KR20180091496A - Method for public opinion making using social network based on emotion analysys - Google Patents
Method for public opinion making using social network based on emotion analysys Download PDFInfo
- Publication number
- KR20180091496A KR20180091496A KR1020170016760A KR20170016760A KR20180091496A KR 20180091496 A KR20180091496 A KR 20180091496A KR 1020170016760 A KR1020170016760 A KR 1020170016760A KR 20170016760 A KR20170016760 A KR 20170016760A KR 20180091496 A KR20180091496 A KR 20180091496A
- Authority
- KR
- South Korea
- Prior art keywords
- emotion
- message
- category
- public opinion
- emotional
- Prior art date
Links
- 230000008451 emotion Effects 0.000 title claims abstract description 158
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 54
- 230000007704 transition Effects 0.000 claims abstract description 20
- 238000012423 maintenance Methods 0.000 claims abstract description 11
- 230000002996 emotional effect Effects 0.000 claims description 71
- 206010048909 Boredom Diseases 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000029052 metamorphosis Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06Q50/01—Social networking
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- G06Q50/30—
-
- 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
- G06Q50/50—Business processes related to the communications industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
본 발명은 고객에 대한 온라인 이슈에 대해 네트워크 상에 존재하는 메시지를 분석하여 여론이 긍정적인 경우에는 감정유지 메시지를 생성하여 여론을 유지하고, 여론이 부정적인 경우에는 감정전이 메시지를 생성하여 여론의 반전을 꾀할 수 있도록 해 주는 감정 분석 기반의 소셜 네트워크를 이용한 여론 형성 방법에 관한 것이다.The present invention analyzes a message existing on a network on an online issue with respect to a customer, generates an emotional maintenance message to maintain public opinion when the public opinion is positive, generates an emotional transition message when the public opinion is negative, Based on the emotional analysis of social networks.
통신 기술의 발달로 개인들은 PC를 통해 인터넷 기술을 이용하여 인터넷상에서 네트워크를 형성함으로써 종래의 장소와 시간적 제약을 동시에 해결하는 역할을 하고 있다. 이와 더불어 개인이 자신의 인터넷상의 가상 공간에서 타인과 관계를 맺을 수 있는 서비스, 즉, 커뮤니케이션을 제공하고 다양한 정보를 공유할 수 있도록 하는 서비스가 대두되었는데, 이를 소셜 네트워크 서비스(Social Networking Service, SNS) 또는 소셜 커뮤니티 서비스(SCS: Social Community Service)라 한다.With the development of communication technologies, individuals are playing a role of solving the conventional place and time constraints simultaneously by forming a network on the Internet using Internet technology through a PC. In addition, a service that enables individuals to communicate with others in a virtual space on their Internet, that is, to provide communication and to share various information, has emerged. The social networking service (SNS) Or social community service (SCS).
상기 소셜 네트워크 서비스의 대표적인 형태는 싸이월드, 네이버, 다음 등이 제공하는 미니홈피, 블로그, 카페 등이었고, 최근에는 트위터, 미투데이, 페이스북 등 그 형태도 새롭게 진화하고 있다.Typical forms of the social network service are mini-homepages, blogs, and cafes provided by cyworld, Naver, and the like. Recently, forms such as Twitter, Me2Day, and Facebook have also been newly evolving.
이러한 소셜 네트워크 서비스는 사용자 사이의 관계 설정과 관계 유지의 기본적인 서비스를 제공하는데 불과하며, 소셜 네트워크를 이용한 마케팅에 있어서도 종래의 소셜 마케팅은 트위터나 페이스북 등의 SNS 계정을 만들고, 만들어진 SNS 계정에 마케팅을 위한 메시지를 남기거나 해당 계정에서 이벤트를 하는 등의 정도에 그치고 있다.This social network service is merely a basic service for establishing relationships and maintenance of relationships among users, and in the case of marketing using a social network, conventional social marketing creates an SNS account such as Twitter or Facebook, Leaving a message for you or an event on your account.
특히, 최근에는 정치, 기업 또는 특정 집단 등에서 발생할 수 있는 각종 쟁점이나 갈등 등에 대한 온라인 이슈가 발생되는 경우, 상기한 소셜 네트워크를 이용하여 해당 이슈에 대한 여론이 형성되어지고 있으며, 소셜 네트워크의 활성화로 인해 이러한 온라인 상에서 형성되는 여론은 해당 이슈에 대한 사회 전체적인 영향을 미치게 된다.In particular, in recent years, when online issues such as various issues or conflicts that may occur in politics, corporations, or specific groups are generated, public opinion on the issues is formed using the above-mentioned social network, The public opinion that is formed on the online will have a social impact on the issue.
그러나, 상기한 종래 소셜 네트워크를 통해 형성되는 여론의 척도는 감정의 평가없이 이성 중심적인 양적 중심, 즉 버즈량을 통해서만 측정되고 있기 때문에, 이슈 관련 업체에 있어서는 긍정적인 이용자의 여론을 지속적으로 이어가지 못함은 물론, 부정적인 이용자에 대해서는 그 대처가 힘들었던 것이 현실이다.However, since the scale of public opinion formed through the conventional social network is measured only through the quantitative center, that is, the buzz amount, without the evaluation of the emotion, the issue related company can not keep up the positive opinion of the user continuously It is a reality that it was difficult to cope with negative users.
즉, 종래 버즈량의 증가 또는 감소상태를 모니터링하는 것으로는 소셜 네트워크상의 여론을 원하는 방향으로 형성하기에 어려움이 있게 된다.That is, it is difficult to form a public opinion on a social network in a desired direction by monitoring the increase or decrease state of the conventional buzz.
따라서, SNS 상에 존재하는 빅 데이터를 분석하여 그로부터 해당 온라인 이슈에 대한 이용자들의 의견이나 이용자들의 관계망을 통해 효과적으로 여론 형성 전략을 수립할 수 있는 기술에 대한 요구가 높아지고 있다.Accordingly, there is a growing demand for a technology capable of analyzing big data existing in the SNS, and establishing a public opinion formation strategy through opinions of users and related networks of corresponding online issues.
이에, 본 발명은 상기한 사정을 감안하여 창출된 것으로, 정치, 기업 또는 특정 집단 등에서 발생할 수 있는 각종 쟁점이나 갈등 등에 대한 온라인 이슈에 대해 네트워크 상에 존재하는 메시지의 감정 단어를 분석하여 빈도수가 높은 지배 감정이 긍정적인 감정 범주의 단어인 경우에는 지배감정과 관련된 메시지를 생성하여 전송하고, 빈도수가 높은 지배감정이 부정적인 감정 범주의 단어인 경우에는 빈도수가 낮은 하부감정과 관련된 메시지를 생성하여 이용자 계정을 통해 전송하도록 함으로써, 온라인 이슈 상황에 대해 감정에 기반한 효과적인 여론 형성 전략을 수립할 수 있도록 하는 감정 분석 기반의 소셜 네트워크를 이용한 여론 형성 방법을 제공함에 그 기술적 목적이 있다.Accordingly, the present invention has been made in view of the above circumstances, and it is an object of the present invention to provide a method and apparatus for analyzing emotional words of a message existing on a network on an on-line issue of various issues or conflicts that may occur in politics, If the dominant emotion is a word of a positive emotion category, a message related to the dominant emotion is generated and transmitted. If the dominant emotion having a high frequency is a word of a negative emotion category, a message related to the lower emotion is generated, The present invention provides a method of forming a public opinion using a social network based on emotion analysis, which enables an effective public opinion formation strategy based on emotion for an online issue situation to be established.
