KR101508059B1 - 단어의 쾌-불쾌 지수 예측 장치 및 방법 - Google Patents

단어의 쾌-불쾌 지수 예측 장치 및 방법 Download PDF

Info

Publication number
KR101508059B1
KR101508059B1 KR20130096728A KR20130096728A KR101508059B1 KR 101508059 B1 KR101508059 B1 KR 101508059B1 KR 20130096728 A KR20130096728 A KR 20130096728A KR 20130096728 A KR20130096728 A KR 20130096728A KR 101508059 B1 KR101508059 B1 KR 101508059B1
Authority
KR
South Korea
Prior art keywords
word
pleasant
emotion
discomfort index
reference word
Prior art date
Application number
KR20130096728A
Other languages
English (en)
Other versions
KR20150001567A (ko
Inventor
이수원
이강복
Original Assignee
숭실대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 숭실대학교산학협력단 filed Critical 숭실대학교산학협력단
Priority to PCT/KR2014/003216 priority Critical patent/WO2014208880A1/ko
Publication of KR20150001567A publication Critical patent/KR20150001567A/ko
Application granted granted Critical
Publication of KR101508059B1 publication Critical patent/KR101508059B1/ko
Priority to US14/981,326 priority patent/US9734145B2/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Machine Translation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

단어의 쾌-불쾌 지수를 예측하는 장치 및 방법이 개시된다. 개시된 단어의 쾌-불쾌 지수를 예측하는 장치는 상기 단어와 하나 이상의 비교 단어 각각의 감정 연관성을 산출하고, 미리 설정된 적어도 하나의 기준 단어 각각과 상기 하나 이상의 비교 단어 각각의 감정 연관성을 산출하며, 상기 단어와 상기 적어도 하나의 기준 단어 각각의 감정 유사도를 산출하는 산출부; 및 상기 적어도 하나의 감성 유사도 및 상기 적어도 하나의 기준 단어의 미리 설정된 쾌-불쾌 지수를 이용하여 상기 단어의 쾌-불쾌 지수를 예측하는 예측부;를 포함한다.

