KR101613259B1 - System and method for analyzing emotion of user of social network service - Google Patents
System and method for analyzing emotion of user of social network service Download PDFInfo
- Publication number
- KR101613259B1 KR101613259B1 KR1020140090603A KR20140090603A KR101613259B1 KR 101613259 B1 KR101613259 B1 KR 101613259B1 KR 1020140090603 A KR1020140090603 A KR 1020140090603A KR 20140090603 A KR20140090603 A KR 20140090603A KR 101613259 B1 KR101613259 B1 KR 101613259B1
- Authority
- KR
- South Korea
- Prior art keywords
- adjective
- text
- emotional
- value
- post
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명은 소셜 네트워크 서비스 사용자의 감성 분석 시스템 및 그 방법에 관한 것으로서, 기존의 텍스트 위주의 시스템과 달리, 텍스트, 이모티콘 및 이미지 등의 다양한 게시물을 분류하여 각각에 대한 감성 형용사를 추출하며, 추출된 감성 형용사를 감성 값으로 수치화함으로써, 수치화된 값을 바탕으로 사용자의 감성을 분석할 수 있는 시스템 및 그 방법을 제공함에 목적이 있다.
이러한 목적을 달성하기 위한 본 발명은, 소셜 네트워크 서비스 게시물의 종류를 분류하는 게시물 분류부; 상기 게시물 분류부를 통해 분류된 게시물을 분석하여 각각에 대한 형용사를 추출하는 형용사 추출부; 및 상기 형용사 추출부를 통해 추출된 형용사를 감성 값으로 수치화여 누적하는 감성 값 수치화부; 를 포함한다. The present invention relates to a system and method for emotional analysis of a social network service user, and unlike a conventional text-based system, various posts such as texts, emoticons, and images are classified to extract emotional adjectives for each, The present invention provides a system and method for analyzing a user's emotions based on numerical values by digitizing emotional adjectives with emotional values.
In order to achieve the above object, the present invention provides a service providing system, comprising: a post classification unit for classifying types of social network service posts; An adjective extracting unit for analyzing a post classified through the post classifying unit and extracting an adjective for each post; An emotion value quantization unit for digitizing and accumulating the adjective extracted through the adjective extracting unit into emotion values; .
Description
본 발명은 멀티 모달(multi modal) 기반의 소셜 네트워크 서비스 사용자 감성 분석 시스템 및 그 방법에 관한 것으로서, 더욱 상세하게는 소셜 네트워크 서비스(Social Network Service: SNS)에서의 텍스트, 이모티콘 및 이미지 등의 사용자 게시물을 분석하여, 일정 기간동안의 사용자 감성 흐름을 확인 및 예측할 수 있는 시스템 및 그 방법에 관한 것이다. BACKGROUND OF THE
소셜 네트워크 서비스(Social Network Service: SNS)가 대두됨에 따라 인터넷 사용자들 간에 정보를 생산하는 사람과 소비하는 사람간의 구분이 사라지게 되었고, 인터넷에서의 정보 생산 및 확산과정에 많은 변화가 이루어졌다. As the social network service (SNS) has emerged, the distinction between Internet users and those who produce information has disappeared, and many changes have been made in the process of information production and diffusion on the Internet.
사람들은 다양한 SNS에서 마이크로 블로깅(Micro blogging)을 사용하여 의견을 표출하고 있다. 따라서, 이를 분석하는 연구가 많이 진행되고 있으며, 현재까지 대부분의 연구는 주식 시장이나 상업적인 마케팅 등의 비지니스 측면으로 활용되고 있다.People are using micro blogging in various social networks to express their opinions. Therefore, many researches have been conducted to analyze this, and most researches have been used for business aspects such as stock market and commercial marketing.
반면, 최근에 사회 및 정신학적 측면에서 사용자의 감성 분석에 대한 필요성이 제기되고 있으며, 사용자의 SNS 글에서 나타나는 '자살' 과 '힘들다' 등의 단어분석을 통해 사용자의 자살률을 예측하거나, 트위터(Twitter) 데이터를 분석하여 사용자의 감성을 예측하는 등의 감성흐름 분석을 위한 연구에 대한 관심이 급증하고 있다. On the other hand, recently, there is a need for emotional analysis of users in social and psychological aspects, and it is possible to predict users' suicide rates by analyzing words such as' suicide 'and' hard ' Twitter) There is a growing interest in research for emotional flow analysis, such as analyzing data and predicting user emotions.
한편, 감성 흐름 분석을 위하여 감성어를 추출하는 기술과 관련해서는, 한국공개특허 제10-2013-0119246호(이하, '선행문헌') 외에 다수 등록 및 공개되어 있다. On the other hand, in relation to the technology for extracting emotional words for the emotional flow analysis, there are a large number of registered and disclosed in addition to Korean Patent Laid-Open No. 10-2013-0119246 (hereinafter referred to as 'prior art').
상기한 선행문헌에는, 소셜 네트워크 서비스(SNS) 상에서 입력한 정보를 바탕으로, 감성을 표현하는 단어를 추출하고, 추출된 감성 표현 단어들을 감성 상태에 따라 분류하는 구성이 개시되어 있다. The foregoing prior art discloses a configuration in which words expressing emotion are extracted based on information input on a social network service (SNS), and the extracted emotion expression words are classified according to the emotion state.
일반적으로, 트윗 내용은 미디어 타입에 따라 텍스트, 이모티콘, 영상으로 나뉜다. In general, the content of the tweet is divided into text, emoticon, and video depending on the media type.
그러나, 상기한 선행문헌과 같이 종래에는, 텍스트 분석을 통해 사용자의 감성을 분석하였으며, 텍스트 상에서 시각적인 정보를 보완하는 이모티콘과, 사용자의 전체적인 감성을 대변하는 이미지에 대해서는 사용자의 감성을 분석해내지 못하는 한계가 있었다. However, in the prior art as described above, the user's emotions are analyzed through text analysis, emoticons complementing the visual information on the text, and images that represent the overall emotion of the user, There was a limit.
