KR101007284B1 - System and method for searching opinion using internet - Google Patents
System and method for searching opinion using internet Download PDFInfo
- Publication number
- KR101007284B1 KR101007284B1 KR1020080093125A KR20080093125A KR101007284B1 KR 101007284 B1 KR101007284 B1 KR 101007284B1 KR 1020080093125 A KR1020080093125 A KR 1020080093125A KR 20080093125 A KR20080093125 A KR 20080093125A KR 101007284 B1 KR101007284 B1 KR 101007284B1
- Authority
- KR
- South Korea
- Prior art keywords
- opinion
- negative
- positive
- internet
- keyword
- Prior art date
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명은 인터넷을 이용한 의견 검색 시스템 및 그 방법에 관한 것으로, 인터넷 상에 존재하는 여러 웹사이트들에 흩어져 있는 사용자 의견 정보들을 자동 추출 및 분석하여 긍정/부정 의견별로 검색 및 통계를 확인할 수 있도록 의견 검색 서비스를 제공해 줌으로써, 의견 검색 사용자들은 특정 키워드에 대하여 다른 사용자들의 의견을 손쉽게 한눈에 검색 및 모니터링(Monitoring) 할 수 있으며, 기존에 다른 사용자들의 의견을 검색하기 위해서 들였던 많은 시간을 크게 단축시킬 수 있는 효과가 있다.The present invention relates to an opinion retrieval system using the Internet and a method thereof, and to automatically retrieve and analyze user opinion information scattered on various websites existing on the Internet so as to confirm search and statistics by positive / negative opinions. By providing a search service, opinion search users can easily search and monitor other users 'opinions on specific keywords at a glance, and greatly reduce the time spent in searching for other users' opinions. It has an effect.
또한, 본 발명에 의하면, 각 회사의 마케팅 담당자나 주식 투자자, 기업 가치 평가자 등은 방대한 인터넷 상에서 존재하는 해당 기업이나 물품에 대한 여러 사용자들의 의견을 한눈에 확인할 수 있으며, 기존에 사용자들의 의견을 알기 위해서 실시했던 설문조사나 컨설팅 회사에 들였던 비용을 대폭 줄일 수 있으면서 효과적으로 각 사용자들의 의견 추출 및 통계를 내서 활용할 수 있다.In addition, according to the present invention, marketers, stock investors, corporate value evaluators, etc. of each company can check the opinions of various users on the company or goods existing on the vast Internet at a glance, and know the opinions of the users. To reduce the cost of surveys and consulting firms, we can effectively extract the opinions and statistics of each user.
인터넷, 의견, 검색, 키워드, 긍정, 부정, 웹 문서, 형태소 분석, 띄어쓰기 Internet, opinion, search, keyword, positive, negative, web document, stemming, spacing
Description
본 발명은 인터넷을 이용한 의견 검색 시스템 및 그 방법에 관한 것으로, 보다 상세하게는 인터넷 상에 존재하는 여러 웹사이트들에 흩어져 있는 사용자 의견 정보들을 자동 추출 및 분석하여 긍정/부정 의견별로 검색 및 통계를 확인할 수 있도록 의견 검색 서비스를 제공해 줌으로써, 사용자들은 특정 키워드에 대하여 다른 사용자들의 의견을 손쉽게 한눈에 검색 및 모니터링 할 수 있는 인터넷을 이용한 의견 검색 시스템 및 그 방법에 관한 것이다.The present invention relates to an opinion retrieval system using the Internet and a method thereof, and more particularly, to automatically retrieve and analyze user opinion information scattered on various websites existing on the Internet to search and statistics by positive / negative opinions. By providing a feedback search service for checking, users are concerned with a feedback search system and method using the Internet that can easily search and monitor other users' opinions on a specific keyword at a glance.
최근에 인터넷 사용이 점차 활발해 짐에 따라, 많은 사람들이 인터넷에서 예컨대, 블로그(Blog), 위키(Wiki)와 같은 매체를 통해서 자신의 의견을 표현하고 있는 추세이다. 또한, 특정한 정보의 가치를 평가할 때, 이러한 다른 사람들이 인터넷 상에 올려놓은 의견 정보를 참조하고자 하는 수요도 높아지고 있다.Recently, as the use of the Internet becomes more active, many people are expressing their opinions on the Internet, for example, through blogs and wikis. In addition, when evaluating the value of certain information, there is an increasing demand to refer to opinion information posted by these other people on the Internet.
예를 들면, 인터넷 상에는 상품 리뷰(Review)에서 영화 리뷰까지 다양한 사 용자들의 의견이 존재한다. 이러한 각 사용자들의 의견들은 일반 사용자들이 물품을 구매하거나, 영화를 보기 전에 다른 사용자들의 의견을 보고자 하는 경우에도 이용될 수 있으며, 마케팅 담당자나 주식 매매자 등이 각 물품이나 회사에 대한 일반 사용자들의 다양한 의견을 알고자 하는 경우에도 사용될 수 있다. 특히, 일반 사용자들은 특정 물품을 구매하기 전에 다른 사용자들의 평가를 먼저 보고 나서 이런 물품을 구매하려는 경향이 크다.For example, there are opinions of users on the Internet ranging from product reviews to movie reviews. The opinions of each of these users can be used when the general user wants to buy the goods or see other users' opinions before watching a movie. Can also be used if you want to know. In particular, general users tend to purchase other items after first reviewing other users' ratings before purchasing certain items.
하지만, 이러한 인터넷 상에 존재하는 의견들은 개개의 웹사이트들에만 존재하여, 이러한 의견 정보들을 사용하고자 할 경우에는 사용자가 일일이 이러한 개개의 모든 웹사이트를 수동으로 찾아보아야 하는 번거로움이 존재한다.However, the opinions that exist on the Internet exist only on individual websites, and when there is a desire to use such opinion information, the user has to manually search all these individual websites.
이러한 모든 웹사이트들을 사용자들이 모두 찾아보기 어려우며 일반 검색으로 다른 사용자들의 의견을 찾고자 하는 경우에는 의견이 있는 웹 문서, 긍정적인 의견이 있는 웹 문서, 부정적인 의견이 있는 웹 문서 등이 혼재하여 효과적으로 다른 사용자들의 의견을 찾아보기 어려운 문제점이 있다.It is difficult for users to browse all of these websites, and if you want to find other users' opinions by general search, you can effectively mix and match web documents with feedback, web documents with positive feedback, and web documents with negative feedback. There is a problem that is difficult to find their opinion.
본 발명은 전술한 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은 인터넷 상에 존재하는 여러 웹사이트들에 흩어져 있는 사용자 의견 정보들을 자동 추출 및 분석하여 긍정/부정 의견별로 검색 및 통계를 확인할 수 있도록 의견 검색 서비스를 제공해 줌으로써, 사용자들은 특정 키워드에 대하여 다른 사용자들의 의견을 손쉽게 한눈에 검색 및 모니터링 할 수 있는 인터넷을 이용한 의견 검색 시스템 및 그 방법을 제공하는데 있다.The present invention has been made to solve the above-mentioned problems, an object of the present invention is to automatically extract and analyze user opinion information scattered on various websites existing on the Internet to confirm search and statistics by positive / negative opinions By providing a feedback search service so that users can easily search and monitor the opinions of other users with respect to a specific keyword at a glance to provide a feedback search system and method using the Internet.
전술한 목적을 달성하기 위하여 본 발명의 제1 측면은, 인터넷 상에 존재하는 웹 문서 데이터를 수집하는 제1 서버; 상기 수집된 웹 문서 데이터에 대해 문장 단위로 분리하고, 분리된 각 문장에 대해 언어처리를 수행하여 언어적인 자질들을 추출하는 언어처리모듈; 상기 추출된 각 문장의 언어적인 자질들을 이용하여 의견/비의견 문장을 구분하는 의견/비의견 구분모듈; 상기 구분된 의견 문장의 언어적인 자질들에 대해 긍정/부정 의견표현으로 구분하는 의견표현 구분모듈; 상기 구분된 의견 문장의 언어적인 자질별로 해당 웹 문서의 의견 정보들이 저장되도록 인덱싱하는 제2 서버; 및 인터넷을 통해 접속된 사용자 단말로부터 전송되는 특정 키워드를 제공받아 상기 제2 서버와 연동되어 상기 특정 키워드와 관련된 웹 문서의 의견 정보들을 검색하여 해당 사용자 단말의 화면에 의견 검색결과를 디스플레이 해주는 웹 서버를 포함하는 인터넷을 이용한 의견 검색 시스템을 제공하는 것이다.In order to achieve the above object, a first aspect of the present invention includes a first server for collecting web document data existing on the Internet; A language processing module that separates the collected web document data into sentence units and performs linguistic processing on each of the separated sentences to extract linguistic features; An opinion / non-computation classification module for classifying opinion / non-comment sentences using the linguistic qualities of the extracted sentences; An opinion expression division module for dividing the linguistic qualities of the divided opinion sentences into positive / negative opinion expressions; A second server indexing the opinion information of the corresponding web document to be stored according to linguistic features of the divided opinion sentences; And a web server that receives a specific keyword transmitted from a user terminal connected through the Internet, searches for opinion information of a web document related to the specific keyword in association with the second server, and displays the opinion search result on the screen of the corresponding user terminal. It is to provide a opinion retrieval system using the Internet.
여기서, 상기 제1 서버를 통해 수집된 웹 문서 데이터에서 필요한 텍스트, 이미지 또는 비디오 정보들 중 적어도 어느 하나의 정보 데이터를 추출하여 저장되는 데이터 저장모듈이 더 포함됨이 바람직하다.The data storage module may further include a data storage module configured to extract and store at least one information data of text, image, or video information required from the web document data collected through the first server.
바람직하게, 상기 제2 서버를 통해 인덱싱된 각 의견 문장의 언어적인 자질별 해당 의견 문장의 요약정보 및 해당 웹 문서의 기본 및 의견 정보들이 데이터베이스(DB)화하여 저장되는 의견 인덱싱 정보 저장모듈이 더 포함될 수 있다.Preferably, the opinion indexing information storage module further stores the summary information of the corresponding opinion sentences for each of the opinion sentences indexed through the second server and the basic and opinion information of the corresponding web document into a database and is stored in a database. May be included.
바람직하게, 상기 웹 문서의 기본 및 의견 정보들은 제목, 본문, 의견 분석된 본문, 생성 날짜, 태그, URL, 이미지, 동영상, 긍정/부정 표현의 수, 전체적인 긍정/부정 정도, 각 긍정/부정 표현의 시작과 끝의 위치정보, 의견 어휘들의 대상이 될만한 객체 키워드 정보, 객체 키워드와 의견표현 관계정보, 또는 각 객체 키워드들이 속하는 타입 정보 중 적어도 하나의 정보로 이루어질 수 있다.Preferably, the basic and opinion information of the web document may include a title, a text, an analyzed text, a creation date, a tag, a URL, an image, a video, the number of positive / negative expressions, the overall positive / negative degree, and each positive / negative expression. Location information of the beginning and end of the information, object keyword information that can be the target of the opinion vocabulary, object keyword and opinion expression relationship information, or type information to which each object keyword belongs may be composed of at least one information.
바람직하게, 상기 언어처리는 형태소 분석(Morpheme Analyze) 또는 띄어쓰기(Segmentation) 처리로 이루어질 수 있다.Preferably, the language processing may be performed by Morpheme Analyze or Segmentation.
바람직하게, 상기 웹 서버는 상기 특정 키워드와 관련된 전체 의견, 긍정적/부정적 의견내용을 선택적으로 확인할 수 있도록 해당 사용자 단말의 화면에 디스플레이 해줄 수 있다.Preferably, the web server may be displayed on the screen of the user terminal to selectively check the overall opinions, positive / negative opinions related to the particular keyword.
바람직하게, 상기 웹 서버는 상기 특정 키워드와 관련된 전체적인 의견 검색결과 내에서의 긍정/부정 의견표현의 비율, 또는 상기 특정 키워드와 관련된 각 의견 정보 내에서의 긍정/부정 의견표현의 비율을 해당 사용자 단말의 화면에 디스플 레이 해줄 수 있다.Preferably, the web server determines the ratio of positive / negative opinion expression in the overall opinion search result related to the specific keyword, or the ratio of positive / negative opinion expression in each opinion information related to the specific keyword. Can be displayed on the screen.
바람직하게, 상기 웹 서버는 상기 특정 키워드와 관련된 의견 검색결과를 중요도 또는 시간 순서에 따라 리스트(List)화하여 해당 사용자 단말의 화면에 디스플레이 해줄 수 있다.Preferably, the web server may list the opinion search results related to the specific keyword in order of importance or time and display them on the screen of the corresponding user terminal.
바람직하게, 상기 중요도는 상기 특정 키워드가 해당 웹 문서에서 가지는 관련도와 의견표현 정도를 통해 결정되고, 전체 시간 범위 또는 특정 시간 범위로 제한하여 적용되며, 상기 시간 순서는 해당 웹 문서가 생성되는 순서에 따라 오름차순/내림차순으로 결정되고, 전체 시간 범위 또는 특정 시간 범위로 제한하여 적용될 수 있다.Preferably, the importance level is determined based on the degree of relevance and opinion expressed by the specific keyword in the corresponding web document, and is limited to the entire time range or the specific time range, and the time order is in the order in which the corresponding web document is generated. As a result, it may be determined in ascending / descending order, and may be limited to the entire time range or a specific time range.
바람직하게, 상기 웹 서버는 상기 특정 키워드와 관련된 웹 문서의 의견 내용들에 대해 댓글 형식으로 해당 의견 검색 사용자의 의견을 추가할 수 있도록 의견 입력창을 해당 사용자 단말의 화면에 디스플레이 해줄 수 있다.Preferably, the web server may display a comment input window on the screen of the corresponding user terminal to add the opinion of the corresponding opinion search user in the form of a comment on the opinion contents of the web document related to the specific keyword.
바람직하게, 상기 웹 서버는 상기 특정 키워드와 관련된 의견 검색결과를 상기 특정 키워드와 함께 긍정/부정으로 표현된 부분을 특정한 표현으로 강조하여 해당 사용자 단말의 화면에 디스플레이 해줄 수 있다.Preferably, the web server may display the opinion search result related to the specific keyword on the screen of the corresponding user terminal by emphasizing the part expressed as positive / negative with the specific keyword in a specific expression.
바람직하게, 상기 웹 서버는 상기 특정 키워드와 관련된 의견 검색결과 글들에 대해 해당 사용자의 선택에 따라 긍정/부정 의견 부분을 분석하고, 이를 특정한 표현으로 강조하여 해당 사용자 단말의 화면에 디스플레이 해줄 수 있다.Preferably, the web server may analyze the positive / negative opinion part according to the user's selection of the opinion search result articles related to the specific keyword, and highlight it in a specific expression and display it on the screen of the corresponding user terminal.
바람직하게, 상기 특정한 표현은 밑줄, 굵은 글씨체 또는 다양한 색상 중 적어도 어느 하나의 강조표현으로 이루어질 수 있다.Preferably, the specific expression may be made of underline, bold text, or at least one emphasizing expression of various colors.
바람직하게, 상기 웹 서버는 상기 특정 키워드와 관련된 의견 검색결과를 긍정/부정 의견표현 정도에 따라 시기별로 긍정/부정 비율의 변화를 그래프 형태로 해당 사용자 단말의 화면에 디스플레이 해줄 수 있다.Preferably, the web server may display a change in the positive / negative ratio in the form of a graph on the screen of the corresponding user terminal in accordance with the degree of positive / negative opinion expression of the opinion search result related to the specific keyword.
바람직하게, 상기 웹 서버는 상기 특정 키워드와 관련된 의견 검색결과를 상기 특정 키워드의 세부 항목별로 긍정/부정 비율을 해당 사용자 단말의 화면에 디스플레이 해줄 수 있다.Preferably, the web server may display a positive / negative ratio on the screen of the corresponding user terminal for each opinion search result related to the specific keyword.
바람직하게, 상기 웹 서버는 상기 특정 키워드와 관련된 의견 검색결과 글들에 대해 해당 사용자의 찬성/반대 의사를 선택할 수 있도록 해당 사용자 단말의 화면에 디스플레이 해줄 수 있다.Preferably, the web server may be displayed on the screen of the user terminal to select the user's consent / objection to the opinion search results associated with the particular keyword.
바람직하게, 상기 웹 서버는 사용자가 기 등록한 특정 키워드와 관련된 긍정/부정 의견의 생성을 실시간으로 모니터링 하여 해당 사용자 단말로 통지해줄 수 있다.Preferably, the web server may monitor in real time the generation of affirmative / negative opinion related to a specific keyword registered by the user and notify the corresponding user terminal.
본 발명의 제2 측면은, (a) 인터넷 상에 존재하는 웹 문서 데이터를 수집하는 단계; (b) 상기 수집된 웹 문서 데이터에 대해 문장 단위로 분리하고, 분리된 각 문장에 대해 언어처리를 수행하여 언어적인 자질들을 추출하는 단계; (c) 상기 추출된 각 문장의 언어적인 자질들을 이용하여 의견/비의견 문장을 구분하는 단계; (d) 상기 구분된 의견 문장의 언어적인 자질들에 대해 긍정/부정 의견표현으로 구분하는 단계; (e) 상기 구분된 의견 문장의 언어적인 자질별로 해당 웹 문서의 의견 정보들이 저장되도록 인덱싱하는 단계; 및 (f) 인터넷을 통해 접속된 사용자 단 말로부터 전송되는 특정 키워드와 관련된 웹 문서의 의견 정보들을 검색하여 해당 사용자 단말의 화면에 의견 검색결과를 디스플레이 해주는 단계를 포함하는 인터넷을 이용한 의견 검색 방법을 제공하는 것이다.A second aspect of the invention includes the steps of: (a) collecting web document data residing on the internet; (b) separating the collected web document data into sentence units and performing linguistic processing on each of the separated sentences to extract linguistic features; (c) dividing the opinion / non-comment sentences using the linguistic qualities of the extracted sentences; (d) dividing the linguistic qualities of the divided opinion sentences into positive / negative opinion expressions; (e) indexing the opinion information of the corresponding web document to be stored according to linguistic qualities of the divided opinion sentences; And (f) searching for opinion information of a web document related to a specific keyword transmitted from a user terminal connected through the Internet, and displaying the opinion search result on a screen of the corresponding user terminal. To provide.
