 감정용어가 속한 감정종류 및 감정 정도에 따라 가중치를 계산하여 상기 문서의 감정정보를 추출하는 가중치 조정부; 및
    상기 감정정보를 기초로 상기 문서와 대상 문서와의 유사도를 산출하는 유사도 산정부를 포함하는, 감정정보 추출 장치.
  2. 제 1항에 있어서, 상기 유사도 산정부는
    상기 감정정보에 대한 감정 벡터의 각도에 대한 값을 이용하여 복수개의 문서간의 상기 유사도를 산출하는, 감정정보 추출 장치.
  3. 제 2항에 있어서,
    상기 텍스트 문자에서 상기 형태소를 추출하는 형태소 분석부를 더 포함하는, 감정정보 추출 장치.
  4. 제 3항에 있어서,
    상기 감정정보를 메타데이터로 생성하는 문서 생성부를 더 포함하는, 감정정보 추출 장치.
  5. 문서내 텍스트 문자에서 형태소를 추출하는 (a)단계;
    상기 형태소에서 감정용어를 추출하여 소정 기준에 따라 분류하는 (b)단계;
    상기 감정용어가 속한 감정종류 및 감정 정도에 따라 가중치를 계산하여 상기 문서의 감정정보를 추출하는 (c)단계; 및
    상기 감정정보를 기초로 상기 문서와 대상 문서와의 유사도를 산출하는 (d)단계를 포함하는, 감정정보 추출 방법.
  6. 제 5항에 있어서, 상기 가중치(Wij)는
    Figure 112007070999511-PAT00005
    수식에 따라 구해지고, 상기 수식에서 egafreqij, egbfreqij , 및 egcfreqij는 문서 j에 있어서 소정 감정용어 분류 기준에 따라 분류된 감정용어에 대해서 감정종류 i의 소정 감정 정도에 속하는 감정용어의 빈도수를 의미하고, egatotalfreqij, egbtotalfreqij , 및 egctotalfreqij은 소정 감정용어 분류 기준에 따라 분류된 감정용어에 대해서 감정종류 i의 소정 감정 정도에 속하는 미리 정의된 감정용어의 빈도수를 의미하고, Wa, Wb , 및 Wc는 각각 감정 정도에 따른 가중치를 의미하고, i및 j는 각각 1<=i<=6, 1<=j<=n로 정의되는, 감정정보 추출 방법.
  7. 제 6항에 있어서, 상기 (d)단계는
    상기 감정정보에 대한 감정 벡터의 각도에 대한 값을 이용하여 복수개의 문서간의 상기 유사도를 산출하는 단계를 포함하는, 감정정보 추출 방법.
  8. 제 7항에 있어서, 상기 유사도는
    Figure 112007070999511-PAT00006
    수식에 따라 구해지고, 상기 수식에서 EQ는 상기 문서, ED는 상기 대상 문서를 의미하는, 감정정보 추출 방법.
  9. 제 7항에 있어서, 상기 유사도는
    Figure 112007070999511-PAT00007
    수식에 따라 구해지고, 상기 수식에서 EQ는 상기 문서, ED는 상기 대상 문서를 의미하는, 감정정보 추출 방법.
  10. 제 8항 또는 제 9항에 있어서,
    상기 EQ는
    Figure 112007070999511-PAT00008
    의 감정 벡터로 정의되고, 상기 감정 벡터의 W1j 내지 W6j은 감정용어가 속한 감정종류 및 감정정도에 따른 가중치를 의미하는, 감정정보 추출 방법.
KR1020070099200A 2007-10-02 2007-10-02 감정정보 추출 장치 및 방법 KR100935828B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020070099200A KR100935828B1 (ko) 2007-10-02 2007-10-02 감정정보 추출 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020070099200A KR100935828B1 (ko) 2007-10-02 2007-10-02 감정정보 추출 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20090034052A true KR20090034052A (ko) 2009-04-07
KR100935828B1 KR100935828B1 (ko) 2010-01-06

Family

ID=40760106

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020070099200A KR100935828B1 (ko) 2007-10-02 2007-10-02 감정정보 추출 장치 및 방법

Country Status (1)