상기 목적을 달성하기 위한 본 발명의 일측면에 의하면, 소셜 네트워크상에서 해당 이슈에 대해 남긴 메시지들을 수집하고, 수집된 메시지에 포함된 감정 키워드를 근거로 기 설정된 감정 범주별 메시지를 분류하는 키워드 분석 단계와, 감정 범주별 메시지 출현 빈도를 근거로 해당 이슈에 대해 감정 범주별 빈도가 상대적으로 높은 지배감정과 빈도가 상대적으로 낮은 하부 감정으로 구분하고, 상기 지배감정을 형성하는 감정 범주가 긍정의 감정 범주인 경우에는 지배감정의 감정 범주에 해당하는 감정 키워드를 포함하는 감정유지 메시지를 생성하고, 지배감정을 형성하는 감정 범주가 부정의 감정 범주인 경우에는 지배 감정에 상반되는 감정 키워드를 포함하는 감정전이 메시지를 생성하는 여론 상태 분석 단계 및, 상기 키워드 분석 단계에서 수집된 메시지의 이용자 계정으로 상기 여론 상태 분석 단계에서 생성된 감정유지 메시지 또는 감정전이 메시지를 전송하는 여론 전략 수립단계를 포함하여 구성되는 것을 특징으로 하는 감정 분석 기반의 소셜 네트워크를 이용한 여론 형성방법이 제공된다.According to an aspect of the present invention, there is provided a keyword analysis method for collecting messages left for an issue on a social network and classifying a message for each predetermined emotion category based on the emotion keyword included in the collected message, And the lower emotions with a relatively high frequency of emotion categories and the lower emotions with a relatively low frequency based on the appearance frequencies of messages according to the emotional categories and the emotional categories forming the dominant emotions are divided into affirmative emotional categories , The emotional maintenance message including the emotional keyword corresponding to the emotional category of the dominant emotional is generated, and when the emotional category forming the dominant emotional is the negative emotional category, the emotional transition message including the emotional keyword that is contrary to the dominant emotional A public opinion state analysis step of generating a message; And a publicity strategy establishing step of transmitting the emotion maintenance message or the emotion transition message generated in the public opinion status analysis step to the user account of the message, do.
또한, 상기 키워드 분석 단계에서 상기 감정 범주는 기쁨,흥분,슬픔,놀람,공포,분노,혐오,통증,지루함의 9개 감정 범주로 구분되고, 수집된 메시지에 둘 이상의 감정 범주에 해당하는 감정 키워드가 포함된 복합 감정 메시지에 대해서는 상기 여론 상태 분석 단계에서의 감정 범주 빈도 결과를 근거로 빈도가 높은 감정 범주의 메시지로 설정하여 감정 범주 빈도를 재산출하는 것을 특징으로 하는 감정 분석 기반의 소셜 네트워크를 이용한 여론 형성방법이 제공된다.In the keyword analysis step, the emotion categories are classified into nine emotion categories of joy, excitement, sadness, surprise, fear, anger, disgust, pain and boredom, and emotion keywords corresponding to two or more emotion categories And the emotional category frequency is set to a message of a high emotional category based on the emotional category frequency result in the public opinion state analysis step for the complex emotional message including the emotional analysis based on the emotional analysis based on A method of forming public opinion is provided.
또한, 상기 여론 상태 분석 단계에서 상기 지배감정과 하부감정은 전체 빈도수에 대해 기 설정된 기준 비율을 근거로 기준 비율보다 높은 빈도를 갖는 감정 범주를 지배감정으로 설정하는 것을 특징으로 하는 감정 분석 기반의 소셜 네트워크를 이용한 여론 형성 방법이 제공된다.In addition, in the public opinion state analysis step, the dominant emotion and the bottom emotion are set to the dominant emotion with an emotion category having a frequency higher than the reference rate based on a predetermined reference ratio with respect to the total frequency, A method of forming a public opinion using a network is provided.
또한, 상기 여론 전략 수립 단계는 상기 키워드 분석 단계에서 수집된 메시지를 제공한 이용자 리스트를 추출하는 단계와, 이용자 리스트에서 상기 여론 상태 분석 단계에서 분류된 지배 감정과 하부 감정을 기준으로 이용자를 그룹화하는 단계 및, 상기 지배 감정이 긍정의 감정 범주인 경우에는 지배 감정 이용자 그룹에 대해 상기 감정유지 메시지를 전송하고, 상기 지배 감정이 부정의 감정 범주인 경우에는 지배 감정 이용자 그룹과 하부 감정 이용자 그룹에 대해 감정전이 메시지를 전송하는 단계를 포함하여 구성되는 것을 특징으로 하는 감정 분석 기반의 소셜 네트워크를 이용한 여론 형성 방법이 제공된다.The public opinion strategy setting step may include a step of extracting a user list providing a message collected in the keyword analysis step, a step of grouping users based on the dominant emotion and the bottom emotion classified in the public opinion state analysis step in the user list And if the dominant emotion is an affirmative emotional category, transmit the emotional maintenance message to the dominant emotional user group, and if the dominant emotional is an unfavorable emotional category, transmit the dominant emotional user group and the lower emotional user group And transmitting the emotion transition message to the user terminal. The method of forming a public opinion based on the emotion analysis based social network is provided.
또한, 상기 이용자 그룹은 각 그룹내에서 다수의 연결 노드를 갖는 매개 유력자와,매개 유력자 간을 연결하는 유력자 및, 매개 유력자 또는 유력자와 연결 관계를 형성하는 하위 이용자로 구분되고, 유력자, 매개 유력자, 하위 이용자 순으로 우선순위를 설정하여 감정유지 메시지 또는 감정전이 메시지를 전송하는 것을 특징으로 하는 감정 분석 기반의 소셜 네트워크를 이용한 여론 형성 방법이 제공된다.Also, the user group is divided into a mediator who has a plurality of connection nodes in each group, a mediator who connects mediators, and a mediator or a sub user who forms a connection with a prospective user. And a sentence maintaining message or an emotion transition message is transmitted by setting a priority order in descending order of users, and a sentence forming method using a social network based on emotion analysis is provided.