바람직하게, 상기 단계(e)에서, 상기 인덱싱된 각 의견 문장의 언어적인 자질별 해당 의견 문장의 요약정보 및 해당 웹 문서의 기본 및 의견 정보들을 데이터베이스(DB)화하여 별도의 저장모듈에 저장하는 단계를 더 포함할 수 있다.Preferably, in step (e), the summary information of the corresponding opinion sentence for each of the linguistic qualities of the indexed opinion sentences and the basic and opinion information of the corresponding web document are made into a database and stored in a separate storage module. It may further comprise a step.
바람직하게, 상기 단계(b)에서, 상기 언어처리는 형태소 분석 또는 띄어쓰기 처리를 수행할 수 있다.Preferably, in step (b), the language processing may perform morphological analysis or spacing.
바람직하게, 상기 단계(f)에서, 상기 특정 키워드와 관련된 의견 검색결과를 해당 사용자 단말의 화면에 디스플레이 할 경우, 상기 특정 키워드와 관련된 전체 의견, 긍정적/부정적 의견내용을 선택적으로 확인할 수 있도록 디스플레이 해줄 수 있다.Preferably, in the step (f), when the opinion search result related to the specific keyword is displayed on the screen of the corresponding user terminal, the overall opinion related to the specific keyword and positive / negative opinion contents may be selectively displayed. Can be.
바람직하게, 상기 단계(f)에서, 상기 특정 키워드와 관련된 의견 검색결과를 해당 사용자 단말의 화면에 디스플레이 할 경우, 상기 특정 키워드와 관련된 전체적인 의견 검색결과 내에서의 긍정/부정 의견표현의 비율, 또는 상기 특정 키워드와 관련된 각 의견 정보 내에서의 긍정/부정 의견표현의 비율을 디스플레이 해줄 수 있다.Preferably, in the step (f), when the opinion search result related to the specific keyword is displayed on the screen of the corresponding user terminal, the ratio of positive / negative opinion expression in the overall opinion search result related to the specific keyword, or The ratio of positive / negative opinion expression in each opinion information related to the specific keyword may be displayed.
바람직하게, 상기 단계(f)에서, 상기 특정 키워드와 관련된 의견 검색결과를 해당 사용자 단말의 화면에 디스플레이 할 경우, 중요도 또는 시간 순서에 따라 디스플레이 해줄 수 있다.Preferably, in the step (f), when displaying the opinion search results associated with the particular keyword on the screen of the user terminal, it may be displayed in the order of importance or time.
바람직하게, 상기 중요도는 상기 특정 키워드가 해당 웹 문서에서 가지는 관련도와 의견표현 정도를 통해 결정하고, 전체 시간 범위 또는 특정 시간 범위로 제한하여 적용하며, 상기 시간 순서는 해당 웹 문서가 생성되는 순서에 따라 오름차순/내림차순으로 결정하고, 전체 시간 범위 또는 특정 시간 범위로 제한하여 적용할 수 있다.Preferably, the importance level is determined based on the degree of relevance and opinion expressed by the specific keyword in the corresponding web document, and is limited and applied to the entire time range or the specific time range, and the time sequence is in the order in which the corresponding web document is generated. Therefore, it can be determined in ascending / descending order and can be applied to the entire time range or to a specific time range.
바람직하게, 상기 단계(f)에서, 상기 특정 키워드와 관련된 의견 검색결과를 해당 사용자 단말의 화면에 디스플레이 할 경우, 상기 특정 키워드와 관련된 웹 문서의 의견 내용들에 대해 댓글 형식으로 해당 의견 검색 사용자의 의견을 추가할 수 있도록 의견 입력창을 디스플레이 해줄 수 있다.Preferably, in the step (f), when the opinion search result related to the specific keyword is displayed on the screen of the corresponding user terminal, the opinion search user of the opinion search user in the form of a comment on the opinion contents of the web document related to the specific keyword. You can display a comment box to add a comment.
바람직하게, 상기 단계(f)에서, 상기 특정 키워드와 관련된 의견 검색결과를 해당 사용자 단말의 화면에 디스플레이 할 경우, 상기 특정 키워드와 함께 긍정/부정으로 표현된 부분을 특정한 표현으로 강조하여 디스플레이 해줄 수 있다.Preferably, in the step (f), if the opinion search result related to the specific keyword is displayed on the screen of the corresponding user terminal, the part expressed as positive / negative together with the specific keyword can be highlighted and displayed in a specific expression. have.
바람직하게, 상기 특정한 표현은 밑줄, 굵은 글씨체 또는 다양한 색상 중 적어도 어느 하나의 강조 표현일 수 있다.Preferably, the particular expression may be underlined, bold or at least one of the various colors.
바람직하게, 상기 단계(f)에서, 상기 특정 키워드와 관련된 의견 검색결과를 해당 사용자 단말의 화면에 디스플레이 할 경우, 상기 특정 키워드와 관련된 의견 검색결과 글들에 대해 해당 사용자의 선택에 따라 긍정/부정 의견 부분을 분석한 후, 밑줄, 굵은 글씨체 또는 다양한 색상 중 적어도 어느 하나의 표현으로 강조하여 디스플레이 해줄 수 있다.Preferably, in the step (f), if the opinion search result related to the specific keyword is displayed on the screen of the corresponding user terminal, positive / negative opinion according to the user's selection for the opinion search result articles related to the specific keyword. After analyzing the part, it can be displayed by highlighting at least one of underline, bold text, or various colors.
바람직하게, 상기 단계(f)에서, 상기 특정 키워드와 관련된 의견 검색결과를 해당 사용자 단말의 화면에 디스플레이 할 경우, 긍정/부정 의견표현 정도에 따라 시기별 긍정/부정 비율의 변화를 그래프 형태로 디스플레이 해줄 수 있다.Preferably, in the step (f), when displaying the opinion search result related to the specific keyword on the screen of the corresponding user terminal, the change of the positive / negative ratio of each time according to the degree of positive / negative opinion expression is displayed in graph form. I can do it.
바람직하게, 상기 단계(f)에서, 상기 특정 키워드와 관련된 의견 검색결과를 해당 사용자 단말의 화면에 디스플레이 할 경우, 상기 특정 키워드의 세부 항목별로 긍정/부정 비율을 디스플레이 해줄 수 있다.Preferably, in the step (f), if the opinion search result related to the specific keyword is displayed on the screen of the corresponding user terminal, the positive / negative ratio may be displayed for each detailed item of the specific keyword.
바람직하게, 상기 단계(f)이후에, 사용자가 기 등록한 특정 키워드와 관련된 긍정/부정 의견의 생성을 실시간으로 모니터링 하여 해당 사용자 단말로 통지해주는 단계를 더 포함할 수 있다.Preferably, after step (f), the method may further include the step of monitoring in real time the generation of affirmative / negative opinion related to a specific keyword registered by the user and notifying the corresponding user terminal.
본 발명의 제3 측면은, 상술한 인터넷을 이용한 의견 검색 방법을 실행시키기 위한 프로그램을 기록한 기록매체를 제공하는 것이다.A third aspect of the present invention is to provide a recording medium on which a program for executing the above-described opinion retrieval method using the Internet is recorded.
이상에서 설명한 바와 같은 본 발명의 인터넷을 이용한 의견 검색 시스템 및 그 방법에 따르면, 인터넷 상에 존재하는 여러 웹사이트들에 흩어져 있는 사용자 의견 정보들을 자동 추출 및 분석하여 긍정/부정 의견별로 검색 및 통계를 확인할 수 있도록 의견 검색 서비스를 제공해 줌으로써, 사용자들은 특정 키워드에 대하여 다른 사용자들의 의견을 손쉽게 한눈에 검색 및 모니터링 할 수 있으며, 기존에 다른 사용자들의 의견을 검색하기 위해서 들였던 많은 시간을 크게 단축시킬 수 있는 이점이 있다.According to the opinion search system and method using the Internet of the present invention as described above, the user opinion information scattered on various websites existing on the Internet are automatically extracted and analyzed to search and statistics by positive / negative opinions. By providing a feedback search service for checking, users can easily search and monitor other users 'opinions on a particular keyword at a glance, and greatly reduce the time spent in searching for other users' opinions. There is an advantage.
또한, 본 발명에 의하면, 각 회사의 마케팅 담당자나 주식 투자자, 기업 가치 평가자 등은 방대한 인터넷 상에서 존재하는 해당 기업이나 물품에 대한 여러 사용자들의 의견을 한눈에 확인할 수 있으며, 기존에 사용자들의 의견을 알기 위해서 실시했던 설문조사나 컨설팅 회사에 들였던 비용을 대폭 줄일 수 있으면서 효과적으로 각 사용자들의 의견 추출 및 통계를 내서 활용할 수 있는 이점이 있다.In addition, according to the present invention, marketers, stock investors, corporate value evaluators, etc. of each company can check the opinions of various users on the company or goods existing on the vast Internet at a glance, and know the opinions of the users. In order to reduce the cost of surveys and consulting firms, it is possible to effectively extract the opinions and statistics of each user.
이하, 첨부 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다. 그러나, 다음에 예시하는 본 발명의 실시예는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 다음에 상술하는 실시예에 한정되는 것은 아니다. 본 발명의 실시예는 당업계에서 통상의 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위하여 제공되어지는 것이다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings. However, the following embodiments of the present invention may be modified into various other forms, and the scope of the present invention is not limited to the embodiments described below. The embodiments of the present invention are provided to enable those skilled in the art to more fully understand the present invention.
도 1은 본 발명의 일 실시예에 따른 인터넷을 이용한 의견 검색 시스템을 설명하기 위한 전체적인 블록 구성도이다.1 is a block diagram illustrating an overall opinion retrieval system using the Internet according to an embodiment of the present invention.
도 1을 참조하면, 본 발명의 일 실시예에 따른 인터넷을 이용한 의견 검색 시스템은, 크게 데이터 수집서버(100), 언어처리모듈(200), 의견/비의견 구분모듈(300), 의견표현 구분모듈(400), 인덱싱 서버(500), 의견 인덱싱 정보 저장모듈(600), 의견검색모듈(700), 웹 서버(800) 및 사용자 단말(900) 등을 포함하여 이루어진다.Referring to Figure 1, the opinion retrieval system using the Internet according to an embodiment of the present invention,
여기서, 데이터 수집서버(100)는 인터넷(10) 상에 존재하는 다양한 웹 문서 데이터들을 수집하는 기능을 수행한다. 즉, 데이터 수집서버(100)는 인터넷(10) 상에 존재하는 각 웹사이트(Web Site)들의 HTML(Hyper Text Markup Language) 정보를 실시간으로 다운로드(Download) 받게 된다.Here, the
또한, 데이터 수집서버(100)는 상기와 같이 다운로드(Download) 받은 웹 문서 데이터에서 필요한 정보들 예컨대, 텍스트(Text), 이미지(Image) 또는 비디오(Video) 등의 정보들 중 적어도 어느 하나의 정보 데이터를 추출하여 별도의 데이터 저장모듈(150)에 저장시킬 수 있다.In addition, the
또한, 데이터 수집서버(100)는 하기의 표 1과 같이, 의견정보 데이터(즉, 일반 문장/문서 데이터와 이에 대한 긍정/부정 평가가 매겨진 정보 데이터)를 포함하는 웹 문서 데이터들을 선별하여 수집할 수도 있다.In addition, the
이때, 상기 의견정보 데이터를 포함하는 웹 문서 데이터들만을 선별적으로 수집하는 방법으로는, 의견정보 데이터를 포함하는 특정의 웹 문서 데이터를 선별하고, 후술하는 기계학습 알고리즘(예컨대, SVM, K-NN, Bayseian 등)을 사용하여 웹 문서 선별 모델을 생성한 후, 상기 생성된 웹 문서 선별 모델을 사용하여 전체 인터넷 웹 페이지에서 의견정보 데이터가 포함된 웹 문서 데이터들만을 선별적으로 수집할 수 있게 된다.In this case, as a method for selectively collecting only web document data including the opinion information data, the specific web document data including the opinion information data is selected and machine learning algorithms (for example, SVM and K-) described later are selected. NN, Bayseian, etc.) to generate a web document screening model, and then use the generated web document screening model to selectively collect only web document data including opinion information data from the entire Internet web page. do.
최근 들어서 사용자들의 자신이 본 영화나 구매한 상품 및 유명인, 국가 정책 등에 대한 평가/의견 글들을 인터넷에 올리는 양이 급증하고 있다. 하기의 표 1에 나타난 데이터도 우리가 흔히 볼 수 있는 영화에 대한 평가 글들이다.In recent years, the amount of users posting their opinions and opinions on movies, products purchased, celebrities, and national policies has increased rapidly. The data shown in Table 1 below are also evaluation texts about movies that we commonly see.
이처럼 현재의 웹(Web)에서는 (문장/문서, 긍정/부정 점수) 쌍으로 되어 있는 가용데이터가 크게 증가하고 있다. 이러한 웹 문서 데이터의 증가는 자동적인 의견 어휘 사전 구축 및 의견 추출 시스템 개발에 있어서 큰 기여를 하게 된다.As such, the available data of (sentence / document, affirmative / negative score) pairs is increasing greatly in the current Web. This increase of web document data contributes to the development of automatic opinion vocabulary dictionary and opinion extraction system.
즉, 데이터 수집서버(100)를 통해 수집되는 대상 데이터는 상기의 표 1에 나타난 바와 같이, 의견정보 데이터 즉, 일반 문장/문서 데이터와 이에 대한 긍정/부정 평가가 매겨진 정보 데이터들이다.That is, the target data collected through the
이때, 상기 긍정/부정 평가는 일정 범위내의 점수로 표현되어지거나, 별표(★)나 기타 기호들을 이용하여 다양하게 평가될 수 있다. 본 발명에서는 이렇게 다양한 방식으로 표현되는 긍정/부정 평가는 모두 동일한 점수 범위로 재 계산되어서 사용된다.In this case, the positive / negative evaluation may be expressed as a score within a certain range, or may be variously evaluated using an asterisk or other symbols. In the present invention, all of the positive / negative evaluations expressed in these various ways are recalculated and used in the same score range.
이를 구체적으로 설명하면, 본 발명의 일 실시예에서 사용하는 점수 범위가 a∼b 라고 하였을 때에 수집한 데이터의 점수범위가 c∼d 라고 한다면, 해당 수집 점수 x는 하기의 수학식 1과 같이 변화된다.Specifically, if the score range of the data collected when the score range used in the embodiment of the present invention is a to b is c to d, the corresponding collection score x is changed as shown in Equation 1 below. do.
예를 들어, 본 발명은 1∼10점 사이의 점수를 사용하고(10점에 가까울수록 긍정), 수집한 데이터는 1∼5점 사이의 점수를 사용하는 경우에, 수집한 데이터가 2점이라고 한다면, 하기의 수학식 2와 같이 계산되어 진다.For example, the present invention uses a score between 1 and 10 points (positive as closer to 10 points), and the collected data is 2 points when the score is used between 1 and 5 points. If it is, it is calculated as Equation 2 below.
다른 경우로, 본 발명에서는 1∼10점 사이의 점수를 사용하고, 수집한 데이터가 1∼20점 사이의 점수를 사용한다고 하면, 하기의 수학식 3과 같이 계산되어 진다.In another case, in the present invention, if a score between 1 and 10 points is used, and the collected data uses a score between 1 and 20 points, it is calculated as in
상기와 같이 수집한 데이터는 해당 데이터 문장/문서와 본 발명에서 사용하는 점수로 변환된 의견 점수 집합{(데이터, 점수), (데이터, 점수), (데이터, 점수), (데이터, 점수)}이 된다.The collected data as described above is a set of opinion scores {(data, score), (data, score), (data, score), (data, score)} converted into corresponding data sentences / documents and scores used in the present invention. Becomes
한편, 전술한 바와 같이, 데이터 수집서버(100)에 의해 수집된 웹 문서 데이터는 바로 사용도 가능하지만, 도메인 분류모듈(미도시)을 적용하여 각 도메인별로 분류한 후 사용하는 방법도 가능하다.On the other hand, as described above, the web document data collected by the
이를 구체적으로 설명하면, 먼저, 분류하기로 결정한 각 도메인별(예컨대, 영화, 책, 전자제품, 화장품, 의류, 인물, 기타 등등)로 해당 도메인과 관련된 데이터를 수집하여 도메인별로 데이터를 확보한다.In detail, first, data related to a corresponding domain is collected by each domain (eg, a movie, a book, an electronic product, a cosmetic, a clothing, a person, etc.) determined to be classified to secure data for each domain.
이때, 수집하는 각 도메인별 데이터는 해당 도메인에 대한 의견(Review) 데이터와 사실 데이터의 조합으로 이루어져 있다. 각 도메인별로 수집한 데이터의 의견 데이터와 사실 데이터의 비율은 모두 같거나 비슷한 비율을 유지하도록 하여, 데이터가 순수하게 도메인에 따라서 분류되도록 한다.At this time, the data collected for each domain is composed of a combination of review data and fact data for the domain. The ratio of opinion data and fact data of the data collected by each domain is maintained at the same or similar ratio, so that the data is purely classified according to domains.
다음으로, 이렇게 수집한 도메인에서는 각 도메인에서 적절한 자질(Feature)을 추출하기 위해서 언어처리를 수행하게 된다. 이때, 상기 언어처리는 예컨대, 형태소 분석(Morpheme Analyze)이나 띄어쓰기(Segmentation) 등을 통해서 의미적으로 분리 가능한 단위로 나누게 된다.Next, in the domains thus collected, language processing is performed to extract an appropriate feature from each domain. At this time, the language processing is divided into semantically separable units through, for example, Morpheme Analyze or Segmentation.
한편, 후술하는 기계학습 모델에 입력되는 각 도메인의 자질(Feature)은 다음과 같다.On the other hand, the feature of each domain input to the machine learning model described later is as follows.
예를 들어, 도서관련 도메인에서 입력(Input) 데이터가 "저자는 도서 A에서 흥미진진하게 글을 구성하였다."일 경우, 상기 띄어쓰기(Segmentation)를 수행하면, "저자 는 도서 A 에서 흥미진진 하 게 글 을 구성하 였다."로 변환되고, 상기 형태소 분석을 수행하면, "저자(CTP3 3인칭 대명사) + 는(fjb 보조사) 도서(CMCN 비서술 보통명사) A(F 외국문자) 에(UM 체언 추정) + 에서(fjcao 일반 부사격조사) 흥미진진(CMCPA 동작성 서술 보통명사) + 하(fph 형용사파생접사) + 게(fmoca 보조 연결어미) 글(CMCN 비서술 보통명사) + 을(fjco 목적격조사) 구성하(CMCN 비서술 보통명사) + 이(fpd 동사파생접사) + 었(fmbtp 과거시제 선어말어미) + 다(fmofd 평서형 종결어미) + .(g 기호)"로 변환된다.For example, if the input data in the library-related domain is "the author has written an interesting article in Book A." And author of the morphological analysis, "the author (CTP3 third person pronoun) + (fjb assistant) book (CMCN secretary common noun) A (F foreign character) Presumption) + from (fjcao general sub-shooting survey) Interesting (CMCPA operational descriptive common noun) + ha (fph adjective adjective) + crab (fmoca auxiliary conjunction) writing (CMCN secretary common noun) + (fjco objective Investigation) is converted into (CMCN secretary common noun) + two (fpd verb derivative) + (fmbtp past tense ending ending) + c (fmofd flat ending ending) +. (G symbol).