본 발명은 상기와 같은 문제점을 감안하여 안출된 것으로, 기존의 텍스트 위주의 시스템과 달리, 텍스트, 이모티콘 및 이미지 등의 다양한 게시물을 분류하여 각각에 대한 감성 형용사를 추출하며, 추출된 감성 형용사를 감성 값으로 수치화함으로써, 수치화된 값을 바탕으로 사용자의 감성을 분석할 수 있는 시스템 및 그 방법을 제공함에 목적이 있다. The present invention has been made in view of the above problems, and it is an object of the present invention to provide a method and system for classifying various posts such as texts, emoticons, and images and extracting emotional adjectives for each of them, The present invention is directed to a system and method for analyzing a user's emotions based on numerical values.
이러한 기술적 과제를 달성하기 위한 본 발명은 소셜 네트워크 서비스 사용자의 감성 분석 시스템에 관한 것으로서, 소셜 네트워크 서비스 게시물의 종류를 분류하는 게시물 분류부; 상기 게시물 분류부를 통해 분류된 게시물을 분석하여 각각에 대한 형용사를 추출하는 형용사 추출부; 및 상기 형용사 추출부를 통해 추출된 형용사를 감성 값으로 수치화여 누적하는 감성 값 수치화부; 를 포함한다.According to an aspect of the present invention, there is provided an emotional analysis system for a social network service user, comprising: a post classifying unit for classifying types of social network service posts; An adjective extracting unit for analyzing a post classified through the post classifying unit and extracting an adjective for each post; An emotion value quantization unit for digitizing and accumulating the adjective extracted through the adjective extracting unit into emotion values; .
또한 상기 형용사 추출부는, 텍스트의 형태소 분석을 수행하여, 형용사 및 상기 형용사와 쌍(pair)을 이루는 부분을 추출하고, 추출된 부분으로부터 형용사를 추출하는 텍스트 분석모듈; 을 포함하는 것을 특징으로 한다.The adjective extracting unit may include a text analysis module for performing morphological analysis of the text, extracting a portion forming an adjective and a pair with the adjective, and extracting an adjective from the extracted portion; And a control unit.
또한 상기 형용사 추출부는, 이모티콘과 형용사간 상관관계를 분석한 상관관계 데이터베이스를 포함하고 있어, 상기 상관관계 데이터베이스를 바탕으로 해당 이모티콘을 텍스트로 변환하고, 상기 텍스트로부터 형용사를 추출하는 이모티콘 분석모듈; 을 포함하는 것을 특징으로 한다. The emoticon analysis module includes a correlation database analyzing correlations between emoticons and adjectives and converts the emoticon into text based on the correlation database and extracts adjectives from the text. And a control unit.
또한 상기 형용사 추출부는, 형용사를 포함하는 텍스트 쌍(pair)에 해당하는 이미지 패턴을 학습하고, 학습 정보를 바탕으로 해당 이미지에 대한 형용사를 추출하는 이미지 분석모듈; 을 포함하는 것을 특징으로 한다.The adjective extracting unit may include an image analysis module that learns an image pattern corresponding to a text pair including an adjective and extracts an adjective for the image based on the learning information; And a control unit.
또한 상기 텍스트 분석모듈은, 다수의 영어 어휘목록이 저장된 텍스트 데이터베이스를 포함하고 있어, 상기 텍스트 데이터베이스에 저장된 영어 어휘목록을 바탕으로 해당 텍스트에 대한 형태소 분석을 수행하는 것을 특징으로 한다.In addition, the text analysis module includes a text database storing a plurality of English vocabulary lists, and performs morphological analysis on the text based on the English vocabulary list stored in the text database.
또한 상기 감성 값 수치화부는, 다수의 감성어 및 각 감성어에 대한 배점을 저장하고 있는 감성어 데이터베이스를 포함하고 있어, 상기 감성어 데이터베이스에 저장된 감성어와 상기 형용사 추출부를 통해 추출된 형용사를 매칭하여, 상기 형용사를 감성 값으로 수치화하는 것을 특징으로 한다.Also, the emotion value quantification unit may include an emotion word database storing a plurality of emotion words and a score for each emotion word. The emotion word matching unit may match the emotion word stored in the emotion word database with the adjective extracted through the adjective extracting unit, And the adjective is numerically expressed as an emotion value.
또한 상기 감성 값 수치화부는, 수치화된 값을 긍정(positive) 값과 부정(negative) 값으로 구분 누적하는 것을 특징으로 한다.In addition, the emotion value quantification section is characterized in that the digitized value is divided and accumulated into a positive value and a negative value.
그리고 상기 감성 값 수치화부는, 수치화된 값을 시간대별로 계산하는 것을 특징으로 한다.The emotion value quantification unit may be configured to calculate the quantized value for each time period.
한편, 본 발명은 소셜 네트워크 서비스 사용자의 감성 분석 방법에 관한 것으로서, (a) 게시물 분류부가 소셜 네트워크 서비스 게시물의 종류를 분류하는 과정; (b) 형용사 추출부가 상기 (a) 과정을 통해 분류된 게시물을 분석하여 각각에 대한 형용사를 추출하는 과정; 및 (c) 감성 값 수치화부가 상기 (b) 과정을 통해 추출된 형용사를 감성 값으로 수치화여 누적하는 과정; 을 포함한다.According to another aspect of the present invention, there is provided a method for analyzing emotions of a user of a social network service, the method comprising the steps of: (a) (b) analyzing the adjectives extracted by the adjective extracting unit and extracting an adjective for each post; And (c) a step of the emotional value quantifying part digitizing the adjective extracted through the step (b) into an emotion value and accumulating it; .
또한 상기 (b) 과정은, (b-1) 상기 형용사 추출부가 상기 (a) 과정을 통해 분류된 게시물의 종류가 텍스트인지 여부를 판단하는 단계; 및 (b-2) 상기 (b-1) 단계의 판단결과, 분류된 게시물의 종류가 텍스트일 경우, 상기 형용사 추출부가 텍스트의 형태소 분석을 수행하여, 형용사 및 상기 형용사와 쌍(pair)을 이루는 부분을 추출하고, 추출된 부분으로부터 형용사를 추출하는 단계; 를 포함하는 것을 특징으로 한다.The step (b) may further include the steps of: (b-1) determining whether the type of the post classified by the adjective extracting unit is text; And (b-2) if it is determined in step (b-1) that the type of the classified post is text, the adjective extracting unit performs morphological analysis of the text to form a pair with the adjective and the adjective And extracting an adjective from the extracted portion; And a control unit.