Description

단어의 쾌-불쾌 지수 예측 장치 및 방법{Apparatus and Method for pleasant-unpleasant quotient of word}
본 발명의 실시예들은 단어의 쾌-불쾌 지수 예측 장치 및 방법에 관한 것으로서, 더욱 상세하게는 단어 감정 예측 기술에서 고려되지 않던 단어의 감정 정도(쾌-불쾌 지수)를 예측함으로써 보다 고도화된 텍스트 감정 분석 기술을 가능하게 하는 장치 및 방법에 관한 것이다.
단어의 감성을 예측하는 기술들은 단어 간 연관성을 이용한 기술, 대규모 사전을 이용한 기술, 상품평의 평점을 이용한 기술 등이 있고, 이들은 감성을 긍정-부정의 두 가지로 나누어 분석을 수행하였다.
이와 관련된 종래 기술로 "상품평 극성 분류를 위한 특징별 서술어 긍정/부정 사전 자동 구축(송종석, 이수원, 정보과학회논문지: 소프트웨어 및 응용 제38권 제3호(2011.3), p157 ~ p168 "이 공지되어 있다.
한편, 종래 기술들은 단어를 긍정-부정의 두 가지 감성으로 분석하여 다중 감성 분석을 시행할 수 없고, '강한 긍정'과 '약한 긍정'을 분류하지 못해 고도화된 감성 분석이 불가능한 단점이 있었다.
상기한 바와 같은 종래기술의 문제점을 해결하기 위해, 본 발명에서는 단어 감정 예측 기술에서 고려되지 않던 단어의 감정 정도(쾌-불쾌 지수)를 예측함으로써 보다 고도화된 텍스트 감정 분석 기술을 가능하게 하는 쾌-불쾌 지수 예측 장치 및 방법을 제안하고자 한다.
본 발명의 다른 목적들은 하기의 실시예를 통해 당업자에 의해 도출될 수 있을 것이다.
상기한 목적을 달성하기 위해 본 발명의 바람직한 일 실시예에 따르면, 단어의 쾌-불쾌 지수를 예측하는 장치에 있어서, 상기 단어와 하나 이상의 비교 단어 각각의 감정 연관성을 산출하고, 미리 설정된 적어도 하나의 기준 단어 각각과 상기 하나 이상의 비교 단어 각각의 감정 연관성을 산출하며, 상기 단어와 상기 적어도 하나의 기준 단어 각각의 감정 유사도를 산출하는 산출부; 및 상기 적어도 하나의 감성 유사도 및 상기 적어도 하나의 기준 단어의 미리 설정된 쾌-불쾌 지수를 이용하여 상기 단어의 쾌-불쾌 지수를 예측하는 예측부;를 포함하는 것을 특징으로 하는 단어의 쾌-불쾌 지수 예측 장치가 제공된다.
상기 산출부는, 상기 단어 또는 상기 기준 단어와 상기 비교 단어가 한 문단에서 독립적으로 출현할 확률, 및 상기 단어 또는 상기 기준 단어와 상기 비교 단어가 한 문단에서 같이 출현할 확률의 비(ratio)를 이용하여 상기 단어 또는 상기 기준 단어와 상기 비교 단어의 감정 연관성을 산출할 수 있다.
상기 산출부는, 상기 단어와 상기 하나 이상의 비교 단어 각각의 감정 연관성을 원소로 하는 제1 벡터, 및 상기 기본 단어와 상기 하나 이상의 비교 단어 각각의 감정 연관성을 원소로 하는 제2 벡터를 산출하고, 상기 제1 벡터와 상기 제2 벡터의 각도를 이용하여 상기 단어와 상기 기준 단어의 감정 유사도를 산출할 수 있다.
상기 예측부는, 아래의 수학식을 이용하여 상기 단어의 쾌-불쾌 지수를 예측할 수 있다.
Figure 112013073941462-pat00001
여기서, P/UNPp는 상기 예측된 단어의 쾌-불쾌 지수, SUM는 상기 단어와 상기 적어도 하나는 기준 단어의 감정 유사도의 총합, n는 상기 기준 단어의 인덱스, N는 적어도 하나의 기준 단어의 개수, FSn는 상기 n번째 감정 유사도, 상기 P/UNPn는 상기 n번째 기준 단어의 미리 설정된 쾌-불쾌 지수를 각각 의미한다
또한, 본 발명의 다른 실시예에 따르면, 단어의 쾌-불쾌 지수를 예측하는 방법에 있어서, 상기 단어와 하나 이상의 비교 단어 각각의 감정 연관성을 산출하는 단계; 미리 설정된 적어도 하나의 기준 단어 각각과 상기 하나 이상의 비교 단어 각각의 감정 연관성을 산출하는 단계; 상기 단어와 상기 적어도 하나의 기준 단어 각각의 감정 유사도를 산출하는 단계; 및 상기 적어도 하나의 감성 유사도 및 상기 적어도 하나의 기준 단어의 미리 설정된 쾌-불쾌 지수를 이용하여 상기 단어의 쾌-불쾌 지수를 예측하는 단계; 를 포함하는 것을 특징으로 하는 단어의 쾌-불쾌 지수 예측 방법이 제공된다.
본 발명에 따르면, 단어 감정 예측 기술에서 고려되지 않던 단어의 감정 정도(쾌-불쾌 지수)를 예측함으로써 보다 고도화된 텍스트 감정 분석 기술을 가능하게 한다.
도 1은 본 발명의 일 실시예에 따른 단어 쾌-불쾌 지수 예측 시스템의 개략적인 구성을 도시한 도면이다.
도 2은 본 발명의 일 실시예에 따른 기준 단어 처리부의 개략적인 구성을 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 단어 전처리부의 개략적인 구성을 도시한 도면이다.
도 4은 본 발명의 일 실시예에 따른 단어 쾌-불쾌 지수 예측 장치의 개략적인 구성을 도시한 도면이다.
도 5은 본 발명의 일 실시예에 따른 단어 쾌-불쾌 지수 예측 방법의 개략적인 과정을 도시한 순서도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
본 발명에서는 단어의 쾌-불쾌 지수(감성 정도)를 예측하기 위하여 '한 문장에 동시 출현하는 단어들과의 연관성이 유사하다면, 두 감정 단어(즉, 사람의 감정을 표현하기 위한 단어)의 감정 정도는 유사할 것이다' 라는 가정을 기본으로 한다. 이를 위하여 몇몇 감성 단어와 그에 따른 쾌-불쾌 지수가 기록되어 있는 목록을 이용하여 해당 단어들과 동시 출현하는 단어들 간의 연관성을 계산한다. 연관성 계산 후 감성 단어 간의 유사도를 구하고, 이 유사도를 이용하여 단어의 쾌-불쾌 지수를 예측한다.