이때, 상기 띄어쓰기(Segmentation)를 수행한 데이터만 사용하는 경우, 해당 도메인의 자질은 다음과 같다.In this case, when only the data on which the spacing is performed is used, the characteristics of the corresponding domain are as follows.
① 유니그램(Unigram) : 저자, 는, 도서, A, 에서, 흥미진진, 하, 게, 글, 을, 구성하, 였다,.① Unigram: Author, is, book, A, from, interesting, ha, crab, writing, composed.
=> a b c d e -> a, b, c, d, e=> a b c d e-> a, b, c, d, e
② 바이그램(Bigram) : 저자 는, 는 도서, 도서 A, A 에서, 에서 흥미진진, 흥미진진 하, 하 게, 게 글, 글 을, 을 구성하, 구성하 였다, 였다 .② Bigram: The author, in Books, Books A and A, was composed and composed of interesting, interesting, interesting, post, writing.
=> a b c d e -> a b, b c, c d, d e=> a b c d e-> a b, b c, c d, d e
③ 트라이그램(Trigram) : 저자 는 도서, 는 도서 A, 도서 A 에서, A 에서 흥미진진, 에서 흥미진진 하, 흥미진진 하 게, 하 게 글, 게 글 을, 글 을 구성하, 을 구성하 였다,.③ Trigram: The author is a book, is a book A, from book A, interesting from A, interesting, intriguing, make writing, writing a writing, make up a writing, Was ,.
=> a b c d e -> a b c, b c d, c d e=> a b c d e-> a b c, b c d, c d e
한편, 상기 형태소 분석을 수행한 데이터를 사용하는 경우, 해당 도메인의 자질은 다음과 같다. 즉, 형태소 분석 결과 특별한 의미를 가지지 않는 조사나 접사, 선 어말 어미, 종결 어미 등을 제거한 후, 상기의 띄어쓰기와 같이 유니그램(Unigram), 바이그램(Bigram), 트라이그램(Trigram) 형태의 자질을 사용할 수 있다.On the other hand, when using the data obtained by performing the morphological analysis, the quality of the domain is as follows. That is, as a result of morphological analysis, after removing the investigation, affix, pre-end ending, and ending ending which do not have a special meaning, the qualities in the form of unigram, bigram, and trigram as shown in the above spacing are removed. Can be used.
① 유니그램(Unigram) : 저자, 도서, A, 흥미진진, 글, 구성하① Unigram: Author, Book, A, Interesting, Articles, Composition
② 바이그램(Bigram) : 저자 도서, 도서 A, A 흥미진진, 흥미진진 글, 글 구성하② Bigram: Author Book, Book A, A Interesting, Interesting Writing, Writing
③ 트라이그램(Trigram) : 저자 도서 A,도서 A 흥미진진, A 흥미진진 글, 흥미진진 글 구성하③ Trigram: Author Book A, Book A Interesting, A Interesting, Interesting Writing
전술한 바와 같이, 유니그램(Unigram), 바이그램(Bigram), 트라이그램(Trigram) 자질을 모두 사용하거나, 일부분만 선택적으로 사용할 수 있으며, 이는 평가 데이터를 이용한 평가를 통해 가장 높은 성능을 보이는 경우의 조합을 선택하게 된다.As described above, Unigram, Bigram, and Trigram features can all be used, or only some of them can be used selectively. This is the case when the evaluation using the evaluation data shows the highest performance. You will select a combination.
이후에, 각 도메인별 자질(Feature)들은 예컨대, Naive Baysian, SVM 또는 K-NN, 기타 일반적인 기계학습 알고리즘(Machine Learning Classifier Algorithm)을 이용하여 확률적으로 학습을 하게 된다.Subsequently, features of each domain are probabilistically learned using, for example, Naive Baysian, SVM or K-NN, and other general machine learning algorithms (Machine Learning Classifier Algorithm).
예를 들면, 선형 분류기(Linear Classifier)는 하기의 수학식 4와 같이 표현될 수 있다.For example, the linear classifier may be expressed as
여기서, 
상기 벡터의 크기는 전체 자질(Feature) 수이며, 해당 문서에서 등장하지 않은 자질(Feature)은 "0" 값들 가지며, 해당 문서에서 등장한 자질(Feature)들은 그것의 개수(Frequency)나 "1" 값을 가지게 된다.The size of the vector is the total number of features, and features that do not appear in the document have "0" values, and features that appear in the document have their number or value "1". Will have
그래서, 
그리고, 
이와 같이 학습을 하게 되면 
또한, 기계학습 알고리즘에는 상기와 같은 방식으로 데이터를 사용할 수 있게 된다. 구체적으로 Naive Baysian을 예로 들어서 설명하면, 하기의 수학식 5와 같이 표현될 수 있다.In addition, the machine learning algorithm can use the data in the same manner as described above. In detail, taking Naive Baysian as an example, it may be expressed as
여기서, 상기 C는 클래스(Class)를 의미하며 예컨대, 영화, 도서, 상품 등과 같은 도메인이 이에 해당된다. 상기 Fi는 각각의 자질(Feature)을 의미하며 예컨대, 유니그램(Unigram)(저자), 바이그램(Bigram)(저자 도서), 트라이그램(Trigram)(저자 도서 A) 등이 이에 해당된다.Here, C means a class, for example, a domain such as a movie, a book, a product, and the like. The F i means each feature, for example, Unigram (author), Bigram (author book), Trigram (author book A), and the like.
그리고, 상기 P(C)는 클래스 C가 나올 확률이다. 예컨대, 영화 데이터가 5개, 도서 데이터가 12개, 상품 데이터가 8개라고 한다면, P(영화)는 "5/(5+12+8)" 확률이 된다.P (C) is the probability that the class C comes out. For example, if there are five movie data, twelve book data, and eight commodity data, P (movie) has a "5 / (5 + 12 + 8)" probability.
그리고, 상기 P(F1,...,Fn)는 각각의 Fi가 동시에 나올 확률인데, 모든 클래스에 대해서 동일하게 적용되기 때문에 생략도 가능하다(모든 클래스에 동일하게 분모로 적용됨). 그리고, 상기 P(F1,...,Fn|C)는 클래스 C가 주어졌을 때, F1,...,Fn 가 생성될 확률이다.In addition, P (F 1 ,..., F n ) is a probability that each F i appears at the same time, and may be omitted since the same applies to all classes (the same applies to all classes as denominators). P (F 1 ,..., F n | C) is a probability that F 1 ,..., F n is generated when class C is given.
상기의 수학식 5에서 실제 클래스 확률을 결정하는 분자들의 계산은 각각의 자질(Feature)들이 서로 조건적으로 독립적(Conditionally Independent)이라고 가정하고 구체적으로 하기의 수학식 6과 같이 계산한다.In the
여기서, 상기 p(Fi|C)는 임의의 C가 주어졌을 때, 상기 Fi의 확률로서, 
상기와 같이, Naive Baysian 이외에도 기타 기계학습 알고리즘에 상기 자질(Feature)들을 입력으로 받아서 임의의 입력 데이터들에 대하여 클래스 C를 결정해주는 모델을 생성 가능하게 된다.As described above, in addition to Naive Baysian, it is possible to generate a model for determining class C for arbitrary input data by receiving the features as inputs to other machine learning algorithms.
마지막으로, 전술한 바와 같이 학습을 마치면, 하나의 분류 모델이 생성되며, 이렇게 생성된 분류 모델은 임의의 문장이나 문서가 입력으로 들어오게 되면, 해당 데이터가 어떤 도메인에 포함되는지 확률적으로 결정하게 된다.Finally, as described above, when the training is completed, a classification model is generated, and when the sentence or document comes in as an input, the classification model probabilistically determines which domain the data is included in. do.
한편, 실제로 분류 모델을 사용할 때에는, 임의의 문장이나 문서가 입력되면, 상기의 예에서 자질(Feature)을 선택하였듯이, 해당 입력 데이터에 대해서 자질을 같은 방식으로 선택한다.On the other hand, when a classification model is actually used, if an arbitrary sentence or document is input, the feature is selected in the same manner with respect to the input data, as the feature is selected in the above example.
그런 다음, 해당 입력 데이터의 자질들을 분류 모델에 입력하게 되면, 분류 모델은 해당 자질들에 대해서 가장 높은 생성 확률을 보이는 클래스 C를 출력하게 된다.Then, when the features of the input data are input to the classification model, the classification model outputs class C showing the highest generation probability for the features.
전술한 바와 같이, 본 발명의 일 실시예에서 상기의 도메인 분류모듈을 사용할 경우, 후술하는 의견/비의견 구분모듈(300)을 통한 의견 추출 시 자동화된 방식으로 사전을 구축할 수 있으며, 후술하는 의견표현 구분모듈(400)에서 의견 표현을 구분하기 위한 학습 모델도 자동적으로 생성할 수 있다.As described above, when the domain classification module is used in an embodiment of the present invention, a dictionary may be constructed in an automated manner when extracting opinions through the opinion /
이에 따라, 각 도메인별로 데이터를 분류하여 학습 모델을 구축하게 되면, 도메인에 최적화된 성능을 내는 의견 추출을 위한 모델을 자동적으로 생성할 수 있다.Accordingly, when a learning model is constructed by classifying data for each domain, a model for extracting opinions having optimal performance for a domain may be automatically generated.
한편, 인터넷(Internet)(10)은 TCP/IP 프로토콜 및 그 상위계층에 존재하는 여러 서비스, 즉 HTTP(Hyper Text Transfer Protocol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS(Network Information Service) 등을 제공하는 전 세계적인 개방형 컴퓨터 네트워크 구조를 의미하며, 사용자 단말(900)은 후술하는 웹 서버(800)에 용이하게 접속될 수 있게 하는 환경을 제공한다. 한편, 인터넷(10)은 유선 또는 무선 인터넷일 수도 있고, 이외에도 유선 공중망, 무선 이동 통신망, 또는 휴대 인터넷 등과 통합된 코어망 일 수도 있다.On the other hand, the Internet (10) is a TCP / IP protocol and a number of services that exist in the upper layer, that is, Hyper Text Transfer Protocol (HTTP), Telnet, File Transfer Protocol (FTP), Domain Name System (DNS), SMTP (Simple Mail Transfer Protocol), a simple network management protocol (SNMP), a network file service (NFS), a network information service (NIS), etc., a global open computer network structure that provides, the
그리고, 언어처리모듈(200)은 데이터 수집서버(100)로부터 수집되거나 데이터 저장모듈(150)에 저장된 웹 문서 데이터에 대해 문장 단위로 분리하고, 분리된 각 문장에 대해 언어처리를 수행하여 언어적인 자질(Feature)들을 추출하는 기능을 수행한다.The
이때, 상기 언어처리는 예컨대, 형태소 분석(Morpheme Analyze) 또는 띄어쓰기(Segmentation) 처리로 수행됨이 바람직하지만, 이외에도 자질(또는 색인어) 추 출을 위한 조사 처리, 한국어 굴절 처리, 또는 원형 복귀 처리 등을 수행할 수도 있다.In this case, the linguistic processing may be performed by, for example, Morpheme Analyze or Segmentation, but in addition to this, an irradiation process for extracting qualities (or index words), a Korean refractive process, or a circular return process may be performed. You may.
그리고, 의견/비의견 구분모듈(300)은 언어처리모듈(200)로부터 추출된 각 문장의 언어적인 자질(Feature)들을 이용하여 의견/비의견 문장을 구분하는 기능을 수행한다.In addition, the opinion /
즉, 언어처리모듈(200)로부터 추출된 문장들은 의견이 있는 문장들도 있고, 의견이 존재하지 않은 일반 문장도 있다. 이러한 문장들은 의견/비의견 구분모듈(300)을 이용하여 의견이 존재하는 문장과 의견이 존재하지 않은 문장으로 구분할 수 있게 된다.That is, the sentences extracted from the
이러한 의견/비의견 구분모듈(300)은 상술한 통상의 기계학습 알고리즘을 이용하여 용이하게 구현될 수 있다.The opinion /
이를 구체적으로 설명하면, 먼저, 의견으로 이루어진 데이터 집합과 사실 정보로만 이루어진 데이터 집합을 수집한다. 이후에, 예컨대, 형태소 분석(Morpheme Analyze)이나 띄어쓰기(Segmentation) 등을 수행하여 적절한 언어적인 자질(Feature)을 추출한다.Specifically, first, a data set composed of opinions and a data set composed only of fact information are collected. Thereafter, for example, Morpheme Analyze or Segmentation is performed to extract an appropriate linguistic feature.
여기서, 상기 띄어쓰기(Segmentation)라 함은 입력 문장을 의미를 가지는 단위로 나누는 과정이다. 예를 들면, 입력 문장이 "나는 영화를 재밌게 봤다"라고 한다면, 결과 문장은 "나 는 영화 를 재밌 게 보 았 다"로 변환된다.Here, the spacing is a process of dividing an input sentence into units having meanings. For example, if the input sentence says "I enjoyed the movie", the resulting sentence translates to "I enjoyed the movie".
그리고, 상기 형태소 분석(Morpheme Analyze)이라 함은 상기 각 나뉘어진 단 위에 대하여 어떤 품사(Part Of Speech) 정보를 지니고 있는지 찾아주는 작업이다. 예를 들면, 입력 문장이 "나는 영화를 재밌게 봤다"라고 한다면, 결과 문장은 "나(CTP1 1인칭 대명사) + 는(fjb 보조사) 영화(CMCN 비서술 보통명사) + 를(fjco 목적격조사) 재밌(YBDO 일반동사) + 게(fmoca 보조 연결어미) 보(YBDO 일반동사) + 았(fmbtp 과거시제 선어말어미) + 다(fmofd 평서형 종결어미)"로 변환된다.In addition, the morpheme analysis (Morpheme Analyze) is a task for finding what part of speech information for each of the divided units. For example, if the input sentence says "I enjoyed the movie", the result sentence reads "I (CTP1 first person pronoun) + (fjb assistant) movie (CMCN secretary common noun) + (fjco purpose check) (YBDO general verbs) + crab (fmoca auxiliary verb) + (YBDO general verbs) + (fmbtp past tense first ending endings) + da (fmofd flat ending endings).
다음으로, 상기 추출한 언어적인 자질(Feature)을 이용하여 통상의 기계학습 알고리즘인 예컨대, Naive Baysian, SVM, K-NN 이나 기타 모델을 선택하여 학습을 수행한다.Next, using the extracted linguistic features, learning is performed by selecting a general machine learning algorithm, for example, Naive Baysian, SVM, K-NN, or other model.
이렇게 학습이 끝나고 나면, 임의의 문장이나 문서가 입력이 되면, 해당 데이터가 의견 데이터인지 사실 데이터인지 구분할 수 있는 의견/비의견 구분모델 즉, 의견/비의견 구분모듈(300)이 구현될 수 있다.After the learning is completed, if any sentence or document is input, the opinion / non-comment classification model that can distinguish whether the data is opinion data or fact data, that is, the opinion /
한편, 전술한 바와 같이 구성된 의견/비의견 구분모듈(300)은 상술한 도메인 분류모델을 통해 분류된 각 도메인별 데이터들에 대해 각각 하나씩 구비되어 구현될 수도 있다.On the other hand, the opinion /
그리고, 의견표현 구분모듈(400)은 의견/비의견 구분모듈(300)로부터 구분된 의견 문장의 언어적인 자질(Feature)들에 대해 긍정/부정 의견표현으로 구분하는 기능을 수행한다.In addition, the opinion
즉, 의견표현 구분모듈(400)은 입력된 의견 문장 중에서 긍정적/부정적 의견인 부분을 찾아서 그 부분을 표시해준다. 한편, 의견/비의견 구분모듈(300)을 사용 하지 않고 바로 의견표현 구분모듈(400)을 사용하여 입력된 문장에서 긍정적/부정적 표현 부분을 표시해 줄 수도 있다.That is, the opinion
이러한 의견표현 구분모듈(400)은 연어뿐만 아니라 일반적인 자립어, 어절 등 모든 단어들의 긍정/부정 정도를 수량화하여 하나의 자원으로 활용하고, 문장 내에서 긍정/부정 표현을 찾아내기 위한 기계학습 모델을 생성하는데 사용된다.The opinion
이를 구체적으로 설명하면, 인터넷 상에는 영화 리뷰(Review), 상품평, 책 서평 등 각종 리뷰가 존재한다. 이러한 리뷰(Review)들은 보통 평가 문장들과 함께 평가 결과도 함께 게시되어 있다.In detail, various reviews such as a movie review, a review, and a book review exist on the Internet. These reviews are usually posted with the evaluation text along with the evaluation results.
예를 들어, "이 영화는 최고의 걸작이다."하고 10점을 주거나, "이거는 완전히 쓰레기 영화다."하고 1점을 주는 방식이다. 이러한 의견 데이터를 기반으로 하여 본 발명에서는 각 의미 단위들이 가지는 긍정 점수와 부정 점수를 계산하여 자동적으로 별도의 의견 어휘 저장모듈(미도시)에 저장하게 된다.For example, "This movie is the best masterpiece" and give it 10 points, or "This is a crap movie." Based on the opinion data, the present invention calculates the positive score and the negative score of each semantic unit and automatically stores them in a separate opinion vocabulary storage module (not shown).