또한 상기 (b) 과정은, (b-3) 상기 형용사 추출부가 상기 (a) 과정을 통해 분류된 게시물의 종류가 이모티콘인지 여부를 판단하는 단계; 및 (b-4) 상기 (b-3) 단계의 판단결과, 분류된 게시물의 종류가 이모티콘일 경우, 상기 형용사 추출부가 이모티콘과 형용사간 상관관계를 분석한 상관관계 데이터베이스를 바탕으로 해당 이모티콘을 텍스트로 변환하고, 상기 텍스트로부터 형용사를 추출하는 단계; 를 포함하는 것을 특징으로 한다.In addition, the step (b) may further comprise: (b-3) determining whether the adjective extracting unit is an emoticon of the type of the post classified through the step (a); And (b-4) if it is determined in the step (b-3) that the type of the classified post is an emoticon, the adjective extracting unit extracts the emoticon from the correlation database based on the correlation database analyzing the correlation between the emoticon and the adjective, Extracting an adjective from the text; And a control unit.
또한 상기 (b) 과정은, (b-5) 상기 형용사 추출부가 상기 (a) 과정을 통해 분류된 게시물의 종류가 이미지인지 여부를 판단하는 단계; 및 (b-6) 상기 (b-5) 단계의 판단결과, 분류된 게시물의 종류가 이미지일 경우, 상기 형용사 추출부가 형용사를 포함하는 텍스트 쌍(pair)에 해당하는 이미지 패턴에 대한 학습 정보를 바탕으로 해당 이미지에 대한 형용사를 추출하는 단계; 를 포함하는 것을 특징으로 한다.In addition, the step (b) may further include: (b-5) determining whether the adjective extracting unit is an image of a post classified through the step (a); And (b-6) if it is determined in step (b-5) that the type of the classified post is an image, the adjective extracting unit extracts learning information on an image pattern corresponding to a pair of text including an adjective, Extracting an adjective for the image based on the extracted adjective; And a control unit.
또한 상기 (b-2) 단계에서, 상기 형용사 추출부가 텍스트 데이터베이스에 저장된 영어 어휘목록을 바탕으로 해당 텍스트에 대한 형태소 분석을 수행하는 것을 특징으로 한다.In the step (b-2), the adjective extracting unit performs morpheme analysis on the text based on the English vocabulary list stored in the text database.
또한 상기 (c) 과정에서, 상기 감성 값 수치화부가 다수의 감성어 및 각 감성어에 대한 배점을 저장하고 있는 감성어 데이터베이스에 저장된 감성어와 상기 형용사 추출부를 통해 추출된 형용사를 매칭하여, 상기 형용사를 감성 값으로 수치화하는 것을 특징으로 한다.Also, in the step (c), the emotion value quantifying unit may match the emotional words stored in the emotional language database storing scores of the emotional words and the emotional words, and the adjectives extracted through the adjective extracting unit, And emotional value.
또한 상기 (c) 과정에서, 상기 감성 값 수치화부가 수치화된 값을 긍정(positive) 값과 부정(negative) 값으로 구분 누적하는 것을 특징으로 한다. Also, in the step (c), the emotion value estimator may divide the digitized value into a positive value and a negative value.
그리고 상기 (c) 과정에서, 상기 감성 값 수치화부가 수치화된 값을 시간대별로 계산하는 것을 특징으로 한다.In the step (c), the emotion value quantifying unit may calculate the quantified value for each time period.
상기와 같은 본 발명에 따르면, 텍스트, 이모티콘 및 이미지 등의 사용자 게시물을 분석하여, 사용자의 시간대별 감성 흐름을 모니터링함으로써, 방대한 양의 데이터에서 나타나는 사용자의 감성 흐름을 분석 및 예측할 수 있는 효과가 있다. According to the present invention, user sentences such as texts, emoticons, and images are analyzed, and the emotional flow of the user is monitored by time period, thereby analyzing and predicting the emotional flow of the user appearing in a vast amount of data .
도 1 은 본 발명에 따른 소셜 네트워크 서비스 사용자의 감성 분석 시스템을 개념적으로 도시한 전체 구성도.
도 2 는 본 발명에 따른 이미지에 포함된 감성을 예측하기 위하여, 이미지 분석모듈이 이용하는 플러칙의 감정 바퀴(Plutchik's Wheel of Emotions) 모델을 보이는 일예시도.
도 3 은 본 발명에 따른 소셜 네트워크 서비스 사용자의 감성 분석 방법에 관한 전체 흐름도.
도 4 내지 도 6 은 본 발명에 따른 감성분석 결과 중, 3명의 40일간의 감성 흐름 모니터링 결과를 시각화한 그래프. Brief Description of the Drawings Fig. 1 is an overall schematic diagram illustrating a sensibility analysis system of a user of a social network service according to the present invention. Fig.
FIG. 2 illustrates an example of a Plutchik's Wheel of Emotions model used by an image analysis module for predicting emotions included in an image according to the present invention. FIG.
FIG. 3 is a flowchart illustrating an emotional analysis method of a user of a social network service according to the present invention.
FIG. 4 to FIG. 6 are graphs showing the results of monitoring the emotional flow of three persons for 40 days out of the emotional analysis results according to the present invention.
본 발명의 구체적 특징 및 이점들은 첨부도면에 의거한 다음의 상세한 설명으로 더욱 명백해질 것이다. 이에 앞서 본 발명에 관련된 공지 기능 및 그 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는, 그 구체적인 설명을 생략하였음에 유의해야 할 것이다.Specific features and advantages of the present invention will become more apparent from the following detailed description based on the accompanying drawings. It is to be noted that the detailed description of known functions and constructions related to the present invention is omitted when it is determined that the gist of the present invention may be unnecessarily blurred.
이하, 첨부된 도면을 참조하여 본 발명을 상세하게 설명한다. DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS The present invention will now be described in detail with reference to the accompanying drawings.
본 발명에 따른 소셜 네트워크 서비스 사용자의 감성 분석 시스템에 관하여 도 1 내지 도 2 를 참조하여 설명하면 다음과 같다. The emotional analysis system of the social network service user according to the present invention will be described with reference to FIG. 1 to FIG.
도 1 은 본 발명에 따른 소셜 네트워크 서비스 사용자의 감성 분석 시스템(S)을 개념적으로 도시한 전체 구성도로서, 도시된 바와 같이 게시물 분류부(100), 형용사 추출부(200) 및 감성 값 수치화부(300)를 포함하여 이루어진다.