이하에서, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 단어 쾌-불쾌 지수 예측 시스템의 개략적인 구성을 도시한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 단어의 쾌-불쾌 지수 예측 시스템(100)은 기준 단어 처리부(110), 단어 전처리부(120) 및 단어 쾌-불쾌 지수 예측 장치(130)를 포함한다. 이하, 도 1를 참조하여, 각 구성 요소 별로 그 기능을 상세히 설명하기로 한다. 또한, 설명의 편의를 위해, 쾌-불쾌 지수(Pleasant-Unpleasant)를 예측하기 위한 단어를 '대상 단어'라 호칭하기로 한다.
기준 단어 처리부(110)는 '대상 단어'의 쾌-불쾌 지수를 예측하기 위해 이용되는 적어도 하나의 감정과 관련된 단어를 사전 처리한다. 이하, 설명의 편의를 위해, 감정과 관련된 단어를 쾌-불쾌 지수 예측하기 위한 '대상 단어'와 구별되는 의미로서, '기준 단어'로 호칭하기로 한다.
보다 상세하게, 기준 단어 처리부(110)는 적어도 하나의 '기준 단어' 및 '기준 단어'에 대한 쾌-불쾌 지수를 미리 설정한다. 이를 위해 기준 단어 처리부(110)는 도 2에 도시된 바와 같이 기준 단어 모듈부(111), 형태소 분석부(112) 및 불용어 제거 모듈부(113)를 포함할 수 있다. 여기서, 형태소 분석부(112)는 각 단어에 알맞은 품사를 태깅(tagging)하는 작업(예: '사랑'은 '명사'임을 알려주는 작업)을 수행하며, 불용어 제거 모듈부(113)는 사랑하다'라는 단어에서 '하다'처럼 실제적인 의미가 없는 부분을 제거하는 기능을 수행한다.
다음으로, 단어 전처리부(120)는 온라인 컨텐츠 등과 같은 문장에서 전처리된 문장 리스트를 추출하고, 이로부터 전처리된 단어를 추출한다. 이를 위해, 단어 전처리부(120)는 도 3에 도시된 바와 같이 크롤러(Crawler)(121), 전처리부(122), 형태소 분석부(123), 이상 문자열 자동 띄어쓰기 모듈부(124), 일부 구어체 말투 보정 모듈(125), 문장 분류 모듈부(126), 및 불용어 제거 모듈부(127)를 포함한다.
계속하여, 단어 쾌-불쾌 지수 예측 장치(130)는 전처리된 단어에 대한 쾌-불쾌 지수를 예측한다.
보다 상세하게, 도 4에 도시된 바와 같이, 단어 쾌-불쾌 지수 예측 장치(130)는 산출부(131) 및 예측부(132)를 포함한다. 그리고, 도 5는 본 발명의 일 실시예에 따른 단어 쾌-불쾌 지수 예측 장치(130)의 동작(단어 쾌-불쾌 지수 예측 방법)의 전체적인 흐름을 도시한 순서도이다. 이하 도 4 및 도 5를 참조하여 각 구성 요소 별 기능 및 각 단계 별로 수행되는 동작을 상세히 설명한다.
단계(S510)에서, 산출부(131)는 '대상 단어'와 '비교 단어'의 감정 연관성을 산출한다. 또한, 산출부(131)는 하나 이상의 '비교 단어' 전체에 대해 반복적으로 감정 연관성을 산출한다.
예를 들어, "시험"이라는 '대상 단어'가 있고, "후련" 및 "아슬아슬"이라는 '비교 단어'가 있는 경우, "시험"과 "후련" 사이에는 감정 연관성이 있으며, "시험"와 "아슬아슬" 사이에도 감정 연관성이 존재한다. 따라서, 산출부(131)는 "시험(대상 단어)"과, "후련(비교 단어 1)" 및 "아슬아슬(비교 단어 2)" 사이에 얼마나 감정적으로 연관성이 있는지를 확률적으로 산출한다.
본 발명의 일 실시예에 따르면, 산출부(131)는 '대상 단어'와 '비교 단어'가 한 문단에서 독립적으로 출현할 확률, 및 '대상 단어'와 '비교 단어'가 한 문단에서 같이 출현할 확률의 비(ratio)를 이용하여 '대상 단어'와 '비교 단어'의 감정 연관성을 산출할 수 있다. 이는 앞서 설명한 바와 같이, "한 문장에 동시 출현하는 단어들과의 연관성이 유사하다면, 두 감정 단어의 감정 정도는 유사할 것이다" 라는 전제에 따른 것이다.
일례로서, 본 발명의 산출부(131)는 아래의 수학식 1에 표시된 것과 같이 PMI(Pointwise Mutual Information) 지수를 이용하여 '대상 단어'와 '비교 단어'의 감정 연관성을 산출할 수 있다.
Figure 112013073941462-pat00002
여기서, A는 '대상 단어', B는 '비교 단어', PMI(A, B)는 '대상 단어'와 '비교 단어'의 감정 연관성, P(A)×P(B)는 '대상 단어'와 '비교 단어'가 한 문단에서 독립적으로 출현할 확률, P(A∩B)는 '대상 단어'와 '비교 단어'가 한 문단에서 같이 출현할 확률을 의미한다.
그리고, 단계(S510)에서 산출부(131)는 '대상 단어'와 하나 이상의 '비교 단어' 각각의 감정 연관성을 원소로 하는 제1 벡터를 더 산출한다. 예를 들어, '불금'(대상 단어)과 '즐기, 흥, 재미, 아쉽, 즐겁'(이하, 비교 단어)의 감정 연관성(제1 벡터) 및 '시험'(대상 단어)과 '유감, 후련, 무시무시, 자책, 아슬아슬'(이하, 비교 단어)의 감정 연관성(제1 벡터)은 표 1과 같다.
즐기(B1) 흥(B2) 재미(B3) 아쉽(B4) 즐겁(B5)
불금(A) [6.04, 5.53, 4.67, 4.60, 4.01] ->제1 벡터
유감(B1) 후련(B2) 무시무시(B3) 자책(B4) 아슬아슬(B5)
시험(A) [5.87, 4.87, 4.87, 4.59, 3.92] ->제1 벡터