또한, 상기 매개 유력자는 추종자 수, 추종수 및 트윗 수 중 적어도 하나 이상을 분석하여 메시지 전달율이 기준값보다 높은 유효 이용자를 우선 매개 유력자로 설정하고, 유력자, 우선 매개 유력자, 매개 유력자, 하위 이용자 순으로 우선순위를 설정하여 감정 유지 메시지 또는 감정전이 메시지를 전송하는 것을 특징으로 하는 감정분석 기반의 소셜 네트워크를 이용한 여론 형성 방법이 제공된다.The mediator can analyze at least one of follower number, follower number, and tweet number to set an effective user whose message transmission rate is higher than a reference value as a preferred mediator, and sequentially search for a mediator, a mediator, a mediator, And a sentence maintaining message or an emotion transition message is transmitted by setting a priority, and a method of forming a public opinion based on an emotion analysis based social network is provided.
본 발명은 특정 이슈에 대해 네트워크 상에 존재하는 메시지를 분석하여 여론이 긍정적인 경우에는 감정유지 메시지를 생성하여 여론을 유지하고, 여론이 부정적인 경우에는 감정전이 메시지를 생성하여 여론의 반전을 꾀할 수 있도록 해 줌으로서, 용이하게 고객이 원하는 형태로의 여론 형성 전략을 수립할 수 있는 효과가 있다.The present invention analyzes a message existing on a network for a specific issue and maintains public opinion by generating an emotional maintenance message when the public opinion is positive and generates an emotional transition message to reverse the public opinion when the public opinion is negative Thus, it is possible to easily establish a public opinion formation strategy in a form desired by the customer.
도1은 도1은 본 발명에 따른 감정 분석 기반의 소셜 네트워크를 이용한 여론 형성 방법이 수행되는 과정을 도시한 흐름도.
도2는 도1의 여론 상태 분석 과정에 대한 세부 흐름도.
도3은 온라인 이슈에 대해 형성된 지배 감정 메시지와 하부 감정 메시지를 예시한 도면.
도4는 도1의 여론 전략 수립 과정에 대한 세부 흐름도.
도5는 이용자들의 관계망을 예시한 도면.
도6은 본 발명자가 최근 이슈화되었던 국정원 관련 소셜 네트워크 상에서의 여론 형성과정을 분석할 결과.FIG. 1 is a flowchart illustrating a process of forming a public opinion using a social network based on emotion analysis according to the present invention.
FIG. 2 is a detailed flowchart of the public opinion analysis process of FIG. 1. FIG.
FIG. 3 illustrates a dominant emotional message and a bottom emotional message formed for an online issue; FIG.
FIG. 4 is a detailed flowchart of the public opinion strategy establishment process of FIG. 1;
5 is a diagram illustrating a network of users.
FIG. 6 is a result of analyzing the public opinion formation process on the NIS-related social network, in which the present inventor has recently been discussed.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.The description of the present invention is merely an example for structural or functional explanation, and the scope of the present invention should not be construed as being limited by the embodiments described in the text. That is, the embodiments are to be construed as being variously embodied and having various forms, so that the scope of the present invention should be understood to include equivalents capable of realizing technical ideas. Also, the purpose or effect of the present invention should not be construed as limiting the scope of the present invention, since it does not mean that a specific embodiment should include all or only such effect.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.All terms used herein have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs, unless otherwise defined. Commonly used predefined terms should be interpreted to be consistent with the meanings in the context of the related art and can not be interpreted as having ideal or overly formal meaning unless explicitly defined in the present invention.
이하에서는 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명하기로 한다. 이하에서 본 발명의 감정 분석 기반의 소셜 네트워크를 이용한 여론 형성 방법은 온라인 이슈의 긍정적 여론상태를 유지 형성하거나 또는 부정적인 여론 상태를 종식시키는 방향으로 유도하고자 하는 기업 또는 해당 기업으로부터 여론 전략 수립을 위탁받은 컨설팅 업체의 서버에 탑재된 SNS 분석 및 여론 전략 수립 프로그램에 의해 수행될 수 있고, 그 외에 스마트폰의 어플리케이션을 통해 동일한 프로그램이 수행될 수 있음을 밝혀둔다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. Hereinafter, the method of forming a public opinion using a social network based on the emotional analysis of the present invention is a method of forming a public opinion state of an online issue or entrusting establishment of a public opinion strategy from a company or a company that intends to end the negative public opinion state It can be performed by the SNS analysis and opinion strategy establishment program installed in the server of the consulting company and the same program can be executed through the application of the smart phone.
그리고, 이하의 실시예에서와 같이 키워드 분석 및 관계망 분석을 통해 확보된 여론 영향력자를 바탕으로, 기업서버가 온라인 이슈를 제공하면 SNS 여론 형성서버가 해당 여론 형성의 영향력자를 대상으로 온라인 이슈에 대응되는 대응 이슈메시지를 발송하여 현재 발생된 온라인 이슈에 대한 여론을 긍정적인 방향으로 유도하거나 또는 부정적인 여론을 종식시키도록 유도할 수 있다.If an enterprise server provides an online issue based on the opinion influencer secured through keyword analysis and network analysis as in the following embodiments, the SNS public opinion forming server responds to the online issue It can send a response message to induce public opinion on the current online issue in a positive direction or induce an end to negative public opinion.
도1은 본 발명에 따른 감정 분석 기반의 소셜 네트워크를 이용한 여론 형성 방법이 수행되는 과정을 도시한 흐름도이다.1 is a flowchart illustrating a process of forming a public opinion using a social network based on emotion analysis according to the present invention.
도1에 도시된 바와 같이, 본 발명에 따른 감정 분석 기반의 소셜 네트워크를 이용한 여론 형성 방법은 온라인 이슈에 대한 키워드를 이용한 분석인 키워드 분석 단계(S10)와, 분석된 키워드를 근거로 온라인 이슈에 대한 여론 상태를 분석하는 단계(S20) 및 상기 여론 상태에 대응하여 여론 전략을 수립하는 여론 전략 수립단계(S30)를 포함하여 구성된다.As shown in FIG. 1, the method for forming a public opinion using a social network based on the emotion analysis according to the present invention includes a keyword analysis step S10, which is an analysis using a keyword for an on-line issue, Analyzing the public opinion state (S20), and establishing a public opinion strategy in response to the public opinion state (S30).
키워드 분석단계(S10)는 인터넷 포털 카페 및 블로그, SNS, 미디어 뉴스 등을 포함하는 소셜 네트워크상에서 해당 고객사에 대한 온라인 이슈에 대해 남긴 메시지들을 수집하고, 수집된 메시지에 대한 형태소 분석을 통해 감정관련 품사를 추출하여 텍스트를 분류하며, 분류된 텍스트에서 기 설정된 감정 범주의 감정 키워드를 근거로 감정 범주별 메시지를 분류한다.The keyword analysis step S10 collects messages left on the online issue for the customer on the social network including the Internet portal cafe and the blog, the SNS, and the media news. Then, the keyword analysis step S10 analyzes the collected messages, Extracts the texts, classifies the messages, and classifies the messages according to the emotion category based on the emotion keyword of the predetermined emotion category in the classified text.