FIG. 1 is a block diagram conceptually showing a sensibility analysis system S of a social network service user according to the present invention. As shown in FIG. 1, a
게시물 분류부(100)는 소셜 네트워크 서비스(Social Network Service: SNS) 게시물의 종류를 분류한다. 이때, 게시물의 종류는 텍스트, 이모티콘 및 이미지 등일 수 있다.
The
형용사 추출부(200)는 게시물 분류부(100)를 통해 분류된 게시물을 분석하여 각각에 대한 형용사를 추출하며, 상기 도 1 에 도시된 바와 같이 텍스트 분석모듈(210), 이모티콘 분석모듈(220) 및 이미지 분석모듈(230)을 포함한다.The adjective extractor 200 analyzes the postings classified through the
텍스트는 트위터 사용자들이 가장 많이 사용하는 미디어 타입이다. 텍스트에서 감성을 가장 많이 표현할 수 있는 품사는 형용사이며, 여기에 명사나 부사가 더해짐으로써 형용사의 감정을 강화하거나 약화시킬 수 있다. The text It is the most popular media type for Twitter users. The part of speech that can express emotion most in text is an adjective, and by adding nouns or adverbs to it, the emotions of adjectives can be strengthened or weakened.
따라서, 텍스트 분석모듈(210)은 텍스트의 형태소 분석을 수행하여, 형용사 및 상기 형용사와 쌍(pair)을 이루는 부분을 추출하고, 추출된 부분으로부터 형용사를 추출한다. Accordingly, the
즉, 텍스트 분석모듈(210)은 다수의 영어 어휘목록이 저장된 텍스트 데이터베이스(211)를 포함하고 있어, 텍스트 데이터베이스(211)에 저장된 영어 어휘목록을 바탕으로 해당 텍스트에 대한 형태소 분석을 수행하여, '형용사+명사' 또는 '형용사+부사' 와 같이 형용사 및 형용사와 쌍(pair)을 이루는 부분만을 추출하고, 이를 통해 형용사를 추출한다. That is, the
아래의 [참고예 1] 에서와 같이, 형태소 분석결과에서, '형용사+명사' 의 쌍(pair)이 존재하며, 이로부터 'beautiful' 이라는 감성 형용사를 추출할 수 있다. As in [Reference Example 1] below, there is a pair of 'adjective + noun' in the morphological analysis result, and the 'beautiful' emotional adjective can be extracted therefrom.
[참고예 1] [Referential Example 1]
I saw a beautiful girl. I saw a beautiful girl.
명사 동사 관사 형용사 명사
Article noun verb adjective noun
사용자는 직접적인 행동이나 표정을 보여주기 위해, 많은 이모티콘을 사용한다. 이러한 이모티콘은 문자, 숫자, 기호 등을 이용해 행동, 얼굴 표정, 사물들을 묘사하여 감성을 효과적으로 전달하기 위한 수단으로서, 본 발명에서는 이모티콘을 분석하여 중요한 감성을 추출하도록 한다.The user uses many emoticons to show direct action or expression. These emoticons are means for effectively conveying emotions by describing behaviors, facial expressions, and objects using letters, numbers, symbols, etc. In the present invention, the emoticon is analyzed to extract important emotions.
따라서, 이모티콘 분석모듈(220)은 이모티콘과 형용사간 상관관계를 분석한 상관관계 데이터베이스(221)를 포함하고 있어, 상관관계 데이터베이스(221)를 바탕으로 해당 이모티콘을 텍스트로 변환하고, 해당 텍스트로부터 형용사를 추출한다. Accordingly, the
아래의 [참고예 2] 의 텍스트에서, '형용사+명사' 쌍에서와 같은 감성 형용사를 포함하고 있지 않지만, 이모티콘을 통해 해당 텍스트를 ' sad ' 라는 감성 형용사로 변환할 수 있다. In the text of [Reference Example 2] below, it does not include emotional adjectives such as those in the 'adjective + noun' pair, but it can be converted into emotional adjectives called 'sad' through emoticons.
[참고예 2][Reference Example 2]
I have a exam
I have a exam
트위터와 같은 소셜 네트워크 서비스(Social Network Service: SNS)의 사용자는 자신의 트윗과 같은 게시물에 이미지를 포함할 수 있으며, 업로드 되는 이미지는 사용자의 감성과 높은 연관성을 가진다. A user of a social network service (SNS) such as Twitter can include an image in a post such as his tweet, and the uploaded image has a high correlation with the emotion of the user.
따라서, 이미지 분석모듈(230)은 이미지에 포함된 감성을 예측하기 위하여, 온톨로지 기반으로 구축된 형용사를 포함하는 텍스트 쌍(pair), 바람직하게 '형용사+명사' 의 쌍(pair)에 해당하는 이미지 패턴을 학습하고, 학습 정보를 바탕으로 도 2 에 도시된 바와 같이, 플러칙의 감정 바퀴(Plutchik's Wheel of Emotions) 모델을 이용하여 해당 이미지에 대한 형용사를 추출한다.
Accordingly, in order to predict the emotion contained in the image, the
감성 값 수치화부(300)는 형용사 추출부(200)를 통해 추출된 형용사를 감성 값으로 수치화하여 누적한다. The emotion
구체적으로, 감성 값 수치화부(300)는 다수의 감성어 및 각 감성어에 대한 배점을 저장하고 있는 감성어 데이터베이스(310)를 포함하고 있어, 감성어 데이터베이스(310)에 저장된 감성어와 형용사 추출부(200)를 통해 추출된 형용사를 매칭하여, 해당 형용사를 감성 값으로 수치화한다. Specifically, the emotion
이때, 감성 값 수치화부(300)는 수치화된 값을 긍정(positive) 값과 부정(negative) 값으로 구분 누적하여, 시간 및 요일별로 계산할 수도 있다. At this time, the emotion
여기서, 감성어 데이터베이스(310)에 저장된 감성어는 각각 다른 배점을 가지고 있다. 예를 들어, Happy 또는 Lovely는 +2, Great 또는 Beautiful은 +3의 양의 값을 갖고, Sad는 -4, Tired는 -2의 음의 값을 가진다.