만약, 입력 문장이 「"이 영화는 정말 재밌었다" - 10점, "이번에 본거는 꽤 재밌었다" - 9점, "내 생애 최고로 재밌었던 영화" - 9점」이라고 한다면,If the input sentence says "" This movie was really fun "-10 points," This time I had a lot of fun "-9 points," The best movie of my life "-9 points,
상기 언어처리를 수행할 경우, 「"이(SGR 지시 관형사) 영화(CMCN 비서술 보통명사) + 는(fjb 보조사) 정말(SBO 일반 부사) 재밌(YBDO 일반동사) + 었(fmbtp 과거시제 선어말어미) + 다(fmofd 평서형 종결어미)" - 10점, "이번(CMCN 비서술 보통명사) + 에(fjcao 일반 부사격조사) 본거(CMCN 비서술 보통명사) + 는(fjb 보조사) 꽤(SBO 일반 부사) 재밌(YBDO 일반동사) + 었(fmbtp 과거시제 선어말어미) + 다(fmofd 평서형 종결어미)" - 9점, "나(CTP1 1인칭 대명사) + 에(fjcao 일반 부사 격조사) 생애(CMCN 비서술 보통명사) 최고(CMCN 비서술 보통명사) + 로(fjcao 일반 부사격조사) 재밌(YBDO 일반동사) + 었(fmbtp 과거시제 선어말어미) + 던(fmotgp 과거시제 관형형 전성어미) 영화(CMCN 비서술 보통명사)" - 9점」과 같이 언어 단위별로 분리된다.When the above language processing is performed, "" (SGR instructional adjective) movie (CMCN secretary common noun) + (fjb assistant) is really (SBO general adverb) funny (YBDO general verb) + (fmbtp past tense first ending) ) + Everything (fmofd flat ending ending) "-10 points," this (CMCN secretary common noun) + E (fjcao general paranoid investigation) this (CMCN secretary common noun) + (fjb assistant) quite (SBO general adverb) ) Funny (YBDO general verb) + was (fmbtp past tense ending ending) + da (fmofd flat ending ending) "-9 points," I (CTP1 first-person pronoun) + E (fjcao general adverb investigation) life (CMCN secretarial art) Common noun) best (CMCN secretary common noun) + low (fjcao general adjective investigation) funny (YBDO general verb) + was (fmbtp past tense fresh ending mother) + dun (fmotgp past tense tubular malleable mother) movie (CMCN secretary common) Nouns) "-9 points".
다음으로, 상기와 같이 분리된 각 언어 단위별로 긍정적/부정적 표현으로 될 확률을 계산한다.Next, the probability of becoming a positive / negative expression for each language unit separated as described above is calculated.
예컨대, 입력 데이터는 아래와 같이, 긍정 정도를 나타내는 점수와 해당 점수에 속하는 문장/문서들로 이루어져 있다. 이 의견 데이터들은 상술한 바와 같이 일반 웹에서 사용자가 긍정/부정 점수와 의견을 같이 올리는 리뷰 사이트들을 통해서 수집하게 된다.For example, the input data includes a score indicating a positive degree and sentences / documents belonging to the score as shown below. As described above, these opinion data are collected through review sites where the user posts positive / negative scores and opinions on the general web.
「① 1점 - ["A를 봤는데 지루했다", "B는 최악이다",…],"① 1 point-[" I saw A but I was bored "," B is the worst ",…) ],
② 2점 - ["C를 봤는데 실망이었다", "D는 졸작이다",…],② 2 points-["I was disappointed when I saw C", "D is rubbish",…) ],
③ 9점 - ["E를 봤는데 흥미진진 했다", "F는 수작이다",…],③ 9 points-["I saw E but it was interesting", "F is a masterpiece",…) ],
④ 10점 - ["G는 최고의 영화이다", "H는 세계 최고의 영화이다",…].」④ 10 points-["G is the best movie", "H is the best movie in the world",…) ]. 」
이러한 데이터들은 전술한 바와 같이, 띄어쓰기(Segmentation)와 언어별로 형태소 분석(Morpheme Analyze)을 수행하게 된다(다른 언어에서도 동일하게 적용 가능하다). 그러면, 아래와 같이 의견 데이터가 변환된다.As described above, such data are subjected to segmentation and Morpheme Analyze for each language (the same applies to other languages). The opinion data is then converted as follows.
「① A(F 외국문자) + 를(fjco 목적격조사) + 보(YBDO 일반동사) + 았(fmbtp 과거시제 선어말어미) + 는데(fmocs 종속 연결어미) + 지루(CMCPA 동작성 서술 보통명사) + 하(fph 형용사파생접사) + 였(fmbtp 과거시제 선어말어미) + 다(fmofd 평서형 종결어미), B(F 외국문자) + 는(fjb 보조사) + 최악(CMCPS 상태성 서술 보통명사) + 이(fpd 동사파생접사) + 다(fmofd 평서형 종결어미),「① A (F Foreign Characters) + (Fjco Objective Screening) + Bo (YBDO General Verb) + Had (Fmbtp Past Tense Premise End) + De (fmocs Dependent Connection End) + Bored (CMCPA Mobility Description Common Noun) + Ha (fph adjective derivation adj) + was (fmbtp past tense ending ending) + c (fmofd flat ending ending), B (F foreign character) + is (fjb auxiliary) + worst (CMCPS status description common noun) + two ( fpd verb derivatives) + c (fmofd flat ending),
② C(F 외국문자) + 를(fjco 목적격조사) + 보(YBDO 일반동사) + 았(fmbtp 과거시제 선어말어미) + 는데(fmocs 종속 연결어미) + 실망(CMCPA 동작성 서술 보통명사) + 이(fpd 동사파생접사) + 었(fmbtp 과거시제 선어말어미) + 다(fmofd 평서형 종결어미), D(F 외국문자) + 는(fjb 보조사) + 졸작(CMCN 비서술 보통명사) + 이(fpd 동사파생접사) + 다(fmofd 평서형 종결어미),② C (F foreign character) + ((fjco object screening) + Bo (YBDO general verb) + was (fmbtp past tense word ending) + was (fmocs subordinate ending) + disappointment (CMCPA operational description common noun) + Lee (fpd verb derived affix) + was (fmbtp past tense word ending) + c (fmofd flat ending ending), D (F foreign character) + is (fjb adj) + rubbish (CMCN secretary common noun) + b (fpd verb Derivative) + c (fmofd flat ending),
③ E(F 외국문자) + 를(fjco 목적격조사) + 보(YBDO 일반동사) + 았(fmbtp 과거시제 선어말어미) + 는데(fmocs 종속 연결어미) + 흥미진진(CMCN 비서술 보통명사) + 하(YBDO 일반동사) + 였(fmbtp 과거시제 선어말어미) + 다(fmofd 평서형 종결어미), F(F 외국문자) + 는(fjb 보조사) + 수작(CMCPA 동작성 서술 보통명사) + 이(fpd 동사파생접사) + 다(fmofd 평서형 종결어미),③ E (F foreign characters) + ((fjco objective screening) + Bo (YBDO general verb) + was (fmbtp past tense first ending ending) + was (fmocs subordinate linking ending) + interesting (CMCN secretary common noun) + ha (YBDO general verb) + was (fmbtp past tense ending ending) + c (fmofd flat ending ending), F (F foreign character) + is (fjb auxiliary) + operation (CMCPA operability description common noun) + Yi (fpd verb Derivative) + c (fmofd flat ending),
④ G(F 외국문자) + 는(fjb 보조사) + 최고(CMCN 비서술 보통명사) + 의(fjcg 관형격조사) + 영화(CMCN 비서술 보통명사) + 이(fpd 동사파생접사) + 다(fmofd 평서형 종결어미), H(F 외국문자) + 는(fjb 보조사) + 세계(CMCN 비서술 보통명사) + 최고(CMCN 비서술 보통명사) + 의(fjcg 관형격조사) + 영화(CMCN 비서술 보통명사) + 이(fpd 동사파생접사) + 다(fmofd 평서형 종결어미)」④ G (F foreign character) + (fjb assistant) + best (CMCN secretary common noun) + righteousness (fjcg tubular screening) + movie (CMCN secretary common noun) + two (fpd verb derivative) + c (fmofd Plain endings), H (F foreign characters) + (fjb assistant) + world (CMCN secretary common nouns) + best (CMCN secretary common nouns) + (fjcg tubular screening) + film (CMCN secretary common nouns) ) + Two (fpd verb derivatives) + c (fmofd flat ending)
다음으로, 이렇게 언어처리가 수행된 의견 데이터를 이용하여, 각 언어 단위가 가지는 긍정/부정 수치를 얻어내는 것이다.Next, using the opinion data on which language processing is performed, positive / negative values of each language unit are obtained.
예를 들어, "최고(CMCN 비서술 보통명사)"가 얼마 정도의 긍정/부정을 나타 내는지 "최고(CMCN 비서술 보통명사)"라는 단어가 각 점수대별(1∼10)에 어떻게 분포하는지를 확률적으로 하기의 수학식 7과 같은 수식을 거쳐서 계산하게 된다.For example, the probability of how "best" (CMCN secretary common noun) represents positive / negative and how the word "best (CMCN secretary common noun)" is distributed to each score range (1 to 10). In general, the calculation is performed through the following equation (7).
아래에서 나타내는 wj는 "최고(CMCN 비서술 보통명사)"이며, 이와 같이 단어와 태그정보(POS - Part Of Speech)의 조합을 나타내거나, "최고" 태그정보를 제외한 하나의 단어를 나타낼 수 있다.The w j shown below is the "highest (CMCN non-ordinary common noun)", it can represent a combination of words and tag information (POS-Part Of Speech), or can represent a single word except the "best" tag information. have.
즉, 모든 1∼10점의 점수대에 모두 같은 개수의 데이터가 존재한다면 하기의 수학식 7과 같이 구할 수 있게 된다.That is, if the same number of data exists in all scores of 1 to 10 points, it can be obtained as shown in
여기서, 상기 S는 모든 점수 집합을 의미한다. 예를 들어, 영화 평가문이 1∼10점 이 있다면, 1∼10점으로 점수가 매겨진 문장 집합을 의미한다. 상기 Score(si)는 해당 점수 집합의 실제 점수를 의미한다. 즉, 10점 점수 집합의 Score(si)는 10이 된다.Here, S means all score sets. For example, if a movie evaluation has 1 to 10 points, it means a set of sentences with a score of 1 to 10 points. The score (s i ) means the actual score of the corresponding score set. In other words, the score (s i ) of the 10-point score set is 10.
그리고, 상기 Score(wi)는 wi의 긍정/부정 점수를 나타낸다. 상기 Freq(wj,si)는 단어 wj가 점수 집합 si에서 나타나는 횟수를 나타낸다. 
상기의 수학식 7과 같은 간단한 평균으로 구할 수 있으며, 예를 들어, "재밌"이란 10점 문장 2개, 9점 문장 2개만이 존재한다고 가정하면, 하기의 수학식 8과 같이 구할 수 있다.It can be obtained by a simple average as shown in
여기서, 의미 단위는 "재밌"을 형태소인 "YBDO"와 함께 묶어서 하나의 의미 단위로 구성할 수도 있으며, "재밌"이라는 단어 하나만을 가지고 의미 단위로 구성할 수도 있다.Here, the semantic unit may be configured as a semantic unit by tying "fun" with the morpheme "YBDO", or with only one word of "fun".
한편, 현실 상황에서는 모든 점수대에서 같은 개수의 문장이 존재하는 경우는 드물다. 이런 환경에서 상기와 같은 단순히 평균을 적용하게 된다면, 10점대의 데이터가 10만개, 1점대의 데이터가 1만개가 있는 환경에서 "영화"와 같이 모든 점수대에서 자주 등장하는 단어는 단순히 평균이 되어 버리기 때문에, 10점대의 데이터가 많다는 이유 하나만으로 10점에 가까운 상당히 긍정적인 단어로 판단되는 문제점이 존재한다.On the other hand, in reality, the same number of sentences rarely exist in all scores. In this environment, if the average is simply applied, words that frequently appear in all scores such as "movies" in an environment with 100,000 data in 10 points and 10,000 data in 1 point are simply averaged. Therefore, there is a problem that is judged as a very positive word close to 10 points only because of the large amount of data of 10 points.
예를 들어, "영화"라는 키워드가 10만개 10점대 문장에서 5만번 등장하고, 1만개 1점대 문장에서 5000번 등장했다고 가정하면, 하기의 수학식 9와 같이 계산되어 진다.For example, assuming that the keyword "movie" appears 50,000 times in 100,000 10-point sentences and 5000 times in 10,000 1-point sentences, it is calculated as in Equation 9 below.
상기와 같이 "영화"라는 키워드는 10점대와, 1점대에서 등장하는 비율이 똑같아서, 상식적으로 보면 5점대에 가까워야 맞지만, 각 점수대의 데이터 개수가 다르면 상기와 같은 문제가 발생한다. 그래서, 각 점수대의 데이터의 개수를 고려하여 하기의 수학식 10이 필요하다.As described above, the keyword "movie" is equal to 10 points and a point appearing in one point, so in general, it should be close to five points, but if the number of data in each point is different, the same problem occurs. Thus,
여기서, 상기 P(wj|si)는 wj가 si 점수 집합에서 나타날 확률 값이다. 그래서, 상기 wj의 si에서의 빈도수를 si 안의 전체 단어 수 
상기의 수학식 10으로 위에서 예제로 든 문제상황 "영화"라는 키워드가 10만개 10점 문서에서 50000번 나타나고, 1만개 1점 문서에서 5000번 나타나는 상황을 다시 계산해 보면 하기의 수학식 11과 같이 나타낼 수 있다.With the
전술한 바와 같이, 단어가 각 점수대에서 나타나는 확률 값을 이용하여 정규화(Normalization)를 수행하여 점수대의 크기에 따라 점수가 치우치는(Biased) 문제를 해결하게 된다.As described above, the word is normalized by using a probability value appearing in each score band, thereby solving a problem in which scores are biased according to the size of the score band.
다음으로, 상기와 같이 각 의미 단위들의 긍정적/부정적인 점수를 계산하여 별도의 의견 어휘 저장모듈에 저장하게 된다.Next, as described above, a positive / negative score of each semantic unit is calculated and stored in a separate opinion vocabulary storage module.
한편, 전술한 도메인 분류모듈을 적용할 경우, 의견표현 구분모듈(400)은 상술한 도메인 분류모델을 통해 분류된 각 도메인별 데이터들에 대해 각각 하나씩 구비되어 구현될 수도 있다.On the other hand, when the above-described domain classification module is applied, the opinion
다음으로, 전술한 바와 같이, 각 언어 단위별로 긍정적/부정적 표현으로 될 확률을 계산한 후, 긍정/부정 의견표현으로 표시(Marking)하는 과정을 수행한다.Next, as described above, after calculating the probability of becoming a positive / negative expression for each language unit, a process of marking with positive / negative opinion expression is performed.
이를 구체적으로 설명하면, 입력 문장이 「① 이(SGR 지시 관형사) 영화(CMCN 비서술 보통명사) + 는(fjb 보조사) 정말(SBO 일반 부사) 재밌(YBDO 일반동사) + 었(fmbtp 과거시제 선어말어미) + 다(fmofd 평서형 종결어미) - 10점,To explain this in detail, the input sentence was: ① Lee (SGR instructional adjective) movie (CMCN secretary common noun) + (fjb assistant) really (SBO general adverb) funny (YBDO general verb) + (fmbtp past tense Mother) + everything (fmofd flat ending)-10 points,
② 이번(CMCN 비서술 보통명사) + 에(fjcao 일반 부사격조사) 본거(CMCN 비서술 보통명사) + 는(fjb 보조사) 꽤(SBO 일반 부사) 재밌(YBDO 일반동사) + 었(fmbtp 과거시제 선어말어미) + 다(fmofd 평서형 종결어미) - 9점,② This time (CMCN secretary common noun) + E (fjcao general adverb investigation) the main (CMCN secretary general noun) + (fjb assistant) quite (SBO general adverb) funny (YBDO general verb) + was (fmbtp past tense Mother) + c (fmofd flat ending)-9 points,
③ 나(CTP1 1인칭 대명사) + 에(fjcao 일반 부사격조사) 생애(CMCN 비서술 보통명사) 최고(CMCN 비서술 보통명사) + 로(fjcao 일반 부사격조사) 재밌(YBDO 일반동사) + 었(fmbtp 과거시제 선어말어미) + 던(fmotgp 과거시제 관형형 전성어미) 영화(CMCN 비서술 보통명사) - 9 점,③ I (CTP1 first person pronoun) + E (fjcao general adverb investigation) Life (CMCN secretary general noun) Best (CMCN secretary general noun) + Lo (fjcao general adverb investigation) funny (YBDO general verb) + was (fmbtp Past tense fresh endings) + Dun (fmotgp Past tense tubular malleables) movies (CMCN secretary common nouns)-9 points,
④ 이(SGR 지시 관형사) 영화(CMCN 비서술 보통명사) + 는(fjb 보조사) 재밌(YBDO 일반동사) + 지(fmoca 보조 연결어미) 않(YA 보조용언) + 았(fmbtp 과거시제 선어말어미) + 다(fmofd 평서형 종결어미) + .(g 기호) - 1점」이라고 한다면,④ Lee (SGR-directed adjective) movie (CMCN secretary common noun) + (fjb assistant) funny (YBDO general verb) + Ji (fmoca auxiliary verb) not (YA auxiliary verb) + was (fmbtp past tense ending ending) + C (fmofd flat ending) +. (G symbol)-1 point
상기 긍정/부정 의견표현으로 표시된 문장은 다음과 같다.The sentence indicated by the positive / negative opinion expression is as follows.