이때, 상기 감정관련 품사는 동사나 형용사 및 부사 성분이 될 수 있으며, 상기 감정 범주는 기쁨,흥분,슬픔,놀람,공포,분노,혐오,통증,지루함의 9개 감정 범주로 구분될 수 있다. 즉, 감정 키워드는 상기 9개 감정 범주 중 하나의 감정 범주에 속도록 설정된다.At this time, the emotion related part-of-speech may be a verb, adjective, and adverb, and the emotion category may be classified into nine emotion categories of joy, excitement, sadness, surprise, fear, anger, disgust, pain and boredom. That is, the emotion keyword is set to belong to one of the nine emotion categories.
또한, 상기 키워드 분석단계(S10)에서 감정 범주에 대응되도록 메시지를 분류함에 있어서는 하나의 메시지는 둘 이상의 감정 범주를 갖는 감정 키워드를 포함할 수 있는 바, 이 경우 해당 메시지는 복합 감정 메시지로 분류한다.In the keyword analysis step S10, when a message is classified to correspond to the emotion category, one message may include emotion keywords having two or more emotion categories. In this case, the corresponding messages are classified into a complex emotion message .
상기 여론 상태 분석 단계(S20)는 분류된 메시지를 근거로 해당 감정 범주에 기반한 온라인 이슈에 대한 전체적인 여론 상태를 분석하고, 여론 상태에 따른 대응 이슈메시지를 생성하는 단계로서, 이에 대해서는 도2에서 상세하게 설명하기로 한다.The public opinion state analysis step S20 analyzes the public opinion state of the online issue based on the classified category based on the classified message and generates a corresponding issue message according to the public opinion state. .
상기 여론 전략 수립단계(S30)는 상기 키워드 분석단계(S10)에서 얻어진 감정 범주별 메시지를 제공한 이용자의 계정으로 상기 여론 상태 분석 단계(S20)에서 얻어진 대응 메시지를 전송하되, 여론 상태가 긍정적인 경우에는 여론을 유지하도록 하고, 여론 상태가 부정적인 경우에는 여론을 종식시키도록 여론 형성 전략을 수립하는 단계로서, 이에 대해서는 도3에서 상세하게 설명하기로 한다.The public opinion strategy establishing step S30 transmits the corresponding message obtained in the public opinion state analyzing step S20 to the account of the user who provided the message according to the emotion category obtained in the keyword analysis step S10, In this case, the public opinion formation strategy is established to maintain public opinion and to end public opinion in the case of negative public opinion, which will be described in detail in FIG.
도2는 도1의 여론 상태 분석 과정에 대한 세부 흐름도이다.2 is a detailed flowchart of the opinion state analysis process of FIG.
도2를 참조하면, 먼저 상기 키워드 분석단계(S10)에서 얻어진 감정 범주별로 분류된 메시지를 근거로 감정 범주빈도를 산출한다(S110). 즉, 온라인 이슈에 대해 9개의 각 감정 범주에 속하는 메시지 수를 산출한다. 이때, 둘 이상의 감정 범주로 이루어진 복합 메시지에 대해서는 단일 메시지 빈도 산출 결과 빈도가 높은 감정 범주로 분류하여 감정 범주 빈도를 재 산출한다. 예컨대, 복합 감정 메시지에 포함된 감정 범주가 "분노"와 "지루함" 이고, 단일 메시지 빈도 산출 결과 "분노"의 감정 범주에 대한 메시지 빈도가 높은 경우, 해당 복합 감정 메시지에 대한 감정 범주는 "분노"로 분류한다.Referring to FIG. 2, an emotion category frequency is calculated based on a message classified according to the emotion category obtained in the keyword analysis step (Sl 10). That is, the number of messages belonging to each of nine emotion categories for the online issue is calculated. For complex messages composed of more than two emotional categories, emotional category frequency is recalculated by classifying them into emotional categories with high frequency of single message frequency calculation. For example, when the emotion categories included in the complex emotion message are "anger" and "boredom" and the message frequency for the emotion category of "anger" is high as a result of single message frequency calculation, the emotion category for the complex emotion message is " ".
이어, 상기 S110 단계에서 산출된 감정 범주 빈도를 근거로 해당 온라인 이슈에 대한 지배 감정 메시지과 하부감정 메시지를 분류한다(S120). 이때, 상기 지배 감정 메시지는 해당 감정 범주에 속하는 키워드의 출현 빈도가 상대적으로 높은 메시지고, 하부 감정 메시지는 해당 감정 범주에 속하는 키워드의 출현 빈도가 상대적으로 낮은 메시지이다. 즉, 상기 지배 감정과 하부 감정은 전체 빈도수에 대해 기 설정된 기준 비율, 예컨대 전체 빈도수의 50% 이상을 근거로 기준 비율보다 높은 빈도를 갖는 감정 범주를 지배감정으로 설정하도록 구성될 수 있다.Subsequently, the dominant emotion message and the bottom emotion message for the corresponding online issue are classified based on the emotion category frequency calculated in step S110 (S120). At this time, the dominant emotional message is a message having a relatively high frequency of occurrence of keywords belonging to the emotional category, and the lower emotional message is a message having a relatively low occurrence frequency of keywords belonging to the emotional category. That is, the dominant emotion and the lower emotion may be configured to set the emotion category having a frequency higher than the reference rate based on a predetermined reference rate, for example, 50% or more of the total frequency with respect to the entire frequency as the dominant emotion.
도3은 온라인 이슈에 대해 형성된 지배 감정 메시지와 하부 감정 메시지를 예시한 도면이다. 즉, 도3에는 일정기간 동안의 온라인 이슈에 대한 감정 메시지 수를 감정 범주별로 분석한 결과로서, 상대적으로 빈도수가 높은 "분노,놀람,슬픔,기쁨"의 감정 범주가 지배 감정으로 분류되고, 상대적으로 빈도수가 낮은 "공포,통증,흥분,혐오,지루함"의 감정 범주가 하부 감정으로 분류된다.FIG. 3 is a diagram illustrating a dominant emotion message and a bottom emotion message formed on an online issue. That is, FIG. 3 shows that the emotion categories of "anger, surprise, sadness, and joy" having a relatively high frequency are classified as the dominant emotions, . The emotional categories of "fear, pain, excitement, disgust, boredom" are classified as lower emotions.