Here, emotion words stored in the
한편, 상술한 시스템을 이용한 소셜 네트워크 서비스 사용자의 감성 분석 방법에 관하여 도 3 을 참조하여 설명하면 다음과 같다. Meanwhile, an emotional analysis method of a user of a social network service using the above-described system will be described with reference to FIG.
도 3 은 본 발명에 따른 소셜 네트워크 서비스 사용자의 감성 분석 방법에 관한 전체 흐름도로서, 도시된 바와 같이 게시물 분류부(100)는 소셜 네트워크 서비스(Social Network Service: SNS)의 텍스트, 이모티콘 및 이미지 등의 게시물 종류를 분류한다(S10).FIG. 3 is a flowchart illustrating an emotional analysis method of a social network service user according to the present invention. As shown in FIG. 3, the
이후, 형용사 추출부(200)의 텍스트 분석모듈(210)은 텍스트 데이터베이스(211)에 저장된 영어 어휘목록을 바탕으로 해당 텍스트에 대한 형태소 분석을 수행하여, '형용사+명사' 또는 '형용사+부사' 와 같이 형용사 및 형용사와 쌍(pair)을 이루는 부분만을 추출하고(S20), 추출된 부분으로부터 형용사를 추출한다(S30). Then, the
또한, 이모티콘 분석모듈(220)은 이모티콘과 형용사간 상관관계를 분석한 상관관계 데이터베이스(221)를 바탕으로 해당 이모티콘을 텍스트로 변환하고(S40), 해당 텍스트로부터 형용사를 추출한다(S50). In addition, the
또한, 이미지 분석모듈(230)은 이미지에 포함된 감성을 예측하기 위하여, 온톨로지 기반으로 구축된 '형용사+명사' 와 같이 형용사를 포함하는 텍스트 쌍(pair)에 해당하는 이미지 패턴을 학습 정보를 바탕으로 플러칙의 감정 바퀴(Plutchik's Wheel of Emotions) 모델을 이용하여 해당 이미지에 대한 형용사를 추출한다(S60). Also, in order to predict the emotion contained in the image, the
그리고, 감성 값 수치화부(300)는 감성어 데이터베이스(310)에 저장된 감성어와 형용사 추출부(200)를 통해 추출된 형용사를 매칭하여(S70), 해당 형용사를 감성 값으로 수치화하여 누적한다(S80). 앞서 상술한 바와 같이, 감성 값 수치화부(300)는 수치화된 값을 긍정(positive) 값과 부정(negative) 값으로 구분 누적하여, 시간 및 요일별로 계산할 수도 있다.
Then, the emotion
이하에서는, 제안된 시스템 및 방법의 효율성에 관한 평가 실험에 관하여 살펴보도록 한다. 평가를 위해, 약 40일동안 트위터 사용자의 트윗을 수집하여 실험을 수행하였다. Hereinafter, an evaluation test on the efficiency of the proposed system and method will be described. For the evaluation, tweets were collected and tweeted for about 40 days.
먼저, 데이터 수집 단계로서, 트위터와 같은 소셜 네트워크 서비스(Social Network Service: SNS)에 업로드된 실시간 트윗을 2013년 9월~ 2013년 10월에 해당하는 영문 트윗을 모두 수집하여 저장했다. 이때, 상업적 목적의 트위터 사용자를 제거하기 위해, 개인 사용자가 주로 사용하는 4가지 특징(?, !, @, RT)을 사용하여 사용자 그룹을 분류하였다.First, as a data gathering step, real-time tweets uploaded to Social Network Service (SNS) such as Twitter were collected and stored in English tweets from September 2013 to October 2013. At this time, in order to remove the commercial users of tweeter, the user group is classified by using four characteristics (?,!, @, RT) which are mainly used by individual users.
도 4 내지 도 6 은 감성분석 결과 중, 3명의 40일간의 감성 흐름 모니터링 결과를 시각화한 그래프로서, 사용자의 트윗에 포함된 텍스트, 이모티콘 및 이미지 등을 분석하여 수치화된 감성 값을 합하여 얻은 결과를 보인다. 이때, 결과를 분석하기 위해 평균값, 극값(지역 최대치 및 최소, 피크(peak)/밸리(valley), 분산 등을 이용하였다.FIGS. 4 to 6 are graphs showing the results of monitoring the emotional flow of three persons for 40 days out of the emotional analysis results. The results of analyzing the text, emoticons and images included in the user's tweets and summing up the emotion values see. At this time, mean, peak (local maxima and minima, peak / valley, variance, etc.) were used to analyze the results.
도시된 바와 같이, 사용자 1 과 사용자 2 에 대한 결과인 도 4 및 도 5 는 비슷하게 나타났다. 두 그래프 모두, 양의 평균값을 가지고 있으며, 상대적으로 많은 피크(peak)의 개수를 가진다. As shown, the results for
도 4 및 도 5 를 비교해보면, 도 5 는 도 4 보다 피크(peak)의 개수가 더 많고 평균값이 더 높은 결과를 보였다. 이를 통해, 사용자 1 보다 사용자 2 가 더 긍정적(positive)인 감성을 갖는다는 것을 유추해낼 수 있다. 4 and 5, FIG. 5 shows that the number of peaks is larger and the average value is higher than that of FIG. 4. From this, it can be inferred that the
반면, 사용자 3 에 대한 도 6 의 경우에는 밸리(valley)의 개수가 피크(peak)의 개수보다 더 많고, 0에 가까운 평균값과 작은 분산을 가진다. 이를 통해, 사용자 3 은 전체적으로 부정적(negative)인 감성을 갖는 것을 유추할 수 있다. 따라서, 지속적인 감성 모니터링이 필요하다. 일반적으로 다수의 트위터들은 사용자 1 과 사용자 2 에 가까운 감성 트렌드를 보여주고 있으며, 사용자 3 의 경우에는 특이한 경우로 분류된다.On the other hand, in the case of FIG. 6 for
제안된 시스템 및 방법의 객관적인 평가를 위해서는, 지상 검증자료(ground truth)가 필요하다. 하지만, 제안된 방법과 같이 장기간 동안 사용자의 트윗에서의 감성 트렌드를 분석한 연구가 거의 전무하기 때문에, 비교가 불가능하다. For an objective evaluation of the proposed system and method, ground truths are needed. However, it is impossible to compare emotional trends of users' tweets for a long period of time, as suggested by the proposed method.