Country Link
KR (1) KR100935828B1 (ko)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011119410A2 (en) * 2010-03-24 2011-09-29 Taykey, Ltd. A system and methods thereof for mining web based user generated content for creation of term taxonomies
WO2012057563A2 (ko) * 2010-10-28 2012-05-03 (주)엠씨에스로직 감성 기반의 커뮤니티 형성 시스템, 커뮤니티 형성이 가능한 통신 단말기 및 그 커뮤니티 형성방법
WO2012057560A3 (ko) * 2010-10-28 2012-06-14 (주)엠씨에스로직 지능형 감성단어 확장장치 및 그 확장방법
KR101158183B1 (ko) * 2009-12-02 2012-06-19 에스케이플래닛 주식회사 웹 문서 평가 판단 장치 및 방법
WO2012134180A2 (ko) * 2011-03-28 2012-10-04 가톨릭대학교 산학협력단 문장에 내재한 감정 분석을 위한 감정 분류 방법 및 컨텍스트 정보를 이용한 다중 문장으로부터의 감정 분류 방법
KR101315734B1 (ko) * 2011-12-27 2013-10-10 숭실대학교산학협력단 텍스트의 정서 단어 추출을 통한 정서 분석 장치 및 방법, 그리고 그 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 기록매체
KR101330158B1 (ko) * 2013-07-12 2013-11-15 주식회사 메조미디어 텍스트의 감정지수 분석 방법 및 컴퓨터 판독 가능한 기록 매체
US8782046B2 (en) 2010-03-24 2014-07-15 Taykey Ltd. System and methods for predicting future trends of term taxonomies usage
US8965835B2 (en) 2010-03-24 2015-02-24 Taykey Ltd. Method for analyzing sentiment trends based on term taxonomies of user generated content
US9183292B2 (en) 2010-03-24 2015-11-10 Taykey Ltd. System and methods thereof for real-time detection of an hidden connection between phrases
US9613139B2 (en) 2010-03-24 2017-04-04 Taykey Ltd. System and methods thereof for real-time monitoring of a sentiment trend with respect of a desired phrase
US9652997B2 (en) 2011-08-24 2017-05-16 Electronics And Telecommunications Research Institute Method and apparatus for building emotion basis lexeme information on an emotion lexicon comprising calculation of an emotion strength for each lexeme
US9946775B2 (en) 2010-03-24 2018-04-17 Taykey Ltd. System and methods thereof for detection of user demographic information
WO2019112117A1 (ko) * 2017-12-05 2019-06-13 (주)아크릴 텍스트 콘텐츠 작성자의 메타정보를 추론하는 방법 및 컴퓨터 프로그램
KR20190069992A (ko) * 2017-12-12 2019-06-20 세종대학교산학협력단 음성 발화 양식을 이용한 발화자 감정인식 방법 및 시스템
US10600073B2 (en) 2010-03-24 2020-03-24 Innovid Inc. System and method for tracking the performance of advertisements and predicting future behavior of the advertisement
WO2021085750A1 (ko) * 2019-11-01 2021-05-06 인제대학교 산학협력단 행복노트시스템 사용방법

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101713258B1 (ko) * 2015-05-19 2017-03-09 트윈워드 주식회사 글에 반영된 사용자의 심리 상태 정보 제공 장치 및 그 방법
KR102567896B1 (ko) 2021-08-26 2023-08-17 청주대학교 산학협력단 딥러닝을 이용한 종교 감성 분석 장치 및 방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3372532B2 (ja) 2000-10-11 2003-02-04 日本電信電話株式会社 感情情報抽出方法および感情情報抽出プログラムの計算機読み取り可能な記録媒体