이어, 상기 S120 단계에서 분류된 지배 감정에 해당하는 감정 범주를 근거로 여론 상태가 긍정적인지 또는 부정적인지를 판단한다(ST130). 즉, 도3에서 지배 감정에 해당하는 감정 범주는 "분노, 놀람, 슬픔, 기쁨"으로, 이중 "분노"의 감정 범주가 가장 높은 빈도 수를 나타내는 바, 여론 상태는 부정적으로 판단된다. 이때, 지배 감정에 대한 여론 상태는 해당 지배 감정을 형성되는 감정 범주에 대해 설정되는 가중치를 연산하여 산출된 값을 합산한 결과를 근거로 결정될 수 있다. 여기서, 상기 가중치는 긍정의 감정 범주에 대해서는 "+"의 값을 부여하고, 부정의 감정 범주에 대해서는 "-"의 값을 부여할 수 있으며, 긍정 또는 부정의 정도에 따라 서로 다른 값이 설정될 수 있다. 예컨대, "기쁨"의 감정 범주에 대해서는 "+5"이 값을 설정하고, "지루함"의 감정 범주에 대해서는 "+1"의 값을 설정하며, "분노"의 감정 범주에 대해서는 "-5"의 값을 설정할 수 있다. 또한, 상기 가중치는 감정 범주의 빈도에 따라 차등적으로 설정하는 것도 가능하다. 이때, 상기 빈도에 따라 차등적으로 설정되는 가중치는 상기 긍정 또는 부정의 정도에 따라 산출된 감정 범주값에 추가적으로 적용되어 질 수 있음은 물론이다. 예컨대, 도3에서 지배 감정 중 가장 높은 "분노"에 대해서는 "5"의 빈도 가중치를 적용하고, "기쁨"에 대해서는 "1"의 빈도 가중치가 적용될 수 있다. 도3에 상기한 가중치를 적용하는 경우, 지배감정에 대한 여론 상태는 부정적으로 판단되어 진다.Then, it is determined whether the opinion state is positive or negative based on the emotion category corresponding to the dominant emotion classified in step S120 (ST130). In other words, in FIG. 3, the emotional category corresponding to the dominant emotions indicates "anger, surprise, sadness, joy", and the emotional category of the double "anger" indicates the highest frequency. At this time, the public opinion on the dominant emotion can be determined on the basis of the result of summing up the calculated values by calculating weights set for the emotion categories forming the dominant emotion. Here, the weight can be given a value of "+" for the affirmative emotion category, a value of "-" for the negative emotional category, and different values are set according to the degree of affirmation or negation . For example, a value of "+5" is set for the emotion category of "joy", a value of "+1" is set for the emotion category of "boredom" Can be set. In addition, the weight may be set differentially according to the frequency of the emotion category. In this case, the weight that is differentially set according to the frequency may be additionally applied to the emotion category value calculated according to the degree of affirmation or negation. For example, a frequency weight of "5" may be applied to the highest "anger" of the dominant emotions in FIG. 3, and a frequency weight of "1" may be applied to "joy". In the case of applying the weight values shown in FIG. 3, the state of opinion on the dominant emotion is determined to be negative.
이어, 상기 S130 단계에서 분석된 여론 상태에 따라 대응 메시지를 생성한다(S140). 여론 상태 분석 결과 해당 온라인 이슈에 대해 지배 감정이 긍정적인 경우에는 긍정적인 여론을 유지할 수 있도록 지배 감정에 속하는 감정 키워드를 포함하는 감정유지 메시지를 생성한다. 이에 반하여 여론 상태 분석 결과 해당 온라인 이슈에 대해 지배 감정이 부정적인 경우에는 해당 여론을 상쇄할 수 있도록 지배 감정과 상반되는 감정 키워드를 포함하는 감정전이 메시지를 생성한다. 이때, 감정전이 메시지는 부정적인 지배 감정을 변화시킬 수 있는 지배 감정에 상반되는 감정 키워드를 추출하고, 기 설정된 메시지 포맷에 해당하는 긍정의 감정 키워드를 삽입하고 조사 등을 문맥에 맞도록 수정하여 생성될 수 있다. 이러한 감정 키워드 추출은 해당 감정 범주에 속하는 키워드가 시스템적으로 자동으로 추출되어지고, 추출된 키워드의 삽입 과정을 통한 메시지의 생성은 프로그램적으로 수행될 수 있다.Then, in step S140, a correspondence message is generated according to the public opinion analyzed in step S130. If the affirmative sentiment is positive for the corresponding online issue as a result of the public opinion analysis, the emotion maintaining message including the emotion keyword belonging to the dominant emotion is generated so as to maintain a positive public opinion. On the other hand, if the opinion state is negative for the corresponding online issue as a result of analysis of the public opinion status, the emotion transition message including the emotion keyword contrary to the dominant emotion is generated so as to offset the public opinion. At this time, the emotional transition message is generated by extracting emotional keywords that are contrary to the dominant emotions that can change the negative dominant emotions, inserting affirmative emotional keywords corresponding to the preset message format, and modifying the emotional keywords to match the context . In this emotion keyword extraction, keywords belonging to the emotion category are automatically extracted systematically, and generation of a message through the insertion process of the extracted keyword can be performed by a program.
도4는 도1의 여론 전략 수립 과정에 대한 세부 흐름도이다.4 is a detailed flowchart of the public opinion strategy establishment process of FIG.
도4를 참조하면, 먼저 상기 키워드 분석 단계(S10)에서 수집된 온라인 이슈 관련 메시지를 작성한 이용자 리스트를 추출한다(S310). 추출된 이용자 리스트는 해당 온라인 이슈에 대한 여론을 형성하는데 영향을 주는 이용자 리스트로 볼 수 있다.Referring to FIG. 4, the user list that generated the online issue related messages collected in the keyword analysis step (S10) is extracted (S310). The extracted user list can be viewed as a list of users who influence the formation of public opinion on the corresponding online issue.
이어, 상기 S310 단계에서 추출된 이용자들을 상기 여론 상태 분석 단계(S20)에서 분석된 지배 감정과 하부 감정을 기준으로 그룹화한다(S320). 소셜 네트워크 상에서 해당 온라인 이슈에 대한 메시지를 제공한 이용자는 즉, 지배 감정 그룹과 하부 감정 그룹으로 분류된다.Subsequently, the users extracted in step S310 are grouped based on the dominant emotion and the bottom emotion analyzed in the public opinion state analysis step S20 (S320). Users who provide a message about the online issue on the social network are classified into the dominant emotion group and the bottom emotion group.