다음으로, 단계(S520)에서, 산출부(131)는 '대상 단어'와 마찬가지로, 미리 설정된 '기준 단어'와 '비교 단어'의 감정 연관성을 산출하되, 하나 이상의 '비교 단어' 전체에 대해 반복적으로 감정 연관성을 산출한다.
본 발명의 일 실시예에 따르면, 앞서 설명한 바와 유사하게, 산출부(131)는 '기준 단어'와 '비교 단어'가 한 문단에서 독립적으로 출현할 확률, 및 '기준 단어'와 '비교 단어'가 한 문단에서 같이 출현할 확률의 비를 이용하여 '기준 단어'와 '비교 단어'의 감정 연관성을 산출할 수 있다. 일례로서, 본 발명의 산출부(131)은 아래의 수학식 2에 표시된 것과 같이 PMI 지수를 이용하여 '기준 단어'와 '비교 단어'의 감정 연관성을 산출할 수 있다.
Figure 112013073941462-pat00003
여기서, C는 '기준 단어', B는 '비교 단어', PMI(C, B)는 '기준 단어'와 '비교 단어'의 감정 연관성, P(C)×P(B)는 '기준 단어'와 '비교 단어'가 한 문단에서 독립적으로 출현할 확률, P(C∩B)는 '기준 단어'와 '비교 단어'가 한 문단에서 같이 출현할 확률을 의미한다.
또한, 산출부(131)는 '기준 단어'와 하나 이상의 '비교 단어" 각각의 감정 연관성을 원소로 하는 제2 벡터를 산출한다. 그리고, 산출부(131)는 적어도 하나의 '기준 단어' 각각에 대해 제2 벡터(즉 적어도 하나의 제2 벡터)를 산출한다. 다시 말해, 산출부(131)는 미리 설정된 적어도 하나의 '기준 단어' 각각과 하나 이상의 '비교 단어" 각각의 감정 연관성을 산출하며, 이 결과 적어도 하나의 제2 벡터가 산출된다.
계속하여, 단계(S530)에서, 산출부(131)는 '대상 단어'와 적어도 하나의 '기준 단어' 각각의 감정 유사도를 산출한다. 감정 유사도는 '대상 단어'와 '기준 단어'를 비교하여 감정적으로 얼마나 관련성이 있는지를 보여주는 척도이다.
본 발명의 일 실시예에 따르면, 산출부(131)는 제1 벡터와 제2 벡터의 각도를 이용하여 '대상 단어'와 '기준 단어'의 감정 유사도를 산출할 수 있으며, 이는 아래의 수학식 3와 같이 표현될 수 있다.
Figure 112013073941462-pat00004
여기서,
Figure 112013073941462-pat00005
는 코사인 유사도,θ는 제1 벡터와 제2 벡터의 각도를 의미한다. 따라서, 제1 벡터와 제2 벡터의 각도가 작을수록, 즉 코사인 값이 클수록 '대상 단어'와 '기준 단어'의 감정 유사도가 커진다.
한편, 다수 개의 '기준 단어'가 존재하며, 적어도 하나의 '기준 단어'의 개수는 다수 개의 '기준 단어' 중 감정 유사도가 높은 상위 k개(1 이상의 정수)일 수 있다.
아래의 표 2는 '대상 단어'가 "행복"이고, 5개의 '기준 단어'가 "사랑, 좋, 즐겁, 기쁘, 슬프"일 때의 코사인 유사도의 일례 및 '대상 단어'가 "자책"이고, 5개의 '기준 단어'가 "후회, 걱정, 발끈하, 고민, 죄"일 때의 코사인 유사도의 일례를 도시한 표이다.
사랑(C1) 좋(C2) 즐겁(C3) 기쁘(C4) 슬프(C5)
행복(A) 0.35 0.29 0.27 0.24 0.21
후회(C1) 걱정(C2) 발끈하(C3) 고민(C4) 죄(C5)
자책(A) 0.15 0.12 0.10 0.10 0.09
다음으로, 단계(S540)에서, 예측부(132)는 적어도 하나의 감성 유사도 및 적어도 하나의 기준 단어의 미리 설정된 쾌-불쾌 지수를 이용하여 단어의 쾌-불쾌 지수를 예측한다. 여기서, 적어도 하나의 기준 단어의 미리 설정된 쾌-불쾌 지수는 앞서 설명한 것과 같이 기준 단어 처리부(110)에서 설정될 수 있다.
그리고, 본 발명의 일 실시예에 따르면, 예측부(132)는 아래의 수학식 4를 이용하여 단어의 쾌-불쾌 지수를 예측할 수 있다.
Figure 112013073941462-pat00006
여기서, P/UNPp는 예측된 단어의 쾌-불쾌 지수, SUM는 '대상 단어'와 적어도 하나는 '기준 단어'의 감정 유사도의 총합, n는 '기준 단어'의 인덱스, N는 적어도 하나의 '기준 단어'의 개수, FSn는 상기 단어와 n번째 기준 단어의 감정 유사도, P/UNPn는 n번째 '기준 단어'의 미리 설정된 쾌-불쾌 지수를 각각 의미한다.
일례로서, '대상 단어'가 "자책"이고, 5개의 '기준 단어'가 "후회, 걱정, 발끈, 고민, 죄"이며, 미리 설정된 5개의 '기준 단어'의 쾌-불쾌 지수가 각각 순서대로 "2.45, 2.94, 2.57, 2.75, 2.20"이고, 산출부(131)에서 산출된 '대상 단어'와 '기준 단어' 각각의 유사도가 각각 "0.155, 0.127, 0.107, 0.106, 0.099"인 경우, 감정 유사도의 총합(SUM)는 0.594이고, 예측된 단어의 쾌-불쾌 지수(P/UNPp)는 아래의 수학식 5와 같이 2.588일 수 있다.
Figure 112013073941462-pat00007
이는 기준 단어 처리부(110)에서 '대상 단어(자책)'에 대해 "한국어 검정단어의 목록 작성과 차원 탐색"에 공지된 기술에 따라 산출한 실제값인 "2.24"와 유사함을 알 수 있다.
이와 같이, 본 발명에 따르면, 단어 감정 예측 기술에서 고려되지 않던 단어의 감정 정도(쾌-불쾌 지수)를 예측함으로써 보다 고도화된 텍스트 감정 분석 기술을 가능하게 하는 장점이 있다.
또한, 본 발명의 실시예들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 일 실시예들의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