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101158183B1 (ko) * 2009-12-02 2012-06-19 에스케이플래닛 주식회사 웹 문서 평가 판단 장치 및 방법
US10600073B2 (en) 2010-03-24 2020-03-24 Innovid Inc. System and method for tracking the performance of advertisements and predicting future behavior of the advertisement
US9165054B2 (en) 2010-03-24 2015-10-20 Taykey Ltd. System and methods for predicting future trends of term taxonomies usage
US8782046B2 (en) 2010-03-24 2014-07-15 Taykey Ltd. System and methods for predicting future trends of term taxonomies usage
US8930377B2 (en) 2010-03-24 2015-01-06 Taykey Ltd. System and methods thereof for mining web based user generated content for creation of term taxonomies
US10268670B2 (en) 2010-03-24 2019-04-23 Innovid Inc. System and method detecting hidden connections among phrases
US9613139B2 (en) 2010-03-24 2017-04-04 Taykey Ltd. System and methods thereof for real-time monitoring of a sentiment trend with respect of a desired phrase
US9454615B2 (en) 2010-03-24 2016-09-27 Taykey Ltd. System and methods for predicting user behaviors based on phrase connections
US9767166B2 (en) 2010-03-24 2017-09-19 Taykey Ltd. System and method for predicting user behaviors based on phrase connections
WO2011119410A2 (en) * 2010-03-24 2011-09-29 Taykey, Ltd. A system and methods thereof for mining web based user generated content for creation of term taxonomies
US9183292B2 (en) 2010-03-24 2015-11-10 Taykey Ltd. System and methods thereof for real-time detection of an hidden connection between phrases
WO2011119410A3 (en) * 2010-03-24 2011-11-17 Taykey, Ltd. A system and methods thereof for mining web based user generated content for creation of term taxonomies
US9946775B2 (en) 2010-03-24 2018-04-17 Taykey Ltd. System and methods thereof for detection of user demographic information
US8965835B2 (en) 2010-03-24 2015-02-24 Taykey Ltd. Method for analyzing sentiment trends based on term taxonomies of user generated content
WO2012057560A3 (ko) * 2010-10-28 2012-06-14 (주)엠씨에스로직 지능형 감성단어 확장장치 및 그 확장방법
WO2012057563A2 (ko) * 2010-10-28 2012-05-03 (주)엠씨에스로직 감성 기반의 커뮤니티 형성 시스템, 커뮤니티 형성이 가능한 통신 단말기 및 그 커뮤니티 형성방법
WO2012057563A3 (ko) * 2010-10-28 2012-07-26 (주)엠씨에스로직 감성 기반의 커뮤니티 형성 시스템, 커뮤니티 형성이 가능한 통신 단말기 및 그 커뮤니티 형성방법
WO2012134180A3 (ko) * 2011-03-28 2013-01-10 가톨릭대학교 산학협력단 문장에 내재한 감정 분석을 위한 감정 분류 방법 및 컨텍스트 정보를 이용한 다중 문장으로부터의 감정 분류 방법
WO2012134180A2 (ko) * 2011-03-28 2012-10-04 가톨릭대학교 산학협력단 문장에 내재한 감정 분석을 위한 감정 분류 방법 및 컨텍스트 정보를 이용한 다중 문장으로부터의 감정 분류 방법
US9652997B2 (en) 2011-08-24 2017-05-16 Electronics And Telecommunications Research Institute Method and apparatus for building emotion basis lexeme information on an emotion lexicon comprising calculation of an emotion strength for each lexeme
KR101315734B1 (ko) * 2011-12-27 2013-10-10 숭실대학교산학협력단 텍스트의 정서 단어 추출을 통한 정서 분석 장치 및 방법, 그리고 그 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 기록매체
WO2015005662A1 (en) * 2013-07-12 2015-01-15 Mezzomedia Co., Ltd. Method for analyzing emotional index of text and computer-readable recording medium
KR101330158B1 (ko) * 2013-07-12 2013-11-15 주식회사 메조미디어 텍스트의 감정지수 분석 방법 및 컴퓨터 판독 가능한 기록 매체
WO2019112117A1 (ko) * 2017-12-05 2019-06-13 (주)아크릴 텍스트 콘텐츠 작성자의 메타정보를 추론하는 방법 및 컴퓨터 프로그램
KR20190069992A (ko) * 2017-12-12 2019-06-20 세종대학교산학협력단 음성 발화 양식을 이용한 발화자 감정인식 방법 및 시스템
WO2021085750A1 (ko) * 2019-11-01 2021-05-06 인제대학교 산학협력단 행복노트시스템 사용방법

Also Published As

Publication number Publication date
KR100935828B1 (ko) 2010-01-06

Similar Documents

Publication Publication Date Title
KR100935828B1 (ko) 감정정보 추출 장치 및 방법
KR102073979B1 (ko) 음성신호 기반 인공지능을 이용한 감정분석을 제공하는 감성일기 서비스 제공 서버 및 방법
CN104166462B (zh) 一种文字的输入方法和系统
CN110023926A (zh) 使用文本输入和用户状态信息生成要呈现的回复内容以响应文本输入
US20090300003A1 (en) Apparatus and method for supporting keyword input
CN111985243B (zh) 情感模型的训练方法、情感分析方法、装置及存储介质
CN111414506B (zh) 基于人工智能情绪处理方法、装置、电子设备及存储介质
CN110493612B (zh) 弹幕信息的处理方法、服务器及计算机可读存储介质
CN111222854B (zh) 基于面试机器人的面试方法、装置、设备及存储介质
CN110728983A (zh) 一种信息显示方法、装置、设备及可读存储介质
KR101315734B1 (ko) 텍스트의 정서 단어 추출을 통한 정서 분석 장치 및 방법, 그리고 그 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 기록매체
CN107632974A (zh) 适用于多领域的中文分析平台
CN106406882A (zh) 一种论坛中帖子背景的展现方法和装置
Chung et al. Multi-modal emotion prediction system using convergence media and active contents
CN111324710B (zh) 一种基于虚拟人的在线调研方法、装置和终端设备
KR20190023722A (ko) 소셜 빅데이터 기반 감성 분석 키워드 확장 장치 및 방법
Li et al. Chinese Sign Language animation generation considering context
JP6222465B2 (ja) アニメーション生成装置、アニメーション生成方法およびプログラム
WO2016063403A1 (ja) データ分析システム、データ分析方法、およびデータ分析プログラム
CN114037946A (zh) 视频分类的方法、装置、电子设备及介质
JP2014021180A (ja) 手話翻訳装置及び手話翻訳プログラム
Chen et al. Emotion recognition in videos via fusing multimodal features
CN114678006B (zh) 一种基于节奏的语音合成方法及系统
Supitchaya et al. Convergence speed up using convolutional neural network combining with long short-term memory for american sign language alphabet recognition
CN114286155B (zh) 基于弹幕的画面元素修改方法、装置、设备和存储介质

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20121210

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20131216

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20141223

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20161227

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20171227

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20181231

Year of fee payment: 10