이용자들이 분류되면, 각 그룹내에서 매개 유력자를 추출한다(S330). 도5는 이용자들의 관계망의 예를 나타낸다. 도5에서 A를 중심 노드로 하는 그룹은 지배감정 그룹이고, B를 중심노드로 하는 그룹은 하부감정 그룹일 수 있다. 각 그룹에서 중심노드 즉, 그룹 내에서 연결 노드의 수가 가장 많은 노드의 이용자가 매개 유력자로 결정될 수 있다. 매개 유력자는 다수의 연결 노드를 가지므로 매개 유력자가 남긴 메시지는 다수의 하위 추종자에게 전달되므로 유력한 여론 형성 대상일 수 있다. 여기서, 도5는 연결 노드 수에 따른 매개 유력자를 설정하도록 되어 있으나, 이 매개 유력자 중 메시지 전달율에 따라 우선 매개 유력자를 추가적으로 설정하는 것도 가능하다. 즉, 우선 매개 유력자는 다수의 연결 노드를 가지는 매개 유력자 중 추종자 수, 추종수 및 트윗수 중 적어도 하나 이상을 분석하여 메시지 전달율이 기준값보다 높은 유효 이용자로 설정된다.When the users are classified, the mediator is extracted from each group (S330). 5 shows an example of a network of users. In FIG. 5, the group with A as the central node is the dominant emotion group, and the group with B as the central node may be the lower emotion group. In each group, the user of the node having the largest number of connection nodes in the group, that is, the group, can be determined as a mediator. Since the mediator has a large number of connection nodes, the message left by the mediator can be transmitted to a large number of subordinate followers, which can be a strong object of public opinion formation. In this case, although FIG. 5 is configured to set an intermediate potential node according to the number of connected nodes, it is also possible to additionally set a priority intermediate node according to the message transmission rate among the intermediate potential nodes. That is, the mediator first analyzes at least one of followers, followers, and tweets among the mediators having a plurality of connection nodes, and sets the message transmission rate as an effective user higher than the reference value.
또한, 매개 유력자 간을 연결하는 이용자 노드가 있는지 확인하고, 해당하는 이용자 노드가 있는 경우 해당 노드의 이용자를 유력자로 결정한다(S340). 유력자는 서로 다른 성향을 갖는 그룹 간을 연결할 수 있는 매개자이고, 특히 매개 유력자와 연결되어 있으므로 서로 다른 그룹의 매개 유력자를 통해 하위 이용자들에게 정보가 전달 될 수 있으므로 최우선적인 여론 형성 대상일 수 있다.If there is a corresponding user node, the user of the corresponding node is determined to be a thief (S340). It is possible to connect the groups with different tendencies. Especially, since the information is transmitted to the subordinate users through the mediators of different groups, it can be the object of forming public opinion.
이후, 상기한 여론 형성에 영향을 주는 영향력자 즉, 매개 유력자와 유력자 및 하위 이용자의 계정으로 상기 여론 상태 분석단계(S20)에서 얻어진 대응 메시지를 전송한다(S350). 이때, 여론 형성 전략 수립에 있어서, 유력자, 매개 유력자, 하위 이용자들의 순서로 우선순위를 부여하여 여론 전략을 수립하는 것이 바람직하다. 또한, 우선 매개 유력자가 추가적으로 구분되는 경우에는 유력자, 우선 매개 유력자, 매개 유력자, 하위 이용자들의 순서로 우선순위를 부여하여 여론 전략을 수립하는 것도 가능하다.Then, the correspondence message obtained in the public opinion state analysis step (S20) is transmitted to the influential persons influencing the public opinion formation, that is, the influential persons, the prospective and the lower users, in step S350. At this time, it is desirable to establish a public opinion strategy in order to prioritize the order of prominent, mediocre, and subordinate users in establishing a public opinion formation strategy. Also, in the case where the mediator is additionally classified, it is also possible to establish a public opinion strategy by prioritizing the mediator, the mediator, the mediator, and the sub-user in order of priority.
또한, 이용자 계정으로 대응메시지를 전송함에 있어서, 여론 상태가 긍정적인 경우에는 지배 감정 그룹의 매개 유력자와 유력자 및 하위 이용자에게 감정유지 메시지를 전송하여 긍정적인 여론을 유지하도록 하고, 여론 상태가 부정적인 경우에는 지배 감정 그룹의 매개 유력자와 그 하위 이용자를 스팸 영향력자로 분류하여 감정전이 메시지를 전송하는 한편, 하부 감정 그룹의 매개 유력자와 유력자 및 그 하위 이용자에게 감정전이 메시지를 전송하여 여론 반전을 꾀할 수 있도록 한다.Also, in transmitting the correspondence message to the user account, when the opinion state is positive, the affirmative public opinion is maintained by transmitting the emotional maintenance message to the prospective, potential, and subordinate users of the dominant emotion group, , The emotional transition message is transmitted by classifying the mediator and its sub-users of the dominant emotion group as the spam influencer, and the emotional transition message is transmitted to the mediator, the prospective user and the sub- do.
특히, 지배 감정을 전이할 수 있는 하부 감정(상반 감정)의 메시지를 남기는 유력자, 매개유력자의 글이 네트워크 상에서 더 많이 확산될 수 있도록 온라인 이슈에서 전이감성의 메시지를 남긴 수 많은 이용자들을 추출하고, 전이감성의 메시지를 남기는 유력자, 매개유력자들이 관계를 형성할 수 있도록 유도한다. 이때, 동질된 감성의 이용자들끼리는 쉽게 관계를 형성할 수 있기 때문에 전이감성을 주도하는 유력자, 매개유력자들이 네트워크 크기(추종자들이 늘어나 네트워크가 켜지는 현상)를 더욱 확산시킬 수 있다.Especially, it extracts a large number of users who left a message of metamorphosis in the online issue so that the writings of the prospective or mediator who leaves the message of the lower emotion (upper emotion) It induces the influential and mediocrats who leave a message of transition emotion to form a relationship. At this time, since the users of homogeneous emotions can easily establish a relationship, it is possible to spread the size of the network (the phenomenon that the followers increase and the network turns on), which are leading the transition emotion.
한편, 도6은 본 발명자가 최근 이슈화되었던 국정원 관련 소셜 네트워크 상에서의 여론 형성과정을 분석할 결과이다. 도6a 는 국정원 이슈에 대한 버즈량을 분석한 그래프이고, 도6b는 국정원 이슈에 대한 본 발명에 따른 감정 분석 그래프이며, 도6c는 특정 기간의 감정 분석 결과를 도시한 도면이다.Meanwhile, FIG. 6 is a result of analyzing the public opinion formation process on the NIS-related social network, which has been recently discussed by the present inventor. FIG. 6A is a graph showing an analysis of the buzz amount with respect to the NIS issue, FIG. 6B is an emotional analysis graph according to the present invention with respect to the NIS issue, and FIG.
즉, 도6a에 도시된 바와 같이 국정원 이슈에 대한 버즈량은 증가와 감소를 반복하기 때문에 여론 상태를 모니터링 하기에 어려움이 있다.That is, as shown in FIG. 6A, the buzz amount for the NIS issue repeatedly increases and decreases, making it difficult to monitor the public opinion status.
그러나, 도6b 및 도6c에 도시된 바와 같이 국정원에 대한 메시지를 감정 분석한 결과, 도6a에 나타난 버즈량과 상관없이 지배적인 감정 범주가 "분노"로써 확인되는 바, 여론 상태의 모니터링이 용이하게 된다. 또한, 도시되지는 않았지만 2013년 11월 이후 "정성택 처형" 사건의 발생으로 국정원에 대한 감정 범주가 "공포"로 전이되는 것을 알 수 있다.However, as shown in FIG. 6B and FIG. 6C, the emotion analysis of the message to the NIS showed that the dominant emotional category was confirmed as "anger" regardless of the amount of buzz shown in FIG. 6A, . In addition, although not shown, it can be seen that the occurrence of the "Jung Sung-taek Execution" incident after November 2013 led to the transfer of the emotional category to the NIS into "fear".