「① 이(SGR 지시 관형사)/NEUTRAL 영화(CMCN 비서술 보통명사) /NEUTRAL + 는(fjb 보조사) /NEUTRAL 정말(SBO 일반 부사) /NEUTRAL 재밌(YBDO 일반동사)/POSITIVE + 었(fmbtp 과거시제 선어말어미) /NEUTRAL + 다(fmofd 평서형 종결어미) /NEUTRAL - 10점,`` ① Lee (SGR instruction tubular) / NEUTRAL movie (CMCN secretary common noun) / NEUTRAL + (fjb assistant) / NEUTRAL really (SBO general adverb) / NEUTRAL funny (YBDO general verb) / POSITIVE + (fmbtp past tense Fresh ending) / NEUTRAL + c (fmofd flat ending ending) / NEUTRAL-10 points,
② 이번(CMCN 비서술 보통명사) /NEUTRAL + 에(fjcao 일반 부사격조사) /NEUTRAL 본거(CMCN 비서술 보통명사) /NEUTRAL + 는(fjb 보조사) /NEUTRAL 꽤(SBO 일반 부사) /NEUTRAL 재밌(YBDO 일반동사) /POSITIVE + 었(fmbtp 과거시제 선어말어미) /NEUTRAL + 다(fmofd 평서형 종결어미) /NEUTRAL - 9점,② This time (CMCN secretary common noun) / NEUTRAL + E (fjcao general secondary fire investigation) / NEUTRAL original (CMCN secretary common noun) / NEUTRAL + (fjb assistant) / NEUTRAL quite (SBO general adverb) / NEUTRAL funny (YBDO General verbs) / POSITIVE + was (fmbtp past tense fresh ending) / NEUTRAL + c (fmofd flat ending ending) / NEUTRAL-9 points,
③ 나(CTP1 1인칭 대명사) /NEUTRAL + 에(fjcao 일반 부사격조사) /NEUTRAL 생애(CMCN 비서술 보통명사) /NEUTRAL 최고(CMCN 비서술 보통명사) /POSITIVE + 로(fjcao 일반 부사격조사) /NEUTRAL 재밌(YBDO 일반동사) /POSITIVE + 었(fmbtp 과거시제 선어말어미) /NEUTRAL + 던(fmotgp 과거시제 관형형 전성어미) /NEUTRAL 영화(CMCN 비서술 보통명사) /NEUTRAL - 9 점,③ b. (CTP1 first person pronoun) / NEUTRAL + E (fjcao general subshoot) / NEUTRAL lifetime (CMCN secretary normal noun) / NEUTRAL best (CMCN secretary normal noun) / POSITIVE + low (fjcao general subshoot) / NEUTRAL Funny (YBDO verbs) / POSITIVE + was (fmbtp past tense first ending) / NEUTRAL + Dun (fmotgp past tense tubular malleable mother) / NEUTRAL movie (CMCN secretary common noun) / NEUTRAL-9 points,
④ 이(SGR 지시 관형사) /NEUTRAL 영화(CMCN 비서술 보통명사) /NEUTRAL + 는(fjb 보조사) /NEUTRAL 재밌(YBDO 일반동사)/POSITIVE + 지(fmoca 보조 연결어미) /NEUTRAL 않(YA 보조용언) /NEGATIVE + 았(fmbtp 과거시제 선어말어미) /NEUTRAL + 다(fmofd 평서형 종결어미) /NEUTRAL + .(g 기호) /NEUTRAL」④ Lee (SGR instruction tubular) / NEUTRAL movie (CMCN secretary common noun) / NEUTRAL + (fjb assistant) / NEUTRAL funny (YBDO common verb) / POSITIVE + G (fmoca auxiliary link ending) / NEUTRAL not (YA auxiliary verb ) / NEGATIVE + was (fmbtp past tense first ending) / NEUTRAL + c (fmofd flat ending ending) / NEUTRAL +. (G symbol) / NEUTRAL ''
또한, 상기의 의견 어휘 저장모듈에 저장되어 있는 어휘들 중에서 1∼10점 사이의 점수 중 특정 점수 이상의 어휘는 긍정, 특정 점수 이하의 어휘는 부정 어휘들로 간주한다.In addition, among the vocabulary stored in the opinion vocabulary storage module, a vocabulary of more than a certain score among scores of 1 to 10 points is considered as positive, and vocabulary less than or equal to a specific score is regarded as negative vocabulary.
그리고, 상기의 예제에서는 "재밌(YBDO 일반동사)"이 긍정 어휘, "않(YA 보조용언)"이 부정 어휘로 간주된 경우에 있어서 표시된 모습이다.In the above example, "funny (YBDO general verbs)" is displayed when the positive vocabulary is considered to be a negative vocabulary.
여기서, ④번 같은 경우 긍정/부정 어휘가 혼재되어 있으며, 전체적으로 긍정으로 표시해야 할지, 부정으로 표시해야 할지 판단하기 어려운 경우이다. 이러한 경우가 다음 단계에서 많기 때문에, 의견표현 구분 학습모델을 이용하여 의견표현 구분모듈(400)을 구현하게 된다. 즉, 의견표현 구분모듈(400)은 상기와 같이 문장이 입력되면 구체적으로 의견인 부분을 찾아서 표시(Marking)해주는 역할을 수행한다.Here, in case of ④, positive / negative vocabulary is mixed, and it is difficult to determine whether to display positive or negative as a whole. Since there are many such cases in the next step, the opinion
한편, 의견 어휘로 표시를 하는 부분에서는 해당 어휘가 긍정인지 부정인지에 따라서 상기와 같이 바로 표시하는 방법도 존재하며, 동시에 해당 문장이 긍정적인 문장인지 부정적인 문장인지 정보를 이용하여 긍정/부정 어휘를 표시하는 방법도 가능하다.On the other hand, there is a method of displaying the opinion vocabulary as described above depending on whether the vocabulary is positive or negative. It is also possible to display.
예를 들어, ④번 문장이 1점 문장 집합에 속한다고 하면, ④번 문장은 부정 문장임이 확실하고, 이런 부정 문장이라는 정보를 이용하여 ④번 문장 내에서의 긍정/부정 어휘를 모두 부정 어휘로 표시하게 된다. 즉, ④번 문장은 다음과 같이 표시하게 된다.For example, if
④ 이(SGR 지시 관형사) /NEUTRAL 영화(CMCN 비서술 보통명사) /NEUTRAL + 는(fjb 보조사) /NEUTRAL 재밌(YBDO 일반동사)/NEGATIVE + 지(fmoca 보조 연결어미) /NEUTRAL 않(YA 보조용언) /NEGATIVE + 았(fmbtp 과거시제 선어말어미) /NEUTRAL + 다(fmofd 평서형 종결어미) /NEUTRAL + .(g 기호) /NEUTRAL④ Lee (SGR command tubular) / NEUTRAL movie (CMCN secretary common noun) / NEUTRAL + (fjb assistant) / NEUTRAL funny (YBDO common verb) / NEGATIVE + Ji (fmoca auxiliary link ending) / NEUTRAL not (YA auxiliary verb ) / NEGATIVE + was (fmbtp past tense ending) / NEUTRAL + c (fmofd flat ending ending) / NEUTRAL +. (G symbol) / NEUTRAL
이후에, 상기의 긍정/부정 의견표현이 표시된 문장들을 이용하여 의견표현 구분모듈(400)을 구현하기 위하여 학습하게 된다. 이때, 학습하는 데에 이용되는 모델은 예컨대, Hidden Markov Model(HMM), Maximum Entropy Model(ME), Conditional Random Field, Struct Support Vector Machine 이나 기타 기계학 습(Machine Learning) 알고리즘들이다.Subsequently, learn to implement the opinion
이러한 기계학습 알고리즘 모델들에서 공통적으로 입력되는 데이터는 (x1, y1),...,(xn, yn)로서, 상기 x는 의미 단위로서 "재밌(YBDO 일반동사)"이나 "재밌", "YBDO 일반동사" 등이 가능하며, 상기 y는 해당 의미 단위가 가질 수 있는 레벨(Label)로서, 상기에서 예로 든 "Positive", "Negative" 및 "Neutral" 등이 가능하며, "Strength"와 같이 긍정/부정을 판단하는데 도움을 주는 다른 레벨(Label)도 추가할 수 있다.The data commonly input in these machine learning algorithm models are (x 1 , y 1 ), ..., (x n , y n ), where x is a semantic unit "funny (YBDO general verb)" or " Funny "," YBDO general verbs ", etc., and y is a level (Label) that the semantic unit can have, such as" Positive "," Negative ", and" Neutral ". You can also add other levels, such as "Strength," which will help you determine affirmations.
즉, 본 발명에서 원하는 모델은 결국 입력 데이터 시퀀스(Sequence) x들에 대하여 붙게 되는 레벨(Label) y를 예측하는 모델이다. 상기의 데이터 (x1, y1),...,(xn, yn)가 입력으로 주어지게 되면, 상기에 언급한 모델들은 특정 위치의 xi에 대하여 xi의 앞뒤 (xi-1, yi-1), (xi+1, yi+1), 그 앞뒤의 앞뒤인 (xi-2, yi-2), (xi+2, yi+2), 이처럼 계속적으로 확장한 주변 데이터, 그 외에 해당 위치에 존재하는 다른 자질(Feature-Part Of Speech, Capital Letter, Emoticon etc.) 정보도 또한 같이 사용하여 특정한 조건하에서 xi의 yi가 어떤 레벨(Label)이 되는지 예측하게 된다.That is, the model desired in the present invention is a model for predicting a level y that is eventually attached to the input data sequence xs. Of the data (x 1, y 1), ..., (x n, y n) is to be given when the input, the model mentioned above are the front and rear (x i- of x i x i with respect to the particular position 1 , y i-1 ), (x i + 1 , y i + 1 ), before and after its (x i-2 , y i-2 ), (x i + 2 , y i + 2 ), like this Continuously expanding surrounding data, as well as other feature-part of speech, capital letter, emoticon, etc. information that exists at that location, can also be used together so that the level of y i of x i under certain conditions You will predict if this will work.
전술한 바와 같이 모델이 학습하게 되면 의견표현 구분모듈(400)이 생성된다. 의견표현 구분모듈(400)은 임의의 데이터 시퀀스(Sequence) xi가 들어오게 되 면, 해당 데이터 시퀀스(Sequence)에 대해서 어떤 레벨 시퀀스(Label Sequence) yi가 생성되는지 예측하게 된다.As described above, when the model is trained, the opinion
만약, 임의의 문장이 입력되면, 아래와 같이 언어처리를 수행하여 띄어쓰기(Segmentation) 또는 형태소 분석(Morpheme Analyze) 등을 선택적으로 수행하게 되고, 이러한 데이터가 의견표현 구분모듈(400)에 입력되면 다음과 같이 표현할 수 있다.If an arbitrary sentence is input, the language processing is performed as follows to selectively perform a spacing or morpheme analysis (Morpheme Analyze), such data is input to the opinion
예를 들면, 입력 문장이 "④ 이(SGR 지시 관형사) 영화(CMCN 비서술 보통명사) + 는(fjb 보조사) 재밌(YBDO 일반동사) + 지(fmoca 보조 연결어미) 않(YA 보조용언) + 았(fmbtp 과거시제 선어말어미) + 다(fmofd 평서형 종결어미) + .(g 기호) - 1 점"이라고 한다면,For example, the input sentence is "④ Lee (SGR-directed noun) movie (CMCN secretary common noun) + (fjb assistant) funny (YBDO common verb) + Ji (fmoca auxiliary conjunction) + (YA auxiliary verb) + (Fmbtp past tense fresh ending) + c (fmofd flat ending ending) +. (G symbol)-1 point ",
긍정/부정 의견표현이 구분된 문장은 "④ 이(SGR 지시 관형사) /NEUTRAL 영화(CMCN 비서술 보통명사) /NEUTRAL + 는(fjb 보조사) /NEUTRAL 재밌(YBDO 일반동사)/NEGATIVE + 지(fmoca 보조 연결어미) /NEGATIVE 않(YA 보조용언) /NEGATIVE + 았(fmbtp 과거시제 선어말어미) /NEUTRAL + 다(fmofd 평서형 종결어미) /NEUTRAL + .(g 기호) /NEUTRAL"으로 표현된다.Sentences with affirmative / negative opinions are divided into "④ Lee (SGR-directed adjective) / NEUTRAL movie (CMCN secretary common noun) / NEUTRAL + (fjb assistant) / NEUTRAL funny (YBDO general verb) / NEGATIVE + g (fmoca Auxiliary connection mother) / NEGATIVE not (YA auxiliary language) / NEGATIVE + (fmbtp past tense ending) / NEUTRAL + c (fmofd flat ending ending) / NEUTRAL +. (G symbol) / NEUTRAL ".
이때, 이 문장에서 연속으로 같은 극성(Polarity)의 의견 어휘가 나오면 하나의 의견표현으로 간주하고, "POSITVE", "NEGATIVE" 표현 위주로 표시를 하게 되면 "NEUTRAL"은 제거한다.In this case, if the opinion vocabulary of the same polarity is continuously presented in this sentence, it is regarded as one opinion expression, and when the expression is mainly focused on the expressions "POSITVE" and "NEGATIVE", "NEUTRAL" is removed.
즉, "④ 이(SGR 지시 관형사) 영화(CMCN 비서술 보통명사) 는(fjb 보조사) <NEGATIVE>재밌(YBDO 일반동사) + 지(fmoca 보조 연결어미) 않(YA 보조용언)</NEGATIVE> + 았(fmbtp 과거시제 선어말어미) + 다(fmofd 평서형 종결어미) + .(g 기호)"와 같이 표현된다.In other words, "④ (SGR-directed adjective) movie (CMCN secretary common noun) (fjb assistant) < NEGATIVE > funny (YBDO general verb) + Ji (fmoca auxiliary verb) (YA auxiliary verb) </ NEGATIVE > + (Fmbtp past tense fresh ending ending) + c (fmofd flat ending ending) +. (G symbol) ".
여기서, <NEGATIVE> 은 표현의 시작이고, </NEGATIVE> 은 표현의 끝을 나타낸다.Where < NEGATIVE > is the beginning of the expression and </ NEGATIVE > is the end of the expression.
한편, 상기의 도메인 분류모듈을 이용하여 의견표현 구분 학습모델을 생성할 경우, 상기 도메인 분류모듈로 입력되는 긍정/부정 부분이 표시된 의견 데이터를 분류한 후에 각 도메인별로 의견표현 구분모듈(400)을 생성하는 방식도 가능하다.On the other hand, when generating the opinion expression classification learning model using the domain classification module, the opinion
그리고, 인덱싱 서버(500)는 의견표현 구분모듈(400)로부터 구분된 의견 문장의 언어적인 자질별로 해당 웹 문서의 의견 정보들이 의견 인덱싱 정보 저장모듈(600)에 저장되도록 인덱싱(Indexing)하는 기능을 수행한다.The
여기서, 의견 인덱싱 정보 저장모듈(600)은 인덱싱 서버(500)를 통해 인덱싱된 각 의견 문장의 언어적인 자질별 해당 의견 문장의 요약정보 및 해당 웹 문서의 기본 및 의견 정보들이 데이터베이스(DB)화하여 저장되는 기능을 수행한다.Here, the opinion indexing
이를 구체적으로 설명하면, 입력 데이터에 대해서 의견/비의견 구분모듈(300)과 의견표현 구분모듈(400)을 이용하여 긍정/부정 의견표현 부분을 찾아서 표시해주게 된다.In detail, the positive / negative opinion-expression part is found and displayed using the opinion / non-
예를 들면, 긍정/부정 의견표현 부분이 표시된 결과가 "AA 는 정말 <POSITIVE>재밌</POSITIVE> 었 다. 하지만 BB 는 < NEGATIVE>재밌 지 않</NEGATIVE> 았 다."라고 한다면, 이와 같은 결과 데이터들은 인덱싱 서버(500)에 의하여 의견 인덱싱 정보 저장모듈(600)에 저장된다.For example, if you see a positive / negative comment, "AA was really <POSITIVE> fun </ POSITIVE>, but BB was <NEGATIVE> not funny </ NEGATIVE>." The same result data is stored in the opinion indexing
일반적으로, 검색에서 특정 웹페이지가 저장되는 경우에 예컨대, 제목, 본문, 의견 분석된 본문, 생성 날짜, 태그, URL, 이미지 정보, 동영상 정보 등의 정보가 저장 가능하다.In general, when a particular web page is stored in a search, for example, information such as a title, a text, an analyzed text, a creation date, a tag, a URL, image information, and video information may be stored.
이와 더불어서 의견 정보를 저장하는 데에 있어서는 추가적으로 예컨대, 해당 웹페이지 내에서의 긍정 표현의 수, 부정 표현의 수, 전체적인 긍정/부정 정도, 각 긍정/부정 표현의 시작과 끝의 위치정보, 의견 어휘들의 대상이 될만한 객체 키워드(Entity Keyword) 정보, 객체 키워드와 의견표현 관계정보, 또는 각 객체 키워드(Entity Keyword)들이 속하는 타입(Type) 정보 등이 그 대상이 될 수 있다.In addition, in storing opinion information, for example, the number of positive expressions, the number of negative expressions, the overall degree of positive / negativeness, the position information at the beginning and the end of each positive / negative expression, and the opinion vocabulary in the corresponding web page The object may include entity keyword information, object keyword and opinion expression relationship information, or type information to which each entity keyword belongs.
상기의 예제 데이터가 "http://example.com" 링크에서 "BB 리뷰"라는 제목으로 "2008/08/12 23:35:15"에 "영화 리뷰"라는 태그로 "http://example_test.jpg"라는 이미지와 "http://example_movie.avi"라는 동영상과 함께 올라왔다고 가정하면, 다음과 같은 데이터 정보들이 의견 인덱싱 정보 저장모듈(600)에 데이터베이스(DB)화하여 저장될 수 있다.The above example data is labeled "movie review" on "2008/08/12 23:35:15" with the title "BB Review" in the link "http://example.com". Assuming that the image jpg "and the video" http: //example_movie.avi "are uploaded together, the following data information may be stored in a database in the opinion indexing
「1. 제목 : BB 리뷰"One. Title: BB Reviews
2. 본문 : AA는 정말 재밌었다. 하지만 BB는 재밌지 않았다.2. Text: AA was really fun. But BB was not fun.
3. 형태 분석된 본문 : AA 은 정말 재밌 었 다. 하지만 BB 는 재밌 지 않 았 다.3. Morphologically analyzed text: AA was really fun. But BB was not fun.
4. 각 단어들의 위치 정보 : AA-1, 은-2, 정말-3, 재밌-4,11, 었-5, 다- 6,15, .-7,17 하지만-8, BB-9, 는-10, 지-12, 않-13, 았-144. Location information of each word: AA-1, silver-2, really-3, funny-4,11, was-5, da-6,15, .-7,17 but-8, BB-9, the -10, G-12, Not-13, Had-14
5. 생성 날짜 : 2008/08/12 23:35:155. Creation Date: 2008/08/12 23:35:15
6. 태그 : 영화 리뷰6. Tags: Movie Reviews
7. 이미지 : http://example_test.jpg7. Image: http: //example_test.jpg
8. 동영상 : http://example_movie.avi8. Movie: http: //example_movie.avi
9. 긍정 표현의 수 : 1(위 예제에서 긍정 표현이 1개이기 때문에 1로 함)9. Number of positive expressions: 1 (set to 1 because there is only one positive expression in the example above)
10. 부정 표현의 수 : 1(위 예제에서 부정 표현이 1개이기 때문에 1로 함)10. Number of negation expressions: 1 (set to 1 because there is only one negation expression in the example above)
11. 문서의 전체적인 긍정/부정 정도 : 0(긍정 표현 개수 1 - 긍정 표현 개 1 = 0, 문서의 전체적인 긍정/부정 정도를 1로 판단함)11. Overall affirmation / negativeness of document: 0 (number of positive expressions 1-positive expressions 1 = 0, judge overall document positive / negativeness as 1)
12. 각 긍정 표현의 위치 : (4,4)-(AA/1 은/2 정말/3 재밌/4 었/5 다/6. /7)12. The position of each positive expression: (4,4)-(AA / 1 is / 2 really / 3 was fun / 4 was / 5 everything / 6. / 7)
13. 각 부정 표현의 위치 : (11,13)-(하지만/8 BB/9 는/10 재밌/11 지/12 않/13 았/14 다/15. /16)13. The position of each negative expression: (11,13)-(but / 8 BB / 9 is / 10 funny / 11 not / 12 was / 13 was / 14 everything / 15. / 16)
14. 객체 키워드 : AA, BB14. Object Keywords: AA, BB
15. 객체 키워드 위치 : AA - (1), BB - (9)15. Object Keyword Location: AA-(1), BB-(9)
16. 객체 키워드의 타입(Type) 정보 : (AA, movie), (BB, movie)16. Type information of object keyword: (AA, movie), (BB, movie)
17. 객체 키워드와 의견표현 관계정보 : (AA - (4,4|POSITIVE)), (BB - (11,13|NEGATIVE))」17. Object Keywords and Opinion Expressions Relationship Information: (AA-(4,4 | POSITIVE)), (BB-(11,13 | NEGATIVE)) 」
여기서, 상기 정보 데이터들 중에서 객체 키워드의 타입(Type) 정보는 다음과 같은 두 가지 방법을 혼합해서 사용하여 알아낼 수 있다. 첫 번째는 미리 정의 된 타입(Type)별로 객체(Entity) 데이터베이스를 확보하여 각 객체(Entity)의 타입(Type) 정보를 알아내는 방법이고, 두 번째 방법은 상기의 도메인 분류모듈을 사용하여 해당 웹 문서, 문장의 도메인을 분류하여 어떤 타입(Type)인지 알아내는 방법이다.Here, the type information of the object keyword among the information data may be found by mixing the following two methods. The first method is to find out the type information of each entity by obtaining an entity database for each predefined type, and the second method is to search the web using the domain classification module. This is a method of classifying document and sentence domains and finding out what type it is.