Claims (6)

  1. 단어의 쾌-불쾌 지수를 예측하는 장치에 있어서,
    상기 단어와 하나 이상의 비교 단어 각각의 감정 연관성을 산출하고, 미리 설정된 적어도 하나의 기준 단어 각각과 상기 하나 이상의 비교 단어 각각의 감정 연관성을 산출하며, 상기 단어와 상기 적어도 하나의 기준 단어 각각의 감정 유사도인 적어도 하나의 감성 유사도를 산출하는 산출부; 및
    상기 적어도 하나의 감성 유사도 및 상기 적어도 하나의 기준 단어의 미리 설정된 쾌-불쾌 지수를 이용하여 상기 단어의 쾌-불쾌 지수를 예측하는 예측부;를 포함하되,
    제1 단어와 제2 단어의 상기 감정 연관성은 상기 제1 단어와 상기 제2 단어가 한 문단에서 독립적으로 출현할 확률 및 상기 제1 단어와 상기 제2 단어가 한 문단에서 같이 출현할 확률의 비(ratio)의 로그값을 의미하고,
    상기 산출부는 상기 단어와 상기 하나 이상의 비교 단어 각각의 감정 연관성을 원소로 하는 제1 벡터, 및 상기 적어도 하나의 기준 단어와 상기 하나 이상의 비교 단어 각각의 감정 연관성을 원소로 하는 제2 벡터를 산출하고, 상기 제1 벡터와 상기 제2 벡터의 코사인 유사도를 상기 단어와 상기 적어도 하나의 기준 단어 각각의 감정 유사도로서 산출하고,
    상기 예측부는, 아래의 수학식을 이용하여 상기 단어의 쾌-불쾌 지수를 예측하는 것을 특징으로 하는 단어의 쾌-불쾌 지수 예측 장치.
    Figure 112015008694142-pat00014