즉, 소셜 네트워크 상에서 특정 이슈에 대한 여론의 형성은 버즈량 보다는 이용자들의 감정 변화에 주목할 필요가 있는 바, 본 발명에 의하면 이러한 감정 분석에 기반한 대응 메시지 확산을 통해 여론 형성에 변화를 주는 것이 가능하게 됨을 알 수 있다.In other words, the formation of public opinion on a specific issue on a social network needs to pay attention to a change in emotions of users rather than a buzz amount. According to the present invention, it is possible to change the formation of public opinion through diffusion of the corresponding message based on the emotional analysis .
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.It will be apparent to those skilled in the art that various modifications and variations can be made in the present invention without departing from the spirit or scope of the present invention as defined by the following claims It can be understood that
Claims (6)
감정 범주별 메시지 출현 빈도를 근거로 해당 이슈에 대해 감정 범주별 빈도가 상대적으로 높은 지배감정과 빈도가 상대적으로 낮은 하부 감정으로 구분하고, 상기 지배감정을 형성하는 감정 범주가 긍정의 감정 범주인 경우에는 지배감정의 감정 범주에 해당하는 감정 키워드를 포함하는 감정유지 메시지를 생성하고, 지배감정을 형성하는 감정 범주가 부정의 감정 범주인 경우에는 지배 감정에 상반되는 감정 키워드를 포함하는 감정전이 메시지를 생성하는 여론 상태 분석 단계 및,
상기 키워드 분석 단계에서 수집된 메시지의 이용자 계정으로 상기 여론 상태 분석 단계에서 생성된 감정유지 메시지 또는 감정전이 메시지를 전송하는 여론 전략 수립단계를 포함하여 구성되는 것을 특징으로 하는 감정 분석 기반의 소셜 네트워크를 이용한 여론 형성방법.A keyword analyzing step of collecting messages left for the issue on the social network and classifying a message for each predetermined emotion category based on the emotion keyword included in the collected message,
The emotional category forming the dominant emotion is classified into the affirmative emotional category and the lower emotional feeling is relatively low according to the emotional category and the lower emotional feeling is relatively low based on the appearance frequency of the message according to the emotional category, A sentence maintenance message including the emotion keyword corresponding to the emotion category of the dominant emotion is generated and when the emotion category forming the dominant emotion is the unfair emotion category, the emotion transition message including the emotion keyword contrary to the dominant emotion A public opinion state analysis step of generating,
And a publicity strategy based on the emotion analysis based on the user's account of the message collected in the keyword analysis step. How to use public opinion.
상기 키워드 분석 단계에서 상기 감정 범주는 기쁨,흥분,슬픔,놀람,공포,분노,혐오,통증,지루함의 9개 감정 범주로 구분되고,
수집된 메시지에 둘 이상의 감정 범주에 해당하는 감정 키워드가 포함된 복합 감정 메시지에 대해서는 상기 여론 상태 분석 단계에서의 감정 범주 빈도 결과를 근거로 빈도가 높은 감정 범주의 메시지로 설정하여 감정 범주 빈도를 재산출하는 것을 특징으로 하는 감정 분석 기반의 소셜 네트워크를 이용한 여론 형성방법.The method according to claim 1,
In the keyword analysis step, the emotion category is classified into nine emotion categories of joy, excitement, sadness, surprise, fear, anger, disgust, pain and boredom,
For the complex sentence message including the sentiment keywords corresponding to more than two sentiment categories in the collected message, the sentence category frequency is set to the sentence category sentence having high frequency based on the sentiment category frequency result in the public opinion state analysis step, A method of forming a public opinion using a social network based on emotion analysis characterized by shipment.
상기 여론 상태 분석 단계에서 상기 지배감정과 하부감정은 전체 빈도수에 대해 기 설정된 기준 비율을 근거로 기준 비율보다 높은 빈도를 갖는 감정 범주를 지배감정으로 설정하는 것을 특징으로 하는 감정 분석 기반의 소셜 네트워크를 이용한 여론 형성 방법.The method according to claim 1,
Wherein the dominant emotion and the bottom emotion in the public opinion state analysis step are set to the emotion category having the frequency higher than the reference rate based on the preset reference ratio with respect to the total frequency, How to use public opinion.
상기 여론 전략 수립 단계는 상기 키워드 분석 단계에서 수집된 메시지를 제공한 이용자 리스트를 추출하는 단계와,
이용자 리스트에서 상기 여론 상태 분석 단계에서 분류된 지배 감정과 하부 감정을 기준으로 이용자를 그룹화하는 단계 및,
상기 지배 감정이 긍정의 감정 범주인 경우에는 지배 감정 이용자 그룹에 대해 상기 감정유지 메시지를 전송하고, 상기 지배 감정이 부정의 감정 범주인 경우에는 지배 감정 이용자 그룹과 하부 감정 이용자 그룹에 대해 감정전이 메시지를 전송하는 단계를 포함하여 구성되는 것을 특징으로 하는 감정 분석 기반의 소셜 네트워크를 이용한 여론 형성 방법.The method according to claim 1,
The public opinion setting step includes a step of extracting a user list providing a message collected in the keyword analysis step,
Grouping the users based on the dominant emotion and the bottom emotion classified in the public opinion state analysis step in the user list,
When the dominant emotion is the affirmative emotional category, transmits the emotional maintenance message to the dominant emotional user group, and when the dominant emotional is the negative emotional category, transmits the emotional transition message to the dominant emotional user group and the lower emotional user group The method according to claim 1, wherein the step of generating the public opinion comprises the steps of:
상기 이용자 그룹은 각 그룹내에서 다수의 연결 노드를 갖는 매개 유력자와,매개 유력자 간을 연결하는 유력자 및, 매개 유력자 또는 유력자와 연결 관계를 형성하는 하위 이용자로 구분되고,
유력자, 매개 유력자, 하위 이용자 순으로 우선순위를 설정하여 감정유지 메시지 또는 감정전이 메시지를 전송하는 것을 특징으로 하는 감정 분석 기반의 소셜 네트워크를 이용한 여론 형성 방법.5. The method of claim 4,
The user group is divided into an intermediate potential having a plurality of connection nodes in each group, a potential user connecting between intermediate potential power users, and a subordinate user forming a connection relationship with potential power users or potential power users,
And a sentence maintaining message or an emotion transition message is transmitted by setting priorities in descending order of the influential person, the mediator, and the subordinate user.