그럼에도 불구하고, 실험 결과는 제안된 시스템 및 방법이 감성 트렌드 분석에 효율적으로 사용될 수 있으며, 향후 예측까지 확장할 경우, 우울증 및 자살 등의 정신적 상태를 측정하여 위험한 사고를 예방할 수 있을 것으로 기대된다.
Nevertheless, the experimental results suggest that the proposed system and method can be used effectively in the emotional trend analysis, and if extended to future predictions, it will prevent dangerous accidents by measuring mental states such as depression and suicide.
지금까지 상술한 바와 같은, 본 발명에 따른 소셜 네트워크 서비스 사용자의 감성 분석 시스템 및 그 방법은, 텍스트, 이모티콘 및 이미지 등의 게시물을 분석하여, 사용자의 시간대별 감성 흐름을 모니터링하는 멀티 모달 시스템 및 그 방법에 관한 것으로서, 방대한 양의 데이터에서 나타나는 사용자의 감성 흐름을 분석 및 예측에 효율적으로 사용될 수 있는 특징적인 장점을 가진다.
As described above, the emotional analysis system and method of a social network service user according to the present invention includes a multimodal system for analyzing a post such as text, emoticons, and images, And has a characteristic advantage that it can be efficiently used for analyzing and predicting the emotional flow of a user in a vast amount of data.
이상으로 본 발명의 기술적 사상을 예시하기 위한 바람직한 실시예와 관련하여 설명하고 도시하였지만, 본 발명은 이와 같이 도시되고 설명된 그대로의 구성 및 작용에만 국한되는 것이 아니며, 기술적 사상의 범주를 일탈함이 없이 본 발명에 대해 다수의 변경 및 수정이 가능함을 당업자들은 잘 이해할 수 있을 것이다. 따라서, 그러한 모든 적절한 변경 및 수정과 균등물들도 본 발명의 범위에 속하는 것으로 간주되어야 할 것이다. While the present invention has been particularly shown and described with reference to preferred embodiments thereof, it will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention as defined by the appended claims. It will be appreciated by those skilled in the art that numerous changes and modifications may be made without departing from the invention. Accordingly, all such appropriate modifications and changes, and equivalents thereof, should be regarded as within the scope of the present invention.
100: 게시물 분류부 200: 형용사 추출부
300: 감성 값 수치화부 210: 텍스트 분석모듈
220: 이모티콘 분석모듈 230: 이미지 분석모듈
211: 텍스트 데이터베이스 221: 상관관계 데이터베이스
310: 감성어 데이터베이스100: Post classification section 200: Adjective extracting section
300: sensibility value quantification unit 210: text analysis module
220: emoticon analysis module 230: image analysis module
211: text database 221: correlation database
310: Emotional language database
Claims (16)
상기 게시물 분류부를 통해 분류된 게시물을 분석하여 각각에 대한 형용사를 추출하는 형용사 추출부; 및
상기 형용사 추출부를 통해 추출된 형용사를 감성 값으로 수치화여 누적하는 감성 값 수치화부; 를 포함하고,
상기 형용사 추출부는,
형용사를 포함하는 텍스트 쌍(pair)에 해당하는 이미지 패턴을 학습하고, 학습 정보를 바탕으로 해당 이미지에 대한 형용사를 추출하는 이미지 분석모듈로 구비되는 것을 특징으로 하는 소셜 네트워크 서비스 사용자의 감성 분석 시스템.
A post classification unit for classifying the types of social network service posts;
An adjective extracting unit for analyzing a post classified through the post classifying unit and extracting an adjective for each post; And
An emotion value digitizer for digitizing and accumulating the adjective extracted through the adjective extractor into emotion values; Lt; / RTI >
The adjective-
And an image analysis module for learning an image pattern corresponding to a text pair including an adjective and extracting an adjective for the image based on the learning information.
상기 형용사 추출부는,
텍스트의 형태소 분석을 수행하여, 형용사 및 상기 형용사와 쌍(pair)을 이루는 부분을 추출하고, 추출된 부분으로부터 형용사를 추출하는 텍스트 분석모듈; 을 포함하는 것을 특징으로 하는 소셜 네트워크 서비스 사용자의 감성 분석 시스템.
The method according to claim 1,
The adjective-
A text analysis module for performing morphological analysis of the text to extract an adjective and a portion forming a pair with the adjective and extracting an adjective from the extracted portion; Wherein the emotional analysis system comprises:
상기 형용사 추출부는,
이모티콘과 형용사간 상관관계를 분석한 상관관계 데이터베이스를 포함하고 있어, 상기 상관관계 데이터베이스를 바탕으로 해당 이모티콘을 텍스트로 변환하고, 상기 텍스트로부터 형용사를 추출하는 이모티콘 분석모듈; 을 포함하는 것을 특징으로 하는 소셜 네트워크 서비스 사용자의 감성 분석 시스템.
The method according to claim 1,
The adjective-
An emoticon analysis module that includes a correlation database analyzing correlations between emoticons and adjectives, converts emoticons into text based on the correlation database, and extracts adjectives from the text; Wherein the emotional analysis system comprises:
상기 텍스트 분석모듈은,
다수의 영어 어휘목록이 저장된 텍스트 데이터베이스를 포함하고 있어, 상기 텍스트 데이터베이스에 저장된 영어 어휘목록을 바탕으로 해당 텍스트에 대한 형태소 분석을 수행하는 것을 특징으로 하는 소셜 네트워크 서비스 사용자의 감성 분석 시스템.
3. The method of claim 2,
The text analysis module comprising:
Wherein the morphological analysis of the text is performed based on the English vocabulary list stored in the text database, wherein the morphological analysis of the corresponding text is performed.
상기 감성 값 수치화부는,
다수의 감성어 및 각 감성어에 대한 배점을 저장하고 있는 감성어 데이터베이스를 포함하고 있어, 상기 감성어 데이터베이스에 저장된 감성어와 상기 형용사 추출부를 통해 추출된 형용사를 매칭하여, 상기 형용사를 감성 값으로 수치화하는 것을 특징으로 하는 소셜 네트워크 서비스 사용자의 감성 분석 시스템.