    여기서, P/UNPp는 상기 예측된 단어의 쾌-불쾌 지수, SUM는 상기 단어와 상기 적어도 하나의 기준 단어의 감정 유사도의 총합, n은 상기 적어도 하나의 기준 단어의 인덱스, N은 상기 적어도 하나의 기준 단어의 개수, FSn는 상기 단어와 n번째 기준 단어의 감정 유사도, 상기 P/UNPn는 상기 n번째 기준 단어의 미리 설정된 쾌-불쾌 지수를 각각 의미함.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 단어의 쾌-불쾌 지수를 예측하는 방법에 있어서,
    상기 단어와 하나 이상의 비교 단어 각각의 감정 연관성을 산출하는 단계;
    미리 설정된 적어도 하나의 기준 단어 각각과 상기 하나 이상의 비교 단어 각각의 감정 연관성을 산출하는 단계;
    상기 단어와 상기 적어도 하나의 기준 단어 각각의 감정 유사도인 적어도 하나의 감성 유사도를 산출하는 단계; 및
    상기 적어도 하나의 감성 유사도 및 상기 적어도 하나의 기준 단어의 미리 설정된 쾌-불쾌 지수를 이용하여 상기 단어의 쾌-불쾌 지수를 예측하는 단계;를 포함하되,
    제1 단어와 제2 단어의 상기 감정 연관성은 상기 제1 단어와 상기 제2 단어가 한 문단에서 독립적으로 출현할 확률 및 상기 제1 단어와 상기 제2 단어가 한 문단에서 같이 출현할 확률의 비의 로그값을 의미하고,
    상기 적어도 하나의 감성 유사도를 산출하는 단계는 상기 단어와 상기 하나 이상의 비교 단어 각각의 감정 연관성을 원소로 하는 제1 벡터, 및 상기 적어도 하나의 기준 단어와 상기 하나 이상의 비교 단어 각각의 감정 연관성을 원소로 하는 제2 벡터를 산출하고, 상기 제1 벡터와 상기 제2 벡터의 코사인 유사도를 상기 단어와 상기 적어도 하나의 기준 단어 각각의 감정 유사도로서 산출하고,
    상기 단어의 쾌-불쾌 지수를 예측하는 단계는 예측부는, 아래의 수학식을 이용하여 상기 단어의 쾌-불쾌 지수를 예측하는 것을 특징으로 하는 단어의 쾌-불쾌 지수 예측 방법.
    Figure 112015008694142-pat00015