그리고, 객체 키워드와 의견표현 정보간의 관계 정보는 예컨대, 한국어 파서(Parser)나, SVO 분석(주어, 동사, 목적어 분석) 방법 등을 사용하여 각 의견표현이 어떤 객체(Entity)에 종속(Dependency)이 걸리지는 판단하여 정보를 알아내서 입력하게 된다.The relation information between the object keyword and the opinion expression information is, for example, using a Korean parser or an SVO analysis method (eg, a verb, a verb and an object analysis) method, and each opinion expression is dependent on an entity. Information is determined and inputted.
상기와 같은 정보 데이터들이 의견 인덱싱 정보 저장모듈(600)에 저장되어서 추후에 의견검색모듈(700)이 사용하게 된다.The information data as described above is stored in the opinion indexing
의견검색모듈(700)은 웹 서버(800)를 통해 전송된 사용자의 특정 의견검색 키워드 및/또는 타입(Type) 정보를 제공받아 인덱싱 서버(500) 또는 인덱싱 정보 저장모듈(600)과 연동하여, 상기 특정 의견검색 키워드 및/또는 타입(Type) 정보와 관련된 웹 문서의 인덱싱 정보들을 검색하여 해당 사용자 단말(900)로 전송되도록 웹 서버(800)로 전달하는 기능을 수행한다.The
즉, 웹 서버(800)에 전달되는 내용은 "키워드(Keyword) : 놈놈놈, 타입(Type) : 긍정/부정/의견"이 될 수 있다. 여기서, 상기 타입 정보 중에서 "의견"이라 함은 긍정 및 부정 의견이 모두 함께 나타나는 검색 결과이며, "긍정"이라 함은 긍정 의견만 나오는 타입이다. "부정"이라 함은 부정 의견만 나오는 타입이다.That is, the content transmitted to the
이와 같이 특정 의견검색 키워드와 타입을 의견검색모듈(700)에 전달하게 되면, 인덱싱 서버(500) 또는 인덱싱 정보 저장모듈(600)에서 해당 특정 의견검색 키워드와 해당 타입에 해당되는 데이터를 읽어 와서 의견의 양이나 날짜 순서 등의 랭킹(Ranking)으로 검색된 결과를 다시 웹서버(800)에 전송해준다.As described above, when the specific opinion search keyword and type are transmitted to the
이때, 상기 검색된 결과 정보는 예컨대, 제목, 링크(Link), 해당 사이트 제목, 긍정 개수, 부정 개수, 긍정 개수, 본문 내용, 본문 요약 내용, 긍정 표현 위치, 부정 표현 위치 등으로 이루어질 수 있다.In this case, the searched result information may include, for example, a title, a link, a corresponding site title, a positive number, a negative number, a positive number, a body content, a body summary content, a positive expression position, a negative expression position, and the like.
여기서, 상기 본문 요약 내용은 해당 키워드 "놈놈놈"이 검색된 결과 문서에 나타나는 부분과 긍정/부정 의견표현 부분이 같이 나타나는 문서의 일부분을 의미한다. 한편, 일반 검색처럼 검색 키워드만 본문 요약 내용(Snippet)에 표시해주는 것이 아니라 해당 키워드에 대해서 의견이 나타나는 부분까지 요약부분에 같이 표시해준다.Here, the summary content refers to a part of the document in which a part appearing in the searched result document corresponding to the keyword “nom nom” and a part of a positive / negative opinion expression are displayed together. On the other hand, instead of displaying only the search keywords in the body summary content (Snippet) like the general search, the summary section also displays the part where the opinion about the keyword appears.
이때에 해당 특정 검색 키워드와 관련된 정보를 미리 광고주에 의해서 광고 관련 데이터가 입력된 광고선택모듈(미도시)을 통해서 적절한 광고를 선택하여, 검색 결과와 함께 보여줄 수도 있다.At this time, the information related to the specific search keyword may be selected through an advertisement selection module (not shown) in which advertisement related data is input by the advertiser in advance, and may be displayed together with the search result.
그리고, 웹 서버(800)는 인터넷(10)을 통해 접속된 사용자 단말(900)로부터 전송되는 특정 의견검색 키워드 및/또는 타입(Type) 정보를 제공받아 의견검색모듈(700)로 전달하고, 의견검색모듈(700)로부터 검색된 의견 검색결과 즉, 인덱싱 정보 데이터들을 제공받아 해당 사용자 단말(900)의 화면에 디스플레이 되도록 인 터페이스(Interface)해주는 기능을 수행한다.In addition, the
한편, 본 발명의 일 실시예에서는 의견검색모듈(700) 및 웹 서버(800)를 서로 분리하여 구성하였지만, 이에 국한하지 않으며, 의견검색모듈(700)이 웹 서버(800)에 통합되어 웹 서버(800)에서 모든 기능을 수행할 수 있도록 구현할 수도 있다.Meanwhile, in an embodiment of the present invention, the
이러한 웹 서버(800)는 상기 특정 의견검색 키워드와 관련된 전체 의견, 긍정적/부정적 의견내용을 선택적으로 확인할 수 있도록 해당 사용자 단말(900)의 화면에 디스플레이(Display) 해줄 수 있다(도 3a 내지 도 3d 참조).The
또한, 웹 서버(800)는 상기 특정 의견검색 키워드와 관련된 전체적인 의견 검색결과 내에서의 긍정/부정 의견표현의 비율, 또는 상기 특정 의견검색 키워드와 관련된 각 의견 정보 내에서의 긍정/부정 의견표현의 비율을 해당 사용자 단말(900)의 화면에 디스플레이 해줄 수 있다(도 3a 내지 도 3d 참조).In addition, the
또한, 웹 서버(800)는 상기 특정 의견검색 키워드와 관련된 의견 검색결과를 중요도 또는 시간 순서(최근 순서나 오래된 순서)에 따라 리스트(List)화하여 해당 사용자 단말(900)의 화면에 디스플레이 해줄 수 있다.In addition, the
여기서, 상기 중요도는 상기 특정 의견검색 키워드가 해당 웹 문서에서 가지는 중요도와 해당 웹 문서가 얼마나 많은 의견을 포함하고 있는지 등의 비율을 계산한다. 즉, 관련도와 의견표현 정도가 중요도를 결정짓게 된다. 상기 중요도는 전체 시간 범위에서 계산될 수도 있고, 특정 시간 범위로 제한하여 해당 시간대의 문서에 대해서만 적용될 수도 있다.Here, the importance level calculates a ratio of the importance of the specific opinion search keyword in the web document and how many opinions the web document includes. In other words, the degree of relevance and opinion expression determine the importance. The importance may be calculated over the entire time range, or may be limited to a specific time range and applied only to documents in that time zone.
그리고, 상기 시간 순서는 해당 웹 문서가 생성되는 순서에 따라 오름차순/내림차순으로 보여주는 방식이다. 이렇게 전체 시간에 대해서 오름차순/내림차순으로 보여줄 수도 있고, 특정 시간 범위 안에서 시간 순으로 보여줄 수도 있다.The time sequence is a method of displaying the web document in ascending / descending order according to the order in which the web document is generated. You can display the entire time in ascending / descending order, or you can show it in chronological order within a specific time range.
또한, 웹 서버(800)는 상기 특정 의견검색 키워드와 관련된 다른 사용자들의 의견을 검색할 뿐만 아니라 검색된 의견 결과에 댓글 형식으로 자신의 의견을 추가할 수 있도록 소정의 의견 입력창(미도시)을 해당 사용자 단말(900)의 화면에 디스플레이 해줄 수 있다.In addition, the
이때, 해당 사용자는 로그인(Login)하거나, 비 로그인한 상태에서 의견을 달 수 있게 된다. 로그인하기 위해서는 회원 가입 시에 성별/나이/지역 및 기타 개인 신상 정보를 입력하게 되고, 이러한 개인 신상 정보를 이용하여 본 시스템 내에서 덧붙여진 의견 정보에 대해서는 성별/나이/지역 및 기타 분류에 따른 통계 정보를 얻을 수 있게 되고, 이는 다른 이용자들에게 유로/무료 방식으로 제공될 수 있다.At this time, the user can log in or comment in a non-logged state. In order to log in, the user inputs gender / age / region and other personal information at the time of membership registration, and statistical information according to gender / age / region and other classifications for opinion information added in this system using this personal information. Can be obtained, which can be provided to other users in a euro / free manner.
또한, 웹 서버(800)는 상기 특정 의견검색 키워드와 관련된 의견 검색결과를 상기 특정 의견검색 키워드가 들어가 부분과 함께 각 의견 검색결과 글에서 긍정/부정으로 표현된 부분을 특정한 표현(예컨대, 밑줄, 굵은 글씨체 또는 다양한 색상 등, 기타 웹에서 강조할 수 있는 표현)으로 강조하여 해당 사용자 단말(900)의 화면에 디스플레이 해줌으로써, 사용자가 의견인 부분을 좀더 편하게 구분할 수 있게 된다(도 3a 내지 도 3d 참조).In addition, the
또한, 웹 서버(800)는 상기 특정 의견검색 키워드와 관련된 의견 검색결과 글들에 대해 해당 사용자의 선택에 따라 긍정/부정 의견 부분을 분석하고, 이를 특 정한 표현으로 강조하여 해당 사용자 단말(900)의 화면에 디스플레이 해줄 수 있다(도 3c 참조).In addition, the
만약, 사용자가 웹 서버(800)를 통해 제공된 의견 검색결과 글들 중에서 특정한 의견 검색결과 글에 대해 "의견 분석한 페이지" 기능을 선택하면, 웹 서버(800)는 해당 의견검색 결과 글에 대해 의견 분석을 수행한 후 해당 사용자 단말(900)의 화면에 디스플레이 한다. 이때, 의견/긍정/부정으로 표현된 부분을 특정 색이나, 긁은 글씨, 밑줄 등, 기타 웹에서 강조할 수 있는 표현들로 강조하여 사용자에게 보여진다.If the user selects a "comment analysis page" function for a specific comment search result article among the comment search result articles provided through the
또한, 웹 서버(800)는 상기 특정 의견검색 키워드와 관련된 의견 검색결과를 긍정/부정 의견표현 정도에 따라 시기별로 긍정/부정 비율의 변화를 그래프 형태로 해당 사용자 단말(900)의 화면에 디스플레이 해줄 수 있다.In addition, the
즉, 웹 서버(800)는 사용자가 입력한 특정 의견검색 키워드에 대한 의견 분석된 통계 데이터를 제공해주는데, 예컨대, X축은 시간, Y축은 긍정/부정 의견표현 정도(긍정도/부정도)를 나타내게 하여, 각 특정 의견검색 키워드가 각 시기별로 긍정/부정 비율이 어떻게 변하는지 볼 수 있다.That is, the
이때는 해당 특정 의견검색 키워드에 대해서만 그래프로 보여주거나, 해당 특정 의견검색 키워드와 같은 범주에 속하는 다른 특정 의견검색 키워드들에 대한 긍정/부정 비율 변화를 그래프로 같이 표현할 수 있다.In this case, only a specific opinion search keyword may be displayed as a graph, or a positive / negative ratio change for other specific opinion search keywords belonging to the same category as the specific opinion search keyword may be expressed as a graph.
이와 같은 화면을 구성하기 위해서는 인덱싱 정보 저장모듈(600)에 상기와 같은 날짜 정보도 같이 저장되어야 한다. 그리고, 화면 구성을 위해서 다음과 같은 연산을 수행하게 된다.In order to configure such a screen, the above date information should be stored together in the indexing
먼저, 각 기간별로(일/주/달/년) 주기를 하나 선택해서 해당 주기별로 해당 특정 의견검색 키워드가 긍정적으로 판단되는 문서와 부정으로 판단되는 문서의 개수를 찾는다.First, one cycle is selected for each period (day / week / month / year) to find the number of documents in which a particular opinion search keyword is determined to be positive and the number of documents determined to be negative for each period.
예를 들어, "A"라는 키워드가 나타난 문서가 2008년 07월∼2008년 08월 사이에 긍정으로 4000개, 부정으로 1000개 등장하였다고 하면, "A"라는 키워드의 긍정도는 "
또한, 웹 서버(800)는 상기 특정 의견검색 키워드와 관련된 의견 검색결과를 상기 특정 의견검색 키워드의 세부 항목별로 긍정/부정 비율을 해당 사용자 단말(900)의 화면에 디스플레이 해줄 수 있다.In addition, the
이때, 상기 세부 항목이라 함은 사용자가 "애니콜"이라고 입력하였을 때, 예컨대, 음질, 디자인, 휴대성 등과 같은 해당 키워드의 세부 항목(Sub Theme)을 구분하고, 이 세부 항목별로 긍정/부정 정도를 표시해줄 수 있다.In this case, when the user inputs "any call," the sub-item is divided into sub-themes of a corresponding keyword such as sound quality, design, portability, and the like. Can be displayed.
또한, 웹 서버(800)는 상기 특정 의견검색 키워드와 관련된 의견 검색결과 글들에 대해 해당 사용자의 찬성/반대 의사를 선택할 수 있도록 해당 사용자 단말(900)의 화면에 디스플레이 해줄 수 있다(도 3d 참조).In addition, the
즉, 의견 검색된 결과에 대해서도 사용자는 해당 의견에 대해서 찬성(동의한다는 의미), 반대를 할 수 있다. 이는 후술하는 도 3d에 도시된 바와 같이, 의견검 색 결과 화면상에서 찬성/반대 버튼을 클릭(선택)함으로써 반영될 수 있다.In other words, the user can agree or disagree with the opinion search result. This can be reflected by clicking (selecting) the yes / no button on the opinion search result screen, as shown in FIG. 3D to be described later.
그리고, (사용자가 찬성한 수 - 사용자가 반대한 수) 값은 각 의견검색 결과 랭킹에 가중치로 부여되며, 찬성한 수가 반대한 수에 비해서 많을수록 랭킹을 높이는 효과를 가져오고, 반대수가 찬성에 비해서 많을수록 랭킹을 낮추는 효과를 준다.And, the number of votes approved by the user-the number of votes against the user is given as a weight to the ranking of each opinion search result. The more you give the effect of lowering the ranking.
여기서, 찬성은 이전에 언급한 광고 플랫폼에서 수익을 분배하는 데에 있어서, 해당 찬성을 많이 받은 컨텐츠 제공업자에게 혜택이 돌아가게끔 recommend(wi)에 의하여 영형을 준다. 즉, "recommend(wi)=agree(wi)-disagree(wi)"로서 agree(wi)는 사용자가 찬성한 숫자를 의미하며 disagree(wi)는 사용자가 반대한 숫자를 의미한다.In this case, the pros give the recommendation by the recommendation (w i ) to distribute the profits in the aforementioned advertising platform to benefit the content providers who have received the pros. In other words, as "recommend (w i ) = agree (w i ) -disagree (w i )", agree (w i ) means the number the user agrees with and disagree (w i ) means the number the user disagrees with. .
또한, 웹 서버(800)는 사용자가 기 등록한 특정 의견검색 키워드와 관련된 긍정/부정 의견의 생성을 실시간으로 모니터링(Monitoring)하여 해당 사용자 단말(900)로 통지해줄 수 있다.In addition, the
즉, 사용자들은 특정 의견검색 키워드를 입력하여 다른 사용자들의 의견이 나와 있는 문서를 모니터링(Monitoring)하게 된다. 이때, 상기 모니터링이라 함은 사용자가 미리 등록 해놓은 특정 의견검색 키워드와 관련된 긍정/부정 의견이 생성되는 것을 감지하게 되면 해당 사용자에게 통지해 줌으로써, 각 기업은 자사에 대한 부정 의견을 모니터링 하여 즉각적으로 대처해 나갈 수 있는 효과가 있다.That is, users enter specific opinion search keywords to monitor documents in which other users' opinions are displayed. In this case, the monitoring means that the user is notified when a positive / negative opinion related to a specific opinion search keyword registered in advance is notified to the corresponding user, and each company monitors the negative opinion about the company and responds immediately. There is an effect that can be done.
더욱이, 웹 서버(800)는 사용자가 특정 의견검색 키워드를 입력하여 해당 특 정 의견검색 키워드에 대한 의견 검색결과를 확인하는 화면에서 해당 특정 의견검색 키워드와 연관된 광고를 해당 사용자 단말(900)의 화면에 디스플레이 해줄 수 있다.Furthermore, the
이때에 여러 연관 광고를 게재할 수 있으면 광고 게재 순서는 광고 과금 금액이 큰 순서나, 해당 키워드와 연관 관계 정보 등이 이용될 수 있다. 따라서, 사용자는 일반 의견검색(긍정 및 부정 혼합)/긍정 의견검색/부정 의견검색을 선택적으로 수행할 수 있으며, 각각의 의견검색에 대하여 연관된 상기의 광고가 함께 게재된다.At this time, if several related advertisements can be displayed, the order of advertisement placement may be the order in which the advertising billing amount is large, or the corresponding keyword and the relation information. Accordingly, the user can selectively perform general opinion search (positive and negative mixed) / positive opinion search / negative opinion search, and the above-mentioned advertisements are displayed together for each opinion search.