상기 매개 유력자는 추종자 수, 추종수 및 트윗 수 중 적어도 하나 이상을 분석하여 메시지 전달율이 기준값보다 높은 유효 이용자를 우선 매개 유력자로 설정하고,
유력자, 우선 매개 유력자, 매개 유력자, 하위 이용자 순으로 우선순위를 설정하여 감정 유지 메시지 또는 감정 전이 메시지를 전송하는 것을 특징으로 하는 감정 분석 기반의 소셜 네트워크를 이용한 여론 형성 방법.
5. The method of claim 4,
The mediator can analyze at least one of follower number, follower number, and tweet number to set an effective user whose message transmission rate is higher than the reference value as a preferential mediator,
A preference mediator, a preference mediator, a mediator, and a sub-user in order of preference, and transmits a sentiment maintaining message or an emotion transition message.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170016760A KR20180091496A (en) | 2017-02-07 | 2017-02-07 | Method for public opinion making using social network based on emotion analysys |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170016760A KR20180091496A (en) | 2017-02-07 | 2017-02-07 | Method for public opinion making using social network based on emotion analysys |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20180091496A true KR20180091496A (en) | 2018-08-16 |
Family
ID=63443593
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170016760A KR20180091496A (en) | 2017-02-07 | 2017-02-07 | Method for public opinion making using social network based on emotion analysys |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20180091496A (en) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109885670A (en) * | 2019-02-13 | 2019-06-14 | 北京航空航天大学 | A kind of interaction attention coding sentiment analysis method towards topic text |
| CN111428113A (en) * | 2020-03-27 | 2020-07-17 | 华侨大学 | Network public opinion guiding effect prediction method based on fuzzy comprehensive evaluation |
| KR102225128B1 (en) * | 2019-09-11 | 2021-03-09 | 주식회사 알마덴디자인리서치 | Apparatus and method for analyzing keyword using emotion measurement |
| CN112632365A (en) * | 2021-03-11 | 2021-04-09 | 湖南蚁坊软件股份有限公司 | Public opinion event development stage automatic division and identification method |
| CN112949301A (en) * | 2019-12-10 | 2021-06-11 | 中华电信股份有限公司 | System and method for public opinion analysis |
| CN113536805A (en) * | 2021-07-09 | 2021-10-22 | 北京奇艺世纪科技有限公司 | Public opinion analysis method, device, equipment and storage medium for hotspot events |
| CN114385890A (en) * | 2022-03-22 | 2022-04-22 | 深圳市世纪联想广告有限公司 | Internet public opinion monitoring system |
| CN117407527A (en) * | 2023-10-19 | 2024-01-16 | 重庆邮电大学 | Education field public opinion big data classification method |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140112008A1 (en) | 2010-10-08 | 2014-04-24 | Au Optronics Corporation | Light Module |
-
2017
- 2017-02-07 KR KR1020170016760A patent/KR20180091496A/en unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140112008A1 (en) | 2010-10-08 | 2014-04-24 | Au Optronics Corporation | Light Module |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109885670A (en) * | 2019-02-13 | 2019-06-14 | 北京航空航天大学 | A kind of interaction attention coding sentiment analysis method towards topic text |
| KR102225128B1 (en) * | 2019-09-11 | 2021-03-09 | 주식회사 알마덴디자인리서치 | Apparatus and method for analyzing keyword using emotion measurement |
| CN112949301A (en) * | 2019-12-10 | 2021-06-11 | 中华电信股份有限公司 | System and method for public opinion analysis |
| CN111428113A (en) * | 2020-03-27 | 2020-07-17 | 华侨大学 | Network public opinion guiding effect prediction method based on fuzzy comprehensive evaluation |
| CN111428113B (en) * | 2020-03-27 | 2022-07-01 | 华侨大学 | Network public opinion guiding effect prediction method based on fuzzy comprehensive evaluation |
| CN112632365A (en) * | 2021-03-11 | 2021-04-09 | 湖南蚁坊软件股份有限公司 | Public opinion event development stage automatic division and identification method |
| CN113536805A (en) * | 2021-07-09 | 2021-10-22 | 北京奇艺世纪科技有限公司 | Public opinion analysis method, device, equipment and storage medium for hotspot events |
| CN113536805B (en) * | 2021-07-09 | 2023-07-14 | 北京奇艺世纪科技有限公司 | Public opinion analysis method, device, equipment and storage medium for hot events |
| CN114385890A (en) * | 2022-03-22 | 2022-04-22 | 深圳市世纪联想广告有限公司 | Internet public opinion monitoring system |
| CN114385890B (en) * | 2022-03-22 | 2022-05-20 | 深圳市世纪联想广告有限公司 | Internet public opinion monitoring system |
| CN117407527A (en) * | 2023-10-19 | 2024-01-16 | 重庆邮电大学 | Education field public opinion big data classification method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20180091496A (en) | Method for public opinion making using social network based on emotion analysys | |
| Stieglitz et al. | Emotions and information diffusion in social media—sentiment of microblogs and sharing behavior | |
| Park et al. | Networked politics on Cyworld: The text and sentiment of Korean political profiles | |
| Kapidzic et al. | Gender, communication, and self-presentation in teen chatrooms revisited: Have patterns changed? | |
| Counts et al. | Taking it all in? visual attention in microblog consumption | |
| Westman et al. | Information interaction in 140 characters or less: genres on twitter | |
| Gu et al. | Modeling of user portrait through social media | |
| Jeong et al. | A crowd-powered socially embedded search engine | |
| US20080201447A1 (en) | Online social networking method based on third party's evaluation and system therefor | |
| Cvijikj et al. | Understanding the user generated content and interactions on a Facebook brand page | |
| Kanavos et al. | Conversation emotional modeling in social networks | |
| KR101722244B1 (en) | Method for public opinion making using social network based on emotion analysys | |
| Panek et al. | Defining social networking sites and measuring their use: How narcissists differ in their use of Facebook and Twitter. | |
| Griessner | News agencies and Social Media | |
| Onyenwe et al. | The impact of political party/candidate on the election results from a sentiment analysis perspective using# AnambraDecides2017 tweets | |
| Wood | Language in digital activism: exploring the performative functions of# MeToo Tweets | |
| Wang | Exploring the “like” in the psychological interaction of users on fan community: A netnography analysis | |
| Wang et al. | Transmission of information about consumer product quality and safety: a social media perspective | |
| Rahmawan | Selebtwits: micro-celebrity practitioners in Indonesian twittersphere | |
| Manikonda et al. | Tweeting AI: perceptions of ai-tweeters (AIT) vs expert ai-tweeters (EAIT) | |
| Vesnic-Alujevic et al. | Changing sourcing practices: Journalists’ use of Facebook in Croatia | |
| Zygmunt | Role identification of social networkers | |
| Schneider et al. | Gender Differences in Enterprise Social Network Usage and Transformation over Time. | |
| Workman | Formation of safe spaces in gendered online communities Reddit and" the front page of the internet" | |
| Li et al. | An opinion leader perceptual model based on PageRank algorithm |