    여기서, P/UNPp는 상기 예측된 단어의 쾌-불쾌 지수, SUM는 상기 단어와 상기 적어도 하나의 기준 단어의 감정 유사도의 총합, n은 상기 적어도 하나의 기준 단어의 인덱스, N은 상기 적어도 하나의 기준 단어의 개수, FSn는 상기 단어와 n번째 기준 단어의 감정 유사도, 상기 P/UNPn는 상기 n번째 기준 단어의 미리 설정된 쾌-불쾌 지수를 각각 의미함.
  6. 제5항의 방법을 수행하는 프로그램을 기록한 컴퓨터 판독 가능 기록 매체.
KR20130096728A 2013-06-26 2013-08-14 단어의 쾌-불쾌 지수 예측 장치 및 방법 KR101508059B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/KR2014/003216 WO2014208880A1 (ko) 2013-06-26 2014-04-15 단어의 쾌-불쾌 지수 예측 장치 및 방법
US14/981,326 US9734145B2 (en) 2013-06-26 2015-12-28 Word comfort/discomfort index prediction apparatus and method therefor

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20130073507 2013-06-26
KR1020130073507 2013-06-26

Publications (2)

Publication Number Publication Date
KR20150001567A KR20150001567A (ko) 2015-01-06
KR101508059B1 true KR101508059B1 (ko) 2015-04-07

Family

ID=52475297

Family Applications (1)

Application Number Title Priority Date Filing Date
KR20130096728A KR101508059B1 (ko) 2013-06-26 2013-08-14 단어의 쾌-불쾌 지수 예측 장치 및 방법

Country Status (2)

Country Link
US (1) US9734145B2 (ko)
KR (1) KR101508059B1 (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101615848B1 (ko) * 2015-01-19 2016-04-26 주식회사 엔씨소프트 유사상황 검색을 통한 대화 스티커 추천방법 및 컴퓨터 프로그램
KR101641572B1 (ko) * 2015-01-19 2016-07-21 주식회사 엔씨소프트 상황 및 선호도 기반 대화 스티커 순위 결정 방법 및 컴퓨터 프로그램
CN106682386A (zh) * 2016-11-02 2017-05-17 河南工业大学 一种时空结构化情感抚慰树及其生成方法与情感抚慰交互***
US10135979B2 (en) * 2016-11-02 2018-11-20 International Business Machines Corporation System and method for monitoring and visualizing emotions in call center dialogs by call center supervisors
US10158758B2 (en) 2016-11-02 2018-12-18 International Business Machines Corporation System and method for monitoring and visualizing emotions in call center dialogs at call centers
FR3091603B1 (fr) * 2019-01-07 2022-01-21 Valeo Systemes Thermiques Système interactif

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120044910A (ko) * 2010-10-28 2012-05-08 (주)엠씨에스로직 지능형 감성단어 확장장치 및 그 확장방법
KR20120044808A (ko) * 2010-10-28 2012-05-08 (주)엠씨에스로직 인스턴트 메신저 서비스 제공시스템 및 그 제공방법, 및 통신 단말기 및 그 통신방법
WO2012134180A2 (ko) 2011-03-28 2012-10-04 가톨릭대학교 산학협력단 문장에 내재한 감정 분석을 위한 감정 분류 방법 및 컨텍스트 정보를 이용한 다중 문장으로부터의 감정 분류 방법
KR20120108095A (ko) * 2011-03-23 2012-10-05 김병훈 소셜 데이터 분석 시스템