The method according to claim 1,
Wherein the emotion value quantization unit comprises:
The emotional word stored in the emotional word database and the adjective extracted through the adjective extracting unit are matched with each other and the adjective is quantified into emotion value Wherein the emotional analysis system comprises:
상기 감성 값 수치화부는,
수치화된 값을 긍정(positive) 값과 부정(negative) 값으로 구분 누적하는 것을 특징으로 하는 소셜 네트워크 서비스 사용자의 감성 분석 시스템.
The method according to claim 1,
Wherein the emotion value quantization unit comprises:
Wherein the emotion analyzing system of the social network service user divides the digitized value into a positive value and a negative value.
상기 감성 값 수치화부는,
수치화된 값을 시간대별로 계산하는 것을 특징으로 하는 소셜 네트워크 서비스 사용자의 감성 분석 시스템.
The method of any one of claims 1, 6, and 7,
Wherein the emotion value quantization unit comprises:
And the numerical value is calculated for each of the time zones.
(b) 형용사 추출부가 상기 (a) 과정을 통해 분류된 게시물을 분석하여 각각에 대한 형용사를 추출하는 과정; 및
(c) 감성 값 수치화부가 상기 (b) 과정을 통해 추출된 형용사를 감성 값으로 수치화여 누적하는 과정; 을 포함하고,
상기 (b) 과정은,
(b-5) 상기 형용사 추출부가 상기 (a) 과정을 통해 분류된 게시물의 종류가 이미지인지 여부를 판단하는 단계; 및
(b-6) 상기 (b-5) 단계의 판단결과, 분류된 게시물의 종류가 이미지일 경우, 상기 형용사 추출부가 형용사를 포함하는 텍스트 쌍(pair)에 해당하는 이미지 패턴에 대한 학습 정보를 바탕으로 해당 이미지에 대한 형용사를 추출하는 단계; 를 포함하는 것을 특징으로 하는 소셜 네트워크 서비스 사용자의 감성 분석 방법.
(a) a process of classifying the type of a post classified social network service post;
(b) analyzing the adjectives extracted by the adjective extracting unit and extracting an adjective for each post; And
(c) The emotional value quantifying unit digitizes the adjective extracted through the process (b) into emotion values and accumulates the sensed value; / RTI >
The step (b)
(b-5) determining whether the type of the post classified by the adjective extracting unit is an image; And
(b-6) If it is determined in step (b-5) that the type of the classified post is an image, the adjective extracting unit extracts learning information on an image pattern corresponding to a text pair including an adjective, Extracting an adjective for the image; The method comprising the steps of:
상기 (b) 과정은,
(b-1) 상기 형용사 추출부가 상기 (a) 과정을 통해 분류된 게시물의 종류가 텍스트인지 여부를 판단하는 단계; 및
(b-2) 상기 (b-1) 단계의 판단결과, 분류된 게시물의 종류가 텍스트일 경우, 상기 형용사 추출부가 텍스트의 형태소 분석을 수행하여, 형용사 및 상기 형용사와 쌍(pair)을 이루는 부분을 추출하고, 추출된 부분으로부터 형용사를 추출하는 단계; 를 포함하는 것을 특징으로 하는 소셜 네트워크 서비스 사용자의 감성 분석 방법.
10. The method of claim 9,
The step (b)
(b-1) determining whether the type of the post classified by the adjective extracting unit is text; And
(b-2) If it is determined in step (b-1) that the type of the classified post is text, the adjective extracting unit performs morphological analysis of the text to determine a part forming a pair with the adjective and the adjective Extracting an adjective from the extracted portion; The method comprising the steps of:
상기 (b) 과정은,
(b-3) 상기 형용사 추출부가 상기 (a) 과정을 통해 분류된 게시물의 종류가 이모티콘인지 여부를 판단하는 단계; 및
(b-4) 상기 (b-3) 단계의 판단결과, 분류된 게시물의 종류가 이모티콘일 경우, 상기 형용사 추출부가 이모티콘과 형용사간 상관관계를 분석한 상관관계 데이터베이스를 바탕으로 해당 이모티콘을 텍스트로 변환하고, 상기 텍스트로부터 형용사를 추출하는 단계; 를 포함하는 것을 특징으로 하는 소셜 네트워크 서비스 사용자의 감성 분석 방법.
10. The method of claim 9,
The step (b)
(b-3) The adjective extracting unit determines whether the type of the post classified through the process (a) is an emoticon. And
(b-4) If it is determined in the step (b-3) that the type of the classified post is an emoticon, the adjective extracting unit extracts the emoticon as text based on the correlation database analyzing the correlation between the emoticon and the adjective Extracting an adjective from the text; The method comprising the steps of:
상기 (b-2) 단계에서,
상기 형용사 추출부가 텍스트 데이터베이스에 저장된 영어 어휘목록을 바탕으로 해당 텍스트에 대한 형태소 분석을 수행하는 것을 특징으로 하는 소셜 네트워크 서비스 사용자의 감성 분석 방법.
10. The method of claim 9,
In the step (b-2)
Wherein the adjective extracting unit performs morphological analysis on the text based on an English vocabulary list stored in a text database.
상기 (c) 과정에서,
상기 감성 값 수치화부가 다수의 감성어 및 각 감성어에 대한 배점을 저장하고 있는 감성어 데이터베이스에 저장된 감성어와 상기 형용사 추출부를 통해 추출된 형용사를 매칭하여, 상기 형용사를 감성 값으로 수치화하는 것을 특징으로 하는 소셜 네트워크 서비스 사용자의 감성 분석 방법.
10. The method of claim 9,
In the step (c)
Wherein the emotional value quantifying unit matches a plurality of emotional words and an adjective extracted through the adjective extracting unit and stored in an emotional language database storing a score for each emotional word, A method of emotional analysis of users of social network services.
상기 (c) 과정에서,
상기 감성 값 수치화부가 수치화된 값을 긍정(positive) 값과 부정(negative) 값으로 구분 누적하는 것을 특징으로 하는 소셜 네트워크 서비스 사용자의 감성 분석 방법.
10. The method of claim 9,
In the step (c)
Wherein the emotional value estimator divides the digitized value into a positive value and a negative value and accumulates the positive value and the negative value.
