[논문 리뷰] Sentiment Analysis on Social Media Content

Antony Samuels, John Mcgonical|ArXiv.org|2020. 07. 04.

Sentiment Analysis and Opinion Mining참고 문헌 8인용 수 5

한 줄 요약

이 논문은 감성 분석을 위해 지도 학습과 비지도 학습 기계 학습을 조합한 하이브리드 모델을 제안한다. 이는 트위터 트윗을 긍정, 부정, 중립 감성으로 분류하는 데 목적이 있으며, 실제 소셜 미디어 데이터에서 높은 정확도를 기록한다. 교차 검증 및 F-스코어 지표를 사용하여 맥도널드와 KFC에 대한 대중의 감성 분석에서 강력한 성능을 보였다.

ABSTRACT

Nowadays, people from all around the world use social media sites to share information. Twitter for example is a platform in which users send, read posts known as tweets and interact with different communities. Users share their daily lives, post their opinions on everything such as brands and places. Companies can benefit from this massive platform by collecting data related to opinions on them. The aim of this paper is to present a model that can perform sentiment analysis of real data collected from Twitter. Data in Twitter is highly unstructured which makes it difficult to analyze. However, our proposed model is different from prior work in this field because it combined the use of supervised and unsupervised machine learning algorithms. The process of performing sentiment analysis as follows: Tweet extracted directly from Twitter API, then cleaning and discovery of data performed. After that the data were fed into several models for the purpose of training. Each tweet extracted classified based on its sentiment whether it is a positive, negative or neutral. Data were collected on two subjects McDonalds and KFC to show which restaurant has more popularity. Different machine learning algorithms were used. The result from these models were tested using various testing metrics like cross validation and f-score. Moreover, our model demonstrates strong performance on mining texts extracted directly from Twitter.

연구 동기 및 목표

• 비정형 트위터 데이터를 처리할 수 있는 견고한 감성 분석 모델을 개발하기 위해.
• 감성 분류를 위한 지도 학습과 비지도 학습 기법을 조합하는 효과성을 평가하기 위해.
• 실시간 트위터 데이터를 활용해 맥도널드와 KFC라는 두 대표 패스트푸드 브랜드에 대한 대중의 감성 분석을 수행하기 위해.
• 교차 검증 및 F-스코어와 같은 표준 지표를 사용해 모델 성능을 측정하기 위해.
• 감성 분석의 실용적 유용성을 브랜드 모니터링 및 대중 인식 추적에 적용함을 보여주기 위해.

제안 방법

• 맥도널드와 KFC와 관련된 실시간 트윗을 추출하기 위해 트위터 API를 사용했다.
• 비정형 소셜 미디어 콘텐츠를 처리하기 위해 데이터 정제 및 특징 탐색 단계를 거쳤다.
• 사전 처리된 데이터를 기반으로 여러 기계 학습 알고리즘을 훈련시켜 감성 분류를 수행했다.
• 분류의 견고성을 향상시키기 위해 지도 학습과 비지도 학습 접근 방식을 통합한 모델을 구성했다.
• 신뢰성과 일반화 능력을 보장하기 위해 교차 검증 및 F-스코어 지표를 사용해 성능을 평가했다.
• 모델 예측 기반으로 각 트윗에 대해 감성 레이블(긍정, 부정, 중립)을 할당했다.

실험 결과

연구 질문

• RQ1 트위터에서 감성 분석에 대해 지도 학습과 비지도 학습을 조합한 하이브리드 접근 방식은 얼마나 효과적인가?
• RQ2 제안된 모델은 실제 트위터 데이터를 긍정, 부정, 중립 감성으로 정확하게 분류할 수 있는가?
• RQ3 소셜 미디어 언급 기반으로 맥도널드와 KFC에 대한 비교적 대중의 감성은 어떠한가?
• RQ4 F-스코어 및 교차 검증과 같은 표준 평가 지표는 소셜 미디어 텍스트에서 모델 신뢰성 평가에 어떻게 작용하는가?
• RQ5 이 모델은 실시간 브랜드 감성 모니터링에 얼마나 활용될 수 있는가?

주요 결과

• 하이브리드 모델은 트윗을 긍정, 부정, 중립 감성 카테고리로 분류하는 데 강력한 성능을 보였다.
• 교차 검증 및 F-스코어 지표는 모델이 트위터 데이터에서의 신뢰성과 일반화 능력을 확보하고 있음을 확인했다.
• 실시간 소셜 미디어 콘텐츠를 활용해 맥도널드와 KFC의 대중 감성 추세를 성공적으로 파악했다.
• 지도 학습과 비지도 학습의 통합은 전통적 방법에 비해 분류 정확도를 향상시켰다.
• 이 결과는 비정형 소셜 미디어 플랫폼에서 대규모 감성 분석을 위해 기계 학습을 활용할 수 있음을 입증한다.
• 본 연구는 기업이 소셜 미디어 감성을 통해 브랜드 인식을 모니터링할 수 있는 실용적 프레임워크를 제공한다.