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6999914B1 (en) * 2000-09-28 2006-02-14 Manning And Napier Information Services Llc Device and method of determining emotive index corresponding to a message
US7289949B2 (en) * 2001-10-09 2007-10-30 Right Now Technologies, Inc. Method for routing electronic correspondence based on the level and type of emotion contained therein
US7865354B2 (en) * 2003-12-05 2011-01-04 International Business Machines Corporation Extracting and grouping opinions from text documents
US20080313130A1 (en) * 2007-06-14 2008-12-18 Northwestern University Method and System for Retrieving, Selecting, and Presenting Compelling Stories form Online Sources
US8463594B2 (en) * 2008-03-21 2013-06-11 Sauriel Llc System and method for analyzing text using emotional intelligence factors
US8504356B2 (en) * 2008-04-03 2013-08-06 Nec Corporation Word classification system, method, and program
US8682649B2 (en) * 2009-11-12 2014-03-25 Apple Inc. Sentiment prediction from textual data
KR101160193B1 (ko) * 2010-10-28 2012-06-26 (주)엠씨에스로직 감성적 음성합성 장치 및 그 방법
US8676730B2 (en) 2011-07-11 2014-03-18 Accenture Global Services Limited Sentiment classifiers based on feature extraction
US9009024B2 (en) * 2011-10-24 2015-04-14 Hewlett-Packard Development Company, L.P. Performing sentiment analysis
US9819711B2 (en) * 2011-11-05 2017-11-14 Neil S. Davey Online social interaction, education, and health care by analysing affect and cognitive features
US9009027B2 (en) * 2012-05-30 2015-04-14 Sas Institute Inc. Computer-implemented systems and methods for mood state determination
US20140365208A1 (en) * 2013-06-05 2014-12-11 Microsoft Corporation Classification of affective states in social media

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120044910A (ko) * 2010-10-28 2012-05-08 (주)엠씨에스로직 지능형 감성단어 확장장치 및 그 확장방법
KR20120044808A (ko) * 2010-10-28 2012-05-08 (주)엠씨에스로직 인스턴트 메신저 서비스 제공시스템 및 그 제공방법, 및 통신 단말기 및 그 통신방법
KR20120108095A (ko) * 2011-03-23 2012-10-05 김병훈 소셜 데이터 분석 시스템
WO2012134180A2 (ko) 2011-03-28 2012-10-04 가톨릭대학교 산학협력단 문장에 내재한 감정 분석을 위한 감정 분류 방법 및 컨텍스트 정보를 이용한 다중 문장으로부터의 감정 분류 방법

Also Published As

Publication number Publication date
US9734145B2 (en) 2017-08-15
US20160132490A1 (en) 2016-05-12
KR20150001567A (ko) 2015-01-06

Similar Documents

Publication Publication Date Title
KR101508059B1 (ko) 단어의 쾌-불쾌 지수 예측 장치 및 방법
CN107102989B (zh) 一种基于词向量、卷积神经网络的实体消歧方法
WO2020258502A1 (zh) 文本分析方法、装置、计算机装置及存储介质
CN109299280B (zh) 短文本聚类分析方法、装置和终端设备
US10152478B2 (en) Apparatus, system and method for string disambiguation and entity ranking
CN107480143A (zh) 基于上下文相关性的对话话题分割方法和***
US20180173697A1 (en) Automated discovery using textual analysis
CN110569335A (zh) 基于人工智能的三元组校验方法、装置及存储介质
US20220138424A1 (en) Domain-Specific Phrase Mining Method, Apparatus and Electronic Device
US20140365494A1 (en) Search term clustering
KR101567789B1 (ko) 상대적 감정 유사도를 이용한 단어의 쾌-불쾌 지수 예측 장치 및 방법
Hulpuș et al. Knowledge graphs meet moral values
US20130080150A1 (en) Automatic Semantic Evaluation of Speech Recognition Results
CN110222139A (zh) 道路实体数据去重方法、装置、计算设备和介质
CN108268443B (zh) 确定话题点转移以及获取回复文本的方法、装置
CN110223674A (zh) 语音语料训练方法、装置、计算机设备和存储介质
TWI465949B (zh) 資料分群裝置和方法
CN111950267A (zh) 文本三元组的抽取方法及装置、电子设备及存储介质
KR101646159B1 (ko) Srl 기반의 문장 분석 방법 및 장치
CN114818665B (zh) 一种基于bert+bilstm+crf与xgboost模型的多意图识别方法和***
Tschuggnall et al. Reduce & attribute: Two-step authorship attribution for large-scale problems
CN113657116B (zh) 基于视觉语义关系的社交媒体流行度预测方法及装置
CN112417163B (zh) 基于实体线索片段的候选实体对齐方法及装置
CN112528646B (zh) 词向量生成方法、终端设备及计算机可读存储介质
CN111199148B (zh) 文本相似度确定方法、装置、存储介质和电子设备

Legal Events

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

Payment date: 20180108

Year of fee payment: 4