[논문 리뷰] Categories of Emotion names in Web retrieved texts

Sergey Petrov, José F. Fontanari외 1명|arXiv (Cornell University)|2012. 03. 11.

Cognitive Science and Education Research참고 문헌 31인용 수 12

한 줄 요약

이 논문은 웹 텍스트에서의 공시도 맥락 분석을 통해 감정 이름을 분류하는 새로운 데이터 기반 접근법을 제안한다. 명시적 의미 분석 없이 어휘 일치도를 이용해 유사도를 측정한다. 맥락 기반 유사도 행렬에 다차원 척도법(Multidimensional Scaling, MDS)과 계층적 군집화를 적용하여 감정 범주와 인간 판단 연구와 일치하는 핵심 감정 차원을 식별함으로써, 자연어 데이터에서 정서 지식을 모델링하는 데 있어 이 방법의 신뢰성을 검증한다.

ABSTRACT

The categorization of emotion names, i.e., the grouping of emotion words that have similar emotional connotations together, is a key tool of Social Psychology used to explore people's knowledge about emotions. Without exception, the studies following that research line were based on the gauging of the perceived similarity between emotion names by the participants of the experiments. Here we propose and examine a new approach to study the categories of emotion names - the similarities between target emotion names are obtained by comparing the contexts in which they appear in texts retrieved from the World Wide Web. This comparison does not account for any explicit semantic information; it simply counts the number of common words or lexical items used in the contexts. This procedure allows us to write the entries of the similarity matrix as dot products in a linear vector space of contexts. The properties of this matrix were then explored using Multidimensional Scaling Analysis and Hierarchical Clustering. Our main findings, namely, the underlying dimension of the emotion space and the categories of emotion names, were consistent with those based on people's judgments of emotion names similarities.

연구 동기 및 목표

• 인간의 유사도 판단에 의존하지 않고 감정 이름을 분류하는 방법을 개발하는 것.
• 웹에서 확보한 텍스트 맥락이 의미 있는 감정 범주를 드러낼 수 있는지 탐색하는 것.
• 맥락 기반 유사도 측정이 심리학적 발견과 일치하는 감정 공간을 도출하는지 검증하는 것.
• 대규모 텍스트 데이터를 이용해 감정 경험의 근본적 차원을 식별하는 것.
• 웹 텍스트에서의 어휘 공시도 패턴이 알려진 심리학적 감정 구조를 반영할 수 있음을 보여주는 것.

제안 방법

• 이 방법은 웹에서 확보한 데이터의 감정 관련 맥락에서 어휘 일치도를 기반으로 감정 이름 간의 유사도를 계산한다.
• 맥락은 공통 어휘 항목의 벡터로 표현되며, 이 벡터 간의 내적곱으로 유사도를 계산한다.
• 이 내적곱들로부터 유사도 행렬을 구성하여 감정 관련 맥락에서 단어의 공시도 빈도를 표현한다.
• 감정 공간의 시각화와 그 근본적 차원 식별을 위해 다차원 척도법(Multidimensional Scaling, MDS)을 적용한다.
• 맥락 유사도 기반으로 감정 이름을 일관된 범주로 군집화하기 위해 계층적 군집화를 사용한다.
• 유의미한 심리학적 모델과 비교하여 결과 구조의 타당성을 평가한다.

실험 결과

연구 질문

• RQ1 웹 텍스트에서 감정 이름의 공시도 패턴으로부터 감정 범주를 신뢰성 있게 유추할 수 있는가?
• RQ2 맥락 기반 유사도 측정이 인간이 추정한 유사도 판단과 일치하는 감정 공간을 생성하는가?
• RQ3 대규모 텍스트 데이터로부터 드러나는 감정 경험의 주요 차원은 무엇인가?
• RQ4 유도된 감정 범주는 심리학적 실험에서 유도된 것과 어떻게 비교되는가?
• RQ5 텍스트 맥락에서의 어휘 일치도가 감정 이름의 의미 유사도를 대체로 사용할 수 있는가?

주요 결과

• 맥락 기반 유사도 행렬은 감정 경험의 핵심 구조를 성공적으로 포착하였으며, 주요 차원은 활성도 또는 강도에 해당한다.
• 계층적 군집화는 '공포', '분노', '불안'과 같은 감정 이름의 명백한 군집을 드러내었으며, 이는 심리학적 분류와 일치한다.
• 웹 텍스트에서 유도된 감정 공간은 사회심리학 분야의 인간 판단 연구 결과와 강력한 일치를 보였다.
• 이 방법은 '긍정적'과 '부정적' 정서성(valence)을 보조적 차원으로 식별하여 정서의 정서성-활성도 모델을 지지한다.
• 어휘 공시도 패턴이 명시적 의미 주석 없이도 정서 지식을 효과적으로 모델링할 수 있음을 입증하였다.
• 본 연구는 대규모 웹 코퍼스가 감정 분류 체계를 구축하는 데 신뢰할 수 있는 자료원이 될 수 있음을 확인하였다.