상기 (c) 과정에서,
상기 감성 값 수치화부가 수치화된 값을 시간대별로 계산하는 것을 특징으로 하는 소셜 네트워크 서비스 사용자의 감성 분석 방법. The method as claimed in any one of claims 9 to 14,
In the step (c)
Wherein the emotional value quantifying unit computes the quantified value for each of the time zones.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020140090603A KR101613259B1 (en) | 2014-07-17 | 2014-07-17 | System and method for analyzing emotion of user of social network service |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020140090603A KR101613259B1 (en) | 2014-07-17 | 2014-07-17 | System and method for analyzing emotion of user of social network service |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20160010746A KR20160010746A (en) | 2016-01-28 |
KR101613259B1 true KR101613259B1 (en) | 2016-04-19 |
Family
ID=55309777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020140090603A KR101613259B1 (en) | 2014-07-17 | 2014-07-17 | System and method for analyzing emotion of user of social network service |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101613259B1 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11538278B2 (en) | 2019-10-08 | 2022-12-27 | Samsung Electronics Co., Ltd. | Electronic apparatus and control method thereof |
US11860944B2 (en) | 2020-07-27 | 2024-01-02 | International Business Machines Corporation | State-aware interface |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101961024B1 (en) * | 2017-08-03 | 2019-03-21 | 김남균 | System for providing information using photo recongition |
KR102222451B1 (en) * | 2018-04-27 | 2021-03-03 | 아토머스 주식회사 | An apparatus for predicting the status of user's psychology and a method thereof |
KR101912939B1 (en) * | 2018-06-14 | 2018-10-29 | 이영달 | System for providing User-customized self-management information depend on user’s condition |
CN110597965B (en) * | 2019-09-29 | 2024-04-16 | 深圳市雅阅科技有限公司 | Emotion polarity analysis method and device for article, electronic equipment and storage medium |
KR102347328B1 (en) * | 2020-02-20 | 2022-01-04 | 인제대학교 산학협력단 | Personal emotion analysis monitoring system architecture using big data based text |
KR102359466B1 (en) * | 2020-02-24 | 2022-02-08 | 인제대학교 산학협력단 | Deep metadata based emotion analysis method and system |
KR102422923B1 (en) * | 2020-11-13 | 2022-07-20 | 한국방송통신대학교 산학협력단 | Sentiment analysis apparatus and controlling method thereof, and newly-coined word and emotion extraction apparatus |
CN113158656B (en) * | 2020-12-25 | 2024-05-14 | 北京中科闻歌科技股份有限公司 | Ironic content recognition method, ironic content recognition device, electronic device, and storage medium |
KR20230055085A (en) * | 2021-10-18 | 2023-04-25 | 삼성전자주식회사 | Electronic apparatus and controlling method thereof |
CN117973946B (en) * | 2024-03-29 | 2024-06-21 | 与同科技(北京)有限公司 | Teaching-oriented data processing method and system |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003281161A (en) * | 2002-03-19 | 2003-10-03 | Seiko Epson Corp | Information classification method, information classification device, program and record medium |
JP2007219929A (en) | 2006-02-17 | 2007-08-30 | Nec Corp | Sensitivity evaluation system and method |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130119246A (en) | 2012-04-23 | 2013-10-31 | 한국전자통신연구원 | Apparatus and method for recommending contents based sensibility |
-
2014
- 2014-07-17 KR KR1020140090603A patent/KR101613259B1/en active IP Right Grant
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003281161A (en) * | 2002-03-19 | 2003-10-03 | Seiko Epson Corp | Information classification method, information classification device, program and record medium |
JP2007219929A (en) | 2006-02-17 | 2007-08-30 | Nec Corp | Sensitivity evaluation system and method |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11538278B2 (en) | 2019-10-08 | 2022-12-27 | Samsung Electronics Co., Ltd. | Electronic apparatus and control method thereof |
US11676419B2 (en) | 2019-10-08 | 2023-06-13 | Samsung Electronics Co., Ltd. | Electronic apparatus and control method thereof |
US11860944B2 (en) | 2020-07-27 | 2024-01-02 | International Business Machines Corporation | State-aware interface |
Also Published As
Publication number | Publication date |
---|---|
KR20160010746A (en) | 2016-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101613259B1 (en) | System and method for analyzing emotion of user of social network service | |
Fersini et al. | SemEval-2022 Task 5: Multimedia automatic misogyny identification | |
Zhao et al. | An image-text consistency driven multimodal sentiment analysis approach for social media | |
Joshi et al. | Depression detection using emotional artificial intelligence and machine learning: A closer review | |
CN103559233B (en) | Network neologisms abstracting method and microblog emotional analysis method and system in microblogging | |
Akaichi et al. | Text mining facebook status updates for sentiment classification | |
CN105183717B (en) | A kind of OSN user feeling analysis methods based on random forest and customer relationship | |
KR101074215B1 (en) | Apparatus for analyzing public opinion and Method for rating of public opinion through document analysis | |
Boishakhi et al. | Multi-modal hate speech detection using machine learning | |
Ding et al. | Interpreting social media-based substance use prediction models with knowledge distillation | |
Iyer et al. | An unsupervised domain-independent framework for automated detection of persuasion tactics in text | |
Al-Hagery et al. | Exploration of the best performance method of emotions classification for arabic tweets | |
Teh et al. | Profanity and hate speech detection | |
Suhas Bharadwaj et al. | A novel multimodal hybrid classifier based cyberbullying detection for social media platform | |
KR101315734B1 (en) | Apparatus and method for analyzing emotion by extracting emotional word of text, and recording medium storing program for executing method of the same in computer | |
Chong et al. | Social media influencers and Instagram storytelling: Case study of Singapore Instagram influencers | |
Sassi et al. | Fuzzy classification-based emotional context recognition from online social networks messages | |
Bhagya et al. | Cyberbullying detection on social media using SVM | |
Ijaz et al. | Biasness identification of talk show's host by using twitter data | |
Abdi et al. | Using an auxiliary dataset to improve emotion estimation in users’ opinions | |
KR102502454B1 (en) | Real-time comment judgment device and method using ultra-high-speed artificial analysis intelligence | |
Alorini et al. | Machine learning enabled sentiment index estimation using social media big data | |
El Barachi et al. | Leveraging Natural Language Processing to Analyse the Temporal Behavior of Extremists on Social Media | |
Dong et al. | Microblog sentiment analysis method based on spectral clustering | |
Najafi et al. | Comparing analysis of social media content with traditional survey methods of predicting opening night box-office revenues for motion pictures |
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: 20190401 Year of fee payment: 4 |
|
R401 | Registration of restoration |