또한, 각 광고 제품에 대하여 긍정적으로 표현한 문서들을 추출하여 각 광고와 함께 일반 온라인 광고 게시에 제공될 수 있다. 이는 일반 키워드 검색 광고나, 의견 검색 광고, 일반 배너 광고 등 온라인에서 사용 가능한 모든 광고 방식과 함께 추출된 긍정 의견 문서를 보여주게 된다.In addition, documents that are positively expressed for each advertisement product may be extracted and provided to the general online advertisement publication along with each advertisement. This will show a positive feedback document extracted with all the available advertising methods online, such as general keyword search ads, opinion search ads, or general banner ads.
또한, 사용자가 특정 제품 이름이 아닌 일반적인 범주를 검색 키워드로 입력하였을 때에는 해당 범주의 광고 제품을 검색 광고로 보여줄 수 있다. 이때, 각 제품들의 긍정/부정 의견 수치와 각 제품별로 긍정 의견들도 함께 보여줄 수도 있다.In addition, when a user inputs a general category instead of a specific product name as a search keyword, an advertisement product of the corresponding category may be displayed as a search advertisement. At this time, the number of positive / negative opinions of each product and positive opinions for each product may also be shown.
또한, 부정 의견검색 결과에 대해서도 각 광고주들은 자사의 광고를 게시할 수 있다. 이때, 일반 광고나, 해당 의견들에 대한 해명 글들을 게시할 수 있으며, 동시에 일괄적으로 부정 의견 글들에 대해서 해명 글을 트랙백(tracback)을 보낼 수도 있다.In addition, advertisers can post their own ads for negative feedback. At this time, it is possible to post clarification articles on general advertisements or corresponding opinions, and at the same time, it is also possible to send a transcript of clarification comments on negative comments.
또한, 상기 "의견 분석한 페이지" 기능을 사용자가 보게 될 때도 관련된 광 고를 화면에 같이 게재할 수 있게 된다. 이때도 마찬가지로 광고 상품에 대한 긍정적인 글들의 링크도 함께 보여줄 수 있다.In addition, when the user sees the "page analyzed by feedback" function, the relevant advertisements can be displayed on the screen together. In this case, you can also show links to positive articles about advertising products.
전술한 바와 같이, 해당 특정 의견검색 키워드와 관련된 광고 게재 시 이에 대한 내용을 구체적으로 설명하면, 먼저, 광고주가 입력하는 데이터는 예를 들어 다음과 같은 데이터를 입력하여 광고 설정을 할 수 있게 된다.As described above, when the contents related to the advertisement related to the specific opinion search keyword are described in detail, first, the data input by the advertiser may be set by inputting the following data, for example.
1. 광고 내용 : 광고 링크, 광고 문구, 광고 이미지 등을 설정한다.1. Contents of advertisement: Set advertisement link, advertisement text, advertisement image, etc.
① 광고 링크 : http://example_shop.co.kr① Advertising link: http://example_shop.co.kr
② 광고 문구 : 고품격 샤인폰 최저가 판매② Advertising: Selling high-quality shine phone at the lowest price
③ 이미지 : http://www.example.com/test.jpg③ Image: http://www.example.com/test.jpg
④ 검색 키워드 : 핸드폰, 휴대폰④ Search keyword: mobile phone, mobile phone
⑤ 일반 검색결과 키워드 : 샤인폰, LG폰, 싸이온⑤ General Search Results Keywords: Shine Phone, LG Phone, Cion
⑥ 의견 검색결과 키워드 : 샤인폰, LG폰, 싸이온⑥ Opinion Search Results Keywords: Shine Phone, LG Phone, Cion
⑦ 긍정 검색결과 키워드 : 샤인폰, LG폰, 싸이온⑦ Positive result Keyword: Shine phone, LG phone, Cion
⑧ 부정 검색결과 키워드 : 애니콜, 삼성 폰⑧ Negative search results Keywords: Anycall, Samsung Phone
⑨ 분석된 페이지 키워드 : 샤인폰, LG폰, 싸이온, 애니콜⑨ Keywords analyzed: Shine Phone, LG Phone, Cion, Anycall
2. 의견검색 키워드 : 광고주는 어떤 의견검색 키워드가 입력된 경우에 자신의 광고가 게시되도록 설정한다. 예를 들면, "샤인폰"이란 의견검색 키워드를 설정하게 되면 사용자가 "샤인폰"이라고 의견 검색어를 입력하면 "샤인폰"이라고 입력한 광고주의 광고가 나오게 된다.2. Opinion Search Keywords: The advertiser sets the advertisement to be posted when a certain opinion search keyword is entered. For example, if the user sets the opinion search keyword "shine phone" and the user inputs the search term "shine phone", the advertisement of the advertiser who inputs "shine phone" appears.
이때, 의견검색 결과는 상단에 배치되며, 배치되는 순서는 광고주가 지불한 금액순서를 따른다. 그리고, 광고와 함께 해당 광고 상품에 대해서 긍정적으로 리뷰를 한 사용자의 글도 함께 게시가 가능하다.At this time, the opinion search results are arranged at the top, the order of placement is in accordance with the order of the amount paid by the advertiser. In addition, posts of users who have positively reviewed the advertisement product together with the advertisement may be posted together.
3. 의견검색 결과 키워드 : 광고주는 의견검색 결과 중에서 설정한 의견검색 결과 키워드가 등장하게 되면 자신의 광고가 게시되도록 설정할 수 있다.3. Opinion search result keywords: Advertisers can set their own ads to be posted when the keyword appears in the opinion search results set in the opinion search results.
예를 들어, 의견검색 결과 키워드 "JM53"을 입력하게 되면, 의견검색 결과 중에서 "JM53"이 등장한 경우에 해당 광고주의 광고를 게시할 수 있다. 이로써 광고 효과를 극대화 할 수 있다.For example, if the keyword "JM53" is inputted in the opinion search result, the advertisement of the corresponding advertiser may be posted when "JM53" appears in the opinion search result. This can maximize the advertising effect.
이때, 광고 게시 위치는 의견검색 결과 상단에 위치시키거나, 의견검색 결과물과 같이 배치할 수 있고, 광고주는 어떤 의견검색 결과 중에서 광고를 내 보낼지 선택할 수 있으며, 일반 검색/의견 검색/긍정 의견 검색/부정 의견 검색 결과 중에서 선택할 수 있다.At this time, the advertisement posting position can be placed at the top of the opinion search results or placed together with the opinion search results, and the advertiser can select which opinion search results to send the advertisement to, and search for general / opinion search / positive opinion search / You can choose from negative feedback search results.
또한, 광고 수익은 의견을 올린 게시자와 일정 비율 공유하는 방식도 가능하다. 이를 활용하게 되면 자사 제품에 대해서 긍정적으로 나오는 글이 있는 경우에 자사 제품에 대한 광고를 내보내도록 설정하거나, 경쟁 회사 제품에 대한 부정적인 글이 나오는 경우에 자사 제품에 대한 광고를 게시할 수도 있게 된다.In addition, advertising revenue can be shared with a certain percentage of the publisher. Using this, you can set up ads for your own products if you have a positive post about your product, or post a negative for your competitor's product.
4. 분석된 페이지 키워드 : 광고주는 의견 검색결과들 중 하나를 선택해서 해당 의견검색 결과 본문에 대해서 구체적으로 긍정/부정 부분을 의견 분석한 페이지를 보게 되는 경우에도 분석 페이지 내에서 광고를 게시할 수 있다.4. Analyze page keywords: Advertisers can post ads within the analysis page even if they select one of the comment search results to see a page that specifically analyzes the positive / negative part of the comment search result body. have.
이때, 상기 분석된 페이지 안에서 주된 주제로 다루어지는 토픽(Topic)에 우선 순위를 부여하여, 관련 토픽을 키워드로 등록한 광고주가 우선적으로 보여지고, 그 안에서도 광고 금액이 높은 순서대로 노출이 된다.At this time, a priority is given to topics that are treated as main topics in the analyzed page, and advertisers who register related topics as keywords are preferentially displayed, and advertising amounts are also exposed in the order of high order.
또한, 광고주는 분석된 페이지 안의 주로 긍정적인지/부정적인지에 따라서 선택적으로 광고를 게시할 수 있으며, 광고주의 키워드에 대하여 긍정적/부정적인지 여부는 해당 긍정/부정 표현과 광고주가 입력한 키워드간의 거리가 일정 거리 이내인 표현이 긍정/부정 각각 몇 개 이상 등장하는 지를 통해서 결정할 수 있다.Advertisers can also selectively post their ads based on whether they are mostly positive or negative within the analyzed page, and whether the advertiser's keywords are positive or negative is a certain distance between the positive and negative expressions and the keywords entered by the advertiser. It can be determined by how many more positive / negative expressions appear within the distance.
한편, 도면에 도시되진 않았지만, 본 발명의 일 실시예에서는 의견검색 결과에 있어서도, 광고 수익을 의견검색 결과를 제공해주는 컨텐츠 제공자와 함께 공유하는 구성을 구현할 수도 있다.On the other hand, although not shown in the drawings, in one embodiment of the present invention, even in the opinion search results, it is possible to implement a configuration that shares the advertising revenue with the content provider that provides the opinion search results.
이를 구체적으로 설명하면, 먼저, 광고주가 입력하는 데이터는 전술한 데이터 입력 내용과 동일하며, 의견검색 결과 컨텐츠를 제공해주는 웹사이트 관리자들이 입력하는 내용은 예컨대, 이름, 주민등록번호, 계좌 번호, 사이트 주소, 주소 등으로 이루어질 수 있다.In detail, first, the data input by the advertiser is the same as the above-described data input content, and the contents input by the website administrators providing the contents of the opinion search result are, for example, name, social security number, account number, site address, Address and so on.
그리고, 사용자가 의견 검색을 수행하는 경우에 예컨대, 사용자는 의견검색 키워드 "A"를 검색창에 입력한다. 이후에, 의견검색 결과가 해당 사용자 단말(900)의 화면에 디스플레이 된다.Then, when the user performs the opinion search, for example, the user inputs the opinion search keyword "A" into the search box. Thereafter, the opinion search result is displayed on the screen of the
여기서, 상위 N개의 의견 검색결과 컨텐츠 제공자(해당 사이트)와 의견검색 키워드 광고 수익을 공유하게 된다. 이때, 수익을 공유하는 컨텐츠 제공자는 본 검색 사이트에 사이트 정보를 미리 입력한 대상이 된다.Here, the top N opinion search result content providers (the corresponding sites) and share the opinion search keyword advertising revenue. At this time, the content provider sharing the revenue is the target of previously inputting the site information to the search site.
또한, 상기 수익을 분배하는 금액은 다음과 같이 각각의 가중치를 부여하여, 전체 중에서 차지하는 비율에 근거하여, 해당 의견검색 키워드 광고 수익을 공유하게 된다. 상기 컨텐츠 제공자는 의견검색 결과 상위 N개의 컨텐츠로 그 대상을 제한한다.In addition, the amount of distribution of the revenue is given to each weight as follows, based on the proportion of the total, the opinion search keyword advertising revenue is shared. The content provider restricts the target to the top N contents of the opinion search result.
만약, 한 번의 의견검색 키워드 입력으로 발생하는 광고 수익이 "C"이고, 플랫폼 제공 업체 즉, 의견 검색서비스 제공 업체(검색 업체)가 수익을 가져가는 비율이 "α"이며, 의견검색 결과 컨텐츠 제공자들이 수익을 가져가는 비율이 "1-α"라고 한다면, 수익 분배에 있어서 각 컨텐츠 제공자들이 가지는 중요도(wi)는 하기의 수학식 12와 같이 계산된다.If the advertising revenue generated by inputting a single opinion search keyword is "C", the proportion of the platform provider, that is, the opinion search service provider (search company), is "α", and the opinion search result content provider If the ratio of the profits to be earned is " 1-α ", the importance w i of each content provider in revenue distribution is calculated as in Equation 12 below.
여기서, 상기 registered(wi) 함수는 wi 컨텐츠 제공자가 의견 검색서비스 제공 업체에 등록되었는지 여부를 나타내는 함수로서,Here, the registered (w i ) function is a function indicating whether the w i content provider is registered with the opinion search service provider.
그리고, 상기 ranki는 wi 컨텐츠 제공자의 컨텐츠가 나오는 검색 순위를 나타내는 값으로서, 첫 번째로 나오는 컨텐츠일 경우에는 1값을 가지게 된다. 상기 rank_weight는 의견검색 결과에 얼만큼의 중요도를 할당할지를 결정해주는 함수로써 높은 값을 가질수록 의견검색 결과 랭킹(Ranking)의 중요도가 더 높게 반영된 다.In addition, the rank i is a value indicating a search rank of the content of the w i content provider, and has a value of 1 when the content is the first content. The rank_weight is a function for determining how important to assign to the opinion search result. The higher the value is, the higher the importance of ranking the opinion search result is reflected.
그리고, 상기 click(wi)는 해당 컨텐츠 검색 결과를 검색한 사용자가 클릭했는지 여부를 나타내는 함수로서, 
여기서, 추천 회수는 일반적인 추천 횟수와 특정 의견검색 키워드와 관련한 추천 횟수 두 가지 추천 횟수의 경우가 있다. 그리고, 상기 recommend_weight는 추천 횟수에 부여하는 가중치를 나타낸다.Here, the recommended number of times may be two types of recommendation times: a general recommendation number and a recommendation number related to a specific opinion search keyword. In addition, the recommend_weight represents a weight given to the number of recommendations.
상기의 수학식 12를 이용하게 되면 등록된 사용자 중에서 의견검색 결과 상위에 나오면서 사용자와 더 자주 클릭하는 사이트, 그리고 더 많은 사용자가 추천한 컨텐츠일 경우에 수익 분배에 있어서 더 큰 비중을 차지하게 된다.When Equation 12 is used, a larger portion of revenue is distributed in the case where a user, a site that is clicked more frequently, and a content recommended by more users appear at the top of the opinion search result among registered users.
그래서, 결국 광고주들이 각각의 의견검색 키워드별 의견검색 결과에 대하여 제공해주는 광고 요금(C)은 하기의 수학식 13과 같이 배분된다.Thus, the advertisement fee (C) provided by advertisers for each opinion search keyword-specific opinion search result is distributed as shown in Equation 13 below.
여기서, C×α가 의견검색 서비스 제공 업체(검색 업체)가 가져가는 수익이 되고, C×(1-α)가 컨텐츠 제공자들이 가져가는 수익이 되며, 한 컨텐츠 제공자가 받게 되는 수익 Profit(wi)는 하기의 수학식 14와 같이 계산된다.Here, C × α is the revenue that the opinion search service provider (search company) takes, C × (1-α) is the revenue that the content providers bring, and the profit that one content provider receives Profit (w i ) Is calculated as in Equation 14 below.
사용자 단말(900)은 예컨대, 네트워크(Network) 또는 인터넷(Internet) 등과 같은 유선 또는 무선 통신망을 통해 웹 서버(800)에 접속되며, 통상적인 웹 브라우저(Web Browser)를 통해 웹 서버(800)에서 제공하는 각종 서비스를 제공받을 수 있게 된다.The
예컨대, 데스크탑 PC, 노트북 PC 등 컴퓨터인 것이 일반적이지만, 이에 한정되는 것은 아니며 인터넷(10)을 통하여 웹 서버(800)에 접속하여 양방향성 의견검색 서비스를 이용할 수 있는 모든 종류의 유무선 통신 장치일 수 있다.For example, a computer such as a desktop PC or a notebook PC is generally, but is not limited thereto, and may be any type of wired / wireless communication device that can access a
예를 들어, 사용자 단말(900)은 무선 인터넷 또는 휴대 인터넷을 통하여 통신하는 셀룰러폰(Cellular phone), 피씨에스폰(PCS phone: Personal Communications Services phone), 동기식/비동기식 IMT-2000(International Mobile Telecommunication-2000) 등 이동 단말을 포함하고, 이외에도 팜 PC(Palm Personal Computer), 개인용 디지털 보조기(PDA: Personal Digital Assistant), 스마트폰(Smart phone), 왑폰(WAP phone: Wireless application protocol phone), 모바일 게임기(mobile play-station) 등 의견검색 서비스를 운영하는 웹 서버(800)에 접속 하기 위한 사용자 인터페이스를 갖는 모든 유무선 가전/통신 장치를 포괄적으로 의미할 수 있다.For example, the
도 2는 본 발명의 일 실시예에 따른 인터넷을 이용한 의견 검색 방법을 설명하기 위한 전체적인 흐름도이고, 도 3a 내지 도 3d는 본 발명의 일 실시예에 적용된 의견검색 결과를 설명하기 위한 화면 구성도들로서, 도 3a는 특정의 의견검색 키워드(놈놈놈) 및 긍정 의견 타입 선택 시 의견검색 결과를 나타낸 화면 구성도이고, 도 3b는 특정의 의견검색 키워드(놈놈놈) 및 부정 의견 타입 선택 시 의견검색 결과를 나타낸 화면 구성도이며, 도 3c는 특정의 의견검색 키워드(놈놈놈)와 관련된 의견검색 결과 글에 대한 의견 분석한 페이지 기능을 구체적으로 나타낸 화면 구성도이며, 도 3d는 특정의 의견검색 키워드(놈놈놈)와 관련된 의견 검색결과 글들에 대해 사용자의 찬성/반대 의사를 선택할 수 있도록 구비한 화면 구성도이다.2 is an overall flowchart illustrating a method of searching for opinions using the Internet according to an embodiment of the present invention, and FIGS. 3A to 3D are screen diagrams for explaining the result of opinion searching applied to an embodiment of the present invention. 3A is a screen diagram showing a result of opinion search when selecting a specific opinion search keyword (nomnomnom) and a positive opinion type, and FIG. 3B is a result of opinion search when selecting a specific opinion search keyword (nomnomnom) and a negative opinion type. FIG. 3C is a screen configuration diagram illustrating a function of page analysis of opinions related to a comment search result article related to a specific comment search keyword (nom nom), and FIG. 3D is a specific comment search keyword ( (Nom Nom Nom) related to the search results, the screen configuration that allows the user to select the pros / cons against the article.
