[논문 리뷰] Sentiment Analysis Using Collaborated Opinion Mining

Deepali Virmani, Vikrant Malhotra외 1명|arXiv (Cornell University)|2014. 01. 12.

Sentiment Analysis and Opinion Mining참고 문헌 12인용 수 17

한 줄 요약

이 논문은 감성 분석, 의견 추출, 요약을 통합하는 협업형 의견 마이닝 프레임워크를 제안하여 학생에 대한 교사의 평가를 분석한다. 기존 알고리즘을 수정함으로써 감성은 매우 높음, 높음, 보통, 낮음, 매우 낮음의 다섯 가지 극성 수준으로 분류되며, 교육 분야 사례 연구에서 개선된 의견 추적 및 표현을 입증한다.

ABSTRACT

Opinion mining and Sentiment analysis have emerged as a field of study since the widespread of World Wide Web and internet. Opinion refers to extraction of those lines or phrase in the raw and huge data which express an opinion. Sentiment analysis on the other hand identifies the polarity of the opinion being extracted. In this paper we propose the sentiment analysis in collaboration with opinion extraction, summarization, and tracking the records of the students. The paper modifies the existing algorithm in order to obtain the collaborated opinion about the students. The resultant opinion is represented as very high, high, moderate, low and very low. The paper is based on a case study where teachers give their remarks about the students and by applying the proposed sentiment analysis algorithm the opinion is extracted and represented.

연구 동기 및 목표

• 교육적 피드백에 감성 분석을 결합한 의견 추출 및 요약을 통합하는 협업 프레임워크를 개발하기 위해.
• 감성을 다섯 가지 구체적인 극성 수준으로 분류하여 학생 평가의 표현을 향상시키기 위해.
• 교육 현장에서 비정형적인 교사 평가를 해석하는 데 도전하는 데 대비하기 위해.
• 자동 감성 분류를 통해 학생 성적 기록의 체계적 추적 및 분석을 가능하게 하기 위해.
• 실제 교사가 수집한 학생 평가를 포함한 실제 사례 연구를 통해 접근법을 검증하기 위해.

제안 방법

• 제안된 방법은 비정형 교사 평가에서 의견을 추출하고 분류하기 위해 의견 마이닝과 감성 분석을 통합한다.
• 다중 의견 소스 간 협업 분석을 지원하기 위해 기존 알고리즘을 수정한다.
• 감성 극성은 매우 높음, 높음, 보통, 낮음, 매우 낮음의 다섯 가지 이산 수준으로 분류된다.
• 프레임워크에는 피드백을 일관된 감성 표현으로 압축하는 요약 모듈이 포함되어 있다.
• 시스템 성능과 일관성을 평가하기 위해 실제 교사 평가를 사용한 사례 연구가 수행된다.
• 의견을 담고 있는 어휘를 식별하고 감성 점수를 부여하기 위해 자연어 처리 기법을 활용한다.

실험 결과

연구 질문

• RQ1 교육적 피드백에서 의견 추출 및 요약과의 협업을 통해 감성 분석을 어떻게 향상시킬 수 있는가?
• RQ2 다섯 단계 극성 척도를 사용할 경우 감성 분류의 해상도는 어느 정도 달성될 수 있는가?
• RQ3 제안된 프레임워크는 비정형 교사 평가에서 학생의 의견을 효과적으로 추적하고 표현할 수 있는가?
• RQ4 수정된 알고리즘이 기존 감성 분석 방법에 비해 의견 표현을 어떻게 향상시키는가?
• RQ5 이 프레임워크를 실제 교육 기록 관리 시스템에 적용하는 데 실현 가능성은 어떠한가?

주요 결과

• 제안된 프레임워크는 교사 평가에서 매우 높음, 높음, 보통, 낮음, 매우 낮음의 다섯 가지 명확한 극성 수준으로 감성을 성공적으로 분류한다.
• 의견 추출, 요약, 감성 분석의 통합은 학생 피드백의 해석 가능성과 일관성 향상에 기여한다.
• 사례 연구는 시스템이 시간에 따라 학생 성적 기록을 추적하는 데 실현 가능함을 입증한다.
• 수정된 알고리즘은 다수의 피드백 소스를 통합하여 통합된 감성 점수를 생성함으로써 의견 표현을 향상시킨다.
• 시스템은 대량의 비정형 교육 평가를 분석하기 위한 체계적이고 확장 가능한 솔루션을 제공한다.
• 결과는 고립된 감성 분석에 비해 협업형 의견 마이닝이 더 신뢰성 있고 세밀한 감성 표현을 이끌어낸다는 것을 시사한다.