도 1, 도 2, 도 3a 내지 도 3d를 참조하면, 먼저, 데이터 수집서버(100)를 통해 인터넷(10) 상에 존재하는 웹 문서 데이터를 수집한 후(S100), 언어처리모듈(200)을 통해 상기 단계S100에서 수집된 웹 문서 데이터에 대해 문장 단위로 분리하고, 분리된 각 문장에 대해 언어처리(예컨대, 형태소 분석 또는 띄어쓰기 등)를 수행하여 언어적인 자질(Feature)들을 추출한다(S200).1, 2, 3A to 3D, first, after collecting the web document data existing on the
다음으로, 의견/비의견 구분모듈(300)을 통해 상기 단계S200에서 추출된 각 문장의 언어적인 자질들을 이용하여 의견/비의견 문장을 구분한 후(S300), 의견표현 구분모듈(400)을 통해 상기 단계S300에서 구분된 의견 문장의 언어적인 자질들 에 대해 긍정/부정 의견표현으로 구분한다(S400).Next, after dividing the opinion / non-comment sentences using the linguistic qualities of each sentence extracted in the step S200 through the opinion / disagreement classification module 300 (S300), the opinion
이후에, 인덱싱 서버(500)를 통해 상기 단계S400에서 구분된 의견 문장의 언어적인 자질별로 해당 웹 문서의 의견 정보들이 의견 인덱싱 정보 저장모듈(600)에 저장되도록 인덱싱(Indexing)을 수행한다(S500).Thereafter, the
여기서, 상기 단계S500에서 인덱싱된 각 의견 문장의 언어적인 자질별 해당 의견 문장의 요약정보 및 해당 웹 문서의 기본 및 의견 정보들을 데이터베이스(DB)화하여 별도의 의견 인덱싱 정보 저장모듈(600)에 저장함이 바람직하다.Here, the summary information of the corresponding opinion sentence for each language sentence of the opinion sentence indexed in step S500 and the basic and opinion information of the corresponding web document are made into a database and stored in a separate opinion indexing
다음으로, 의견검색을 원하는 사용자는 인터넷(10) 접속이 가능한 사용자 단말(900)을 이용하여 의견검색 서비스를 제공하는 특정의 웹 페이지(예컨대, http://buzzni.com)에 접속하면, 웹 서버(800)는 의견검색을 위한 검색 입력창(A) 및 의견검색 타입(의견/긍정/부정)을 선택하는 타입선택버튼(B)들을 구비한 메인 검색화면을 제공한다.Next, a user who wants to search for opinions accesses a specific web page (eg, http://buzzni.com) that provides a opinion search service using the
이러한 의견검색 서비스 환경에서, 사용자가 원하는 의견검색 키워드를 검색 입력창(A)에 입력한 후, 타입선택버튼(B)들 중 어느 하나의 버튼을 클릭(선택)하면, 웹 서버(800)는 인터넷(10)을 통해 접속된 사용자 단말(900)로부터 전송되는 특정 의견검색 키워드 및/또는 의견검색 타입을 제공받아 의견검색모듈(700)에 전달한 후, 의견검색모듈(700)은 웹 서버(800)를 통해 전달받은 상기 특정 의견검색 키워드와 관련된 웹 문서의 의견 정보들을 인덱싱 서버(500) 또는 의견 인덱싱 정보 저장모듈(600)에서 검색하고 그 의견 검색결과를 웹 서버(800)로 다시 전달한다.In this opinion search service environment, if a user inputs a desired opinion search keyword in a search input window (A), and then clicks (selects) any one of the type selection buttons (B), the
이후에, 웹 서버(800)는 의견검색모듈(700)을 통해 검색된 상기 특정 의견검색 키워드에 대한 의견 검색결과를 해당 사용자 단말(900)의 화면에 디스플레이 해준다(S600).Thereafter, the
이때, 상기 단계S600에서 상기 특정 의견검색 키워드와 관련된 의견 검색결과를 해당 사용자 단말(900)의 화면에 디스플레이 할 경우, 상기 특정 의견검색 키워드와 관련된 전체적인 의견 검색결과 내에서의 긍정/부정 의견표현의 비율, 또는 상기 특정 의견검색 키워드와 관련된 각 의견 정보 내에서의 긍정/부정 의견표현의 비율을 디스플레이 해줌이 바람직하다(도 3a 내지 도 3d 참조).In this case, when the opinion search result related to the specific opinion search keyword is displayed on the screen of the
또한, 상기 단계S600에서 상기 특정 의견검색 키워드와 관련된 의견 검색결과를 해당 사용자 단말(900)의 화면에 디스플레이 할 경우, 중요도 또는 시간 순서에 따라 디스플레이 해줌이 바람직하다.In addition, in the step S600, when the opinion search result related to the specific opinion search keyword is displayed on the screen of the
이때, 상기 중요도는 상기 특정 의견검색 키워드가 해당 웹 문서에서 가지는 관련도와 의견표현 정도를 통해 결정하고, 전체 시간 범위 또는 특정 시간 범위로 제한하여 적용하며, 상기 시간 순서는 해당 웹 문서가 생성되는 순서에 따라 오름차순/내림차순으로 결정하고, 전체 시간 범위 또는 특정 시간 범위로 제한하여 적용할 수 있다.In this case, the importance is determined based on the degree of relevance and opinion expression that the specific opinion search keyword has in the corresponding web document, and is limited and applied to the entire time range or the specific time range, and the time order is the order in which the corresponding web document is generated. According to the ascending / descending order, it can be applied to the entire time range or limited to a specific time range.
또한, 상기 단계S600에서 상기 특정 의견검색 키워드와 관련된 의견 검색결과를 해당 사용자 단말(900)의 화면에 디스플레이 할 경우, 상기 특정 의견검색 키워드와 관련된 웹 문서의 의견 내용들에 대해 댓글 형식으로 해당 의견검색 사용자의 의견을 추가할 수 있도록 의견 입력창(미도시)을 디스플레이 해줌이 바람직하 다.In addition, when the opinion search result related to the specific opinion search keyword is displayed on the screen of the
또한, 상기 단계S600에서 상기 특정 의견검색 키워드와 관련된 의견 검색결과를 해당 사용자 단말(900)의 화면에 디스플레이 할 경우, 상기 특정 의견검색 키워드와 함께 긍정/부정으로 표현된 부분을 특정한 표현(예컨대, 밑줄, 굵은 글씨체 또는 다양한 색상 등)으로 강조하여 디스플레이 해줌이 바람직하다(도 3a 내지 도 3d 참조).In addition, when the opinion search result related to the specific opinion search keyword is displayed on the screen of the
또한, 상기 단계S600에서 상기 특정 의견검색 키워드와 관련된 의견 검색결과를 해당 사용자 단말(900)의 화면에 디스플레이 할 경우, 각 의견 검색결과 글들에 "의견 분석한 페이지" 기능을 제공할 수 있다(도 3a 내지 도 3d 참조).In addition, when the opinion search results related to the specific opinion search keyword are displayed on the screen of the
이때, 사용자가 임의의 의견 검색결과 글에 해당하는 "의견 분석한 페이지" 기능을 선택할 경우, 웹 서버(800)는 해당 의견 검색결과 글에 대해 긍정/부정 의견 부분을 분석한 후, 예컨대, 밑줄, 굵은 글씨체 또는 다양한 색상 중 적어도 어느 하나의 표현으로 강조하여 디스플레이 해줌이 바람직하다(도 3c 참조).In this case, when the user selects the "comment analyzed page" function corresponding to an arbitrary comment search result article, the
또한, 상기 단계S600에서 상기 특정 의견검색 키워드와 관련된 의견 검색결과를 해당 사용자 단말(900)의 화면에 디스플레이 할 경우, 긍정/부정 의견표현 정도에 따라 시기별 긍정/부정 비율의 변화를 그래프 형태로 디스플레이 해줌이 바람직하다(도 3a 내지 도 3d 참조).In addition, in the step S600, when the opinion search result related to the specific opinion search keyword is displayed on the screen of the
또한, 상기 단계S600에서 상기 특정 의견검색 키워드와 관련된 의견 검색결과를 해당 사용자 단말(900)의 화면에 디스플레이 할 경우, 상기 특정 의견검색 키워드의 세부 항목별로 긍정/부정 비율을 디스플레이 해줄 수도 있다.In addition, when the opinion search result related to the specific opinion search keyword is displayed on the screen of the
또한, 상기 단계S600에서 상기 특정 의견검색 키워드와 관련된 의견 검색결과를 해당 사용자 단말(900)의 화면에 디스플레이 할 경우, 상기 특정 의견검색 키워드와 관련된 의견 검색결과 글들에 대해 해당 사용자의 찬성/반대 의사를 선택할 수 있도록 해당 사용자 단말(900)의 화면에 디스플레이 해줌이 바람직하다(도 3d 참조).In addition, when the opinion search result related to the specific opinion search keyword is displayed on the screen of the
추가적으로, 상기 단계S600 이후에, 웹 서버(800)를 통해 사용자가 기 등록한 특정 의견검색 키워드와 관련된 긍정/부정 의견의 생성을 실시간으로 모니터링(Monitoring) 하여 해당 사용자 단말(900)로 통지해주는 단계를 더 포함할 수도 있다.In addition, after the step S600, the step of monitoring the generation of affirmative / negative opinion related to a specific opinion search keyword registered by the user through the
한편, 본 발명의 일 실시예에 따른 인터넷을 이용한 의견 검색 방법은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현되는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다.On the other hand, the opinion retrieval method using the Internet according to an embodiment of the present invention can also be implemented as computer readable code on a computer readable recording medium. The computer-readable recording medium includes all kinds of recording devices in which data that can be read by a computer system is stored.
예컨대, 컴퓨터가 읽을 수 있는 기록매체로는 롬(ROM), 램(RAM), 시디-롬(CD-ROM), 자기 테이프, 하드디스크, 플로피디스크, 이동식 저장장치, 비휘발성 메모리(Flash Memory), 광 데이터 저장장치 등이 있다.For example, the computer-readable recording medium may be a ROM, a RAM, a CD-ROM, a magnetic tape, a hard disk, a floppy disk, a removable storage device, a nonvolatile memory (Flash memory). Optical data storage.
삭제delete
전술한 본 발명에 따른 인터넷을 이용한 의견 검색 시스템 및 그 방법에 대한 바람직한 실시예에 대하여 설명하였지만, 본 발명은 이에 한정되는 것이 아니고 특허청구범위와 발명의 상세한 설명 및 첨부한 도면의 범위 안에서 여러 가지로 변형하여 실시하는 것이 가능하고 이 또한 본 발명에 속한다.Although a preferred embodiment of the opinion retrieval system and method using the Internet according to the present invention has been described above, the present invention is not limited thereto, but the scope of the claims and the detailed description of the invention and the accompanying drawings are various. It is possible to carry out the transformation to this also belongs to the present invention.
예를 들면, 본 발명의 일 실시예에서는 한국어를 기반으로 인터넷을 이용한 의견 검색 시스템 및 그 방법을 구현하였지만, 이에 국한하지 않으며, 예컨대, 영어, 일본어, 중국어 등 다양한 언어를 적용하여 구현할 수도 있다.For example, although one embodiment of the present invention implements the opinion retrieval system and method using the Internet based on Korean, the present invention is not limited thereto, and may be implemented by applying various languages such as English, Japanese, and Chinese.
도 1은 본 발명의 일 실시예에 따른 인터넷을 이용한 의견 검색 시스템을 설명하기 위한 전체적인 블록 구성도이다.1 is a block diagram illustrating an overall opinion retrieval system using the Internet according to an embodiment of the present invention.
도 2는 본 발명의 일 실시예에 따른 인터넷을 이용한 의견 검색 방법을 설명하기 위한 전체적인 흐름도이다.2 is an overall flowchart illustrating a method for searching for opinions using the Internet according to an embodiment of the present invention.
도 3a 내지 도 3d는 본 발명의 일 실시예에 적용된 의견검색 결과를 설명하기 위한 화면 구성도들로서, 도 3a는 특정의 의견검색 키워드(놈놈놈) 및 긍정 의견 타입 선택 시 의견검색 결과를 나타낸 화면 구성도이고, 도 3b는 특정의 의견검색 키워드(놈놈놈) 및 부정 의견 타입 선택 시 의견검색 결과를 나타낸 화면 구성도이며, 도 3c는 특정의 의견검색 키워드(놈놈놈)와 관련된 의견검색 결과 글에 대한 의견 분석한 페이지 기능을 구체적으로 나타낸 화면 구성도이며, 도 3d는 특정의 의견검색 키워드(놈놈놈)와 관련된 의견 검색결과 글들에 대해 사용자의 찬성/반대 의사를 선택할 수 있도록 구비한 화면 구성도이다.3A to 3D are screen configuration diagrams for explaining opinion search results applied to an embodiment of the present invention, and FIG. 3A is a screen showing opinion search results when selecting a specific opinion search keyword (nomnomnom) and a positive opinion type. 3B is a screen diagram showing a result of opinion search when selecting a specific opinion search keyword (nomnomnom) and a negative opinion type, and FIG. 3C is a comment search result related to a specific opinion search keyword (nomnomnom) Figure 3d is a screen diagram showing the function of the page analyzed by opinions, Figure 3d is a screen configuration provided to select the user's consent / opposition for the opinion search results articles related to a specific opinion search keyword (nomnomnom) It is also.
Claims (21)
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020080093125A KR101007284B1 (en) | 2008-09-23 | 2008-09-23 | System and method for searching opinion using internet |
| PCT/KR2009/005405 WO2010036012A2 (en) | 2008-09-23 | 2009-09-23 | Internet-based opinion search system, and opinion search, advertisement service system and method for same |
| US13/120,649 US20110179009A1 (en) | 2008-09-23 | 2009-09-23 | Internet-based opinion search system and method, and internet-based opinion search and advertising service system and method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020080093125A KR101007284B1 (en) | 2008-09-23 | 2008-09-23 | System and method for searching opinion using internet |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20100034140A KR20100034140A (en) | 2010-04-01 |
| KR101007284B1 true KR101007284B1 (en) | 2011-01-13 |
Family
ID=42212338
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020080093125A KR101007284B1 (en) | 2008-09-23 | 2008-09-23 | System and method for searching opinion using internet |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101007284B1 (en) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101498944B1 (en) * | 2011-11-28 | 2015-03-06 | 세종대학교산학협력단 | Method and apparatus for deciding product seller related document |
| KR101411530B1 (en) * | 2013-05-31 | 2014-06-25 | (주)이지웍스유니버스 | Human network organization system using on-line and method thereof |
| KR101808631B1 (en) * | 2013-06-28 | 2017-12-13 | 삼성에스디에스 주식회사 | Method of posting poll response and a poll service server providing the method thereof |
| KR101662791B1 (en) * | 2015-01-29 | 2016-10-14 | 주식회사 포워드벤처스 | System for displaying information relating to product evaluation and method for displaying information relating to product evaluation |
| KR102007437B1 (en) * | 2016-11-25 | 2019-08-05 | 한국전자통신연구원 | Apparatus for classifying contents and method for using the same |
| KR102582544B1 (en) | 2018-05-03 | 2023-09-25 | 삼성전자주식회사 | Electronic appratus and operating method for the same |
| KR101954933B1 (en) * | 2018-07-06 | 2019-03-08 | 주식회사 한다파트너스 | Apparatus and method for establishing investment portfolio |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20040053369A (en) * | 2001-11-26 | 2004-06-23 | 후지쯔 가부시끼가이샤 | Information analysis method and apparatus |
| KR20060103165A (en) * | 2005-03-23 | 2006-09-28 | 조광현 | Classified web sites search system and method |
| JP3917629B2 (en) | 2000-08-21 | 2007-05-23 | 富士通株式会社 | Natural sentence processing apparatus and natural sentence processing program |
-
2008
- 2008-09-23 KR KR1020080093125A patent/KR101007284B1/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3917629B2 (en) | 2000-08-21 | 2007-05-23 | 富士通株式会社 | Natural sentence processing apparatus and natural sentence processing program |
| KR20040053369A (en) * | 2001-11-26 | 2004-06-23 | 후지쯔 가부시끼가이샤 | Information analysis method and apparatus |
| KR20060103165A (en) * | 2005-03-23 | 2006-09-28 | 조광현 | Classified web sites search system and method |
Non-Patent Citations (1)
| Title |
|---|
| 의견 어구 추출을 위한 생성 모델과 분류 모델을 결합한 부분 지도 학습 방법(2008.06.)* |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20100034140A (en) | 2010-04-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101005337B1 (en) | System for extraction and analysis of opinion in web documents and method thereof | |
| Deng et al. | Smart generation system of personalized advertising copy and its application to advertising practice and research | |
| Chiu et al. | Opinion mining of hotel customer-generated contents in Chinese weblogs | |
| Mirzaalian et al. | Exploring destination loyalty: Application of social media analytics in a nature-based tourism setting | |
| Ortigosa et al. | Sentiment analysis in Facebook and its application to e-learning | |
| Moussa et al. | A survey on opinion summarization techniques for social media | |
| Alessia et al. | Approaches, tools and applications for sentiment analysis implementation | |
| Mostafa | More than words: Social networks’ text mining for consumer brand sentiments | |
| Buzova et al. | Does culture affect sentiments expressed in cruise tours’ eWOM? | |
| US20070112764A1 (en) | Web document keyword and phrase extraction | |
| Moussa | An emoji-based metric for monitoring consumers’ emotions toward brands on social media | |
| US20140114648A1 (en) | Method for determining a sentiment from a text | |
| US8332208B2 (en) | Information processing apparatus, information processing method, and program | |
| KR101007284B1 (en) | System and method for searching opinion using internet | |
| Bellot et al. | INEX Tweet Contextualization task: Evaluation, results and lesson learned | |
| HaCohen-Kerner et al. | Automatic classification of complaint letters according to service provider categories | |
| Haque et al. | Opinion mining from bangla and phonetic bangla reviews using vectorization methods | |
| Ehret et al. | Are online news comments<? br?> like face-to-face conversation? A multi-dimensional analysis<? br?> of an emerging register | |
| KR101074820B1 (en) | Recommendation searching system using internet and method thereof | |
| KR101652433B1 (en) | Behavioral advertising method according to the emotion that are acquired based on the extracted topics from SNS document | |
| Kongthon et al. | HotelOpinion: An opinion mining system on hotel reviews in Thailand | |
| KR20160130369A (en) | In online web text based commercial analysis service system and method thereof | |
| Humphreys | Automated text analysis | |
| Mahboob et al. | Sentiment analysis of RSS feeds on sports news–a case study | |
| Shi et al. | EOSentiMiner: an opinion-aware system based on emotion ontology for sentiment analysis of Chinese online reviews |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20140106 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20141127 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20151029 Year of fee payment: 6 |
|
| FPAY | Annual fee payment |
Payment date: 20171227 Year of fee payment: 8 |
|
| FPAY | Annual fee payment |
Payment date: 20200103 Year of fee payment: 10 |