[논문 리뷰] Sentiment Expression via Emoticons on Social Media

Hao Wang, Jorge A. Castanon|arXiv (Cornell University)|2015. 11. 09.

Sentiment Analysis and Opinion Mining참고 문헌 17인용 수 4

한 줄 요약

이 논문은 소셜 미디어에서 감정 표현에 대한 이모티콘의 역할을 조사하며, 일부 이모티콘이 강력하고 신뢰할 수 있는 감성 지표임을 입증하지만, 많은 이모티콘이 복잡하거나 모호한 감성을 전달한다는 점을 밝힌다. 사용자 인식 설문, 군집 분석, 이모티콘 유무에 따른 감성 분류, 맥락 분석을 포함한 네 가지 실증 분석을 통해, 이모티콘이 감성 분류 성능에 상당한 영향을 미치며, 그 의미가 미묘하고 맥락에 따라 달라지므로 주의 깊게 사용해야 한다는 점을 보여준다.

ABSTRACT

Emoticons (e.g., :) and :( ) have been widely used in sentiment analysis and other NLP tasks as features to ma- chine learning algorithms or as entries of sentiment lexicons. In this paper, we argue that while emoticons are strong and common signals of sentiment expression on social media the relationship between emoticons and sentiment polarity are not always clear. Thus, any algorithm that deals with sentiment polarity should take emoticons into account but extreme cau- tion should be exercised in which emoticons to depend on. First, to demonstrate the prevalence of emoticons on social media, we analyzed the frequency of emoticons in a large re- cent Twitter data set. Then we carried out four analyses to examine the relationship between emoticons and sentiment polarity as well as the contexts in which emoticons are used. The first analysis surveyed a group of participants for their perceived sentiment polarity of the most frequent emoticons. The second analysis examined clustering of words and emoti- cons to better understand the meaning conveyed by the emoti- cons. The third analysis compared the sentiment polarity of microblog posts before and after emoticons were removed from the text. The last analysis tested the hypothesis that removing emoticons from text hurts sentiment classification by training two machine learning models with and without emoticons in the text respectively. The results confirms the arguments that: 1) a few emoticons are strong and reliable signals of sentiment polarity and one should take advantage of them in any senti- ment analysis; 2) a large group of the emoticons conveys com- plicated sentiment hence they should be treated with extreme caution.

연구 동기 및 목표

• 소셜 미디어 텍스트에서 이모티콘의 보편성과 감성 신호 기능을 조사하기 위해.
• 이모티콘이 감성 극성 지표로서의 신뢰성과 일관성 여부를 조사하기 위해.
• 이모티콘 제거가 감성 분류 성능에 어떤 영향을 미치는지 평가하기 위해.
• 온라인 커뮤니케이션에서 이모티콘 사용의 맥락적 및 의미적 미묘함을 이해하기 위해.
• 적절한 경계를 가지고 이모티콘을 감성 분석 시스템에 통합하기 위한 지침을 제공하기 위해.

제안 방법

• 최근의 대규모 트위터 데이터셋을 분석하여 이모티콘 빈도와 분포를 측정하기 위해.
• 참여자가 가장 흔한 이모티콘의 감성을 어떻게 해석하는지 평가하기 위해 사용자 인식 설문을 실시하기 위해.
• 단어와 이모티콘의 군집 분석을 통해 의미적 연관성과 맥락적 의미를 탐색하기 위해.
• 이모티콘 제거 전후의 마이크로블로그 게시물의 감성 극성을 비교하여 감성 변화를 측정하기 위해.
• 이모티콘을 포함한 모델과 포함하지 않은 모델을 각각 학습시켜 분류 정확도에 미치는 영향을 평가하기 위해.
• 이모티콘 제거가 감성 분류 성능을 떨어뜨린다는 가설을 검증하기 위해 통계 분석을 수행하기 위해.

실험 결과

연구 질문

• RQ1 트위터를 비롯한 소셜 미디어 텍스트에서 이모티콘이 얼마나 보편적인가?
• RQ2 다양한 사용자와 맥락에서 이모티콘이 감성 극성 지표로서 얼마나 신뢰성 있게 작용하는가?
• RQ3 이모티콘 제거가 마이크로블로그 게시물의 감성 극성에 어떤 영향을 미치는가?
• RQ4 이모티콘 포함 여부가 기계 학습 모델의 감성 분류 작업 성능에 향상 효과를 주는가?
• RQ5 감성 레이블링을 단순화하기 어려운 이모티콘 사용의 의미적 및 맥락적 미묘함은 무엇인가?

주요 결과

• :)와 :(와 같은 일부 이모티콘은 각각 긍정적 및 부정적 감성을 강력하고 신뢰성 있게 나타내는 지표이다.
• 많은 수의 이모티콘이 복잡하거나 모호한 감성을 전달하여 직접적인 감성 극성 할당에 부적합하다.
• 텍스트에서 이모티콘을 제거하면 마이크로블로그 게시물의 감성 인식이 상당히 변화하며, 이는 이모티콘의 의미적 중요성을 시사한다.
• 이모티콘을 포함해 학습한 기계 학습 모델이 이모티콘 없이 학습한 모델보다 성능이 뛰어나, 이모티콘이 감성 분류에서 유의미한 특징임을 확인한다.
• 이 연구는 이모티콘을 감성 분석에서 전략적으로 사용해야 하며, 명백하지 않거나 혼합된 감성 의미를 지닌 이모티콘은 주의 깊이 다뤄야 한다고 확인한다.
• 사용자들이 이모티콘의 감성에 대해 인식이 다를 수 있으며, 이는 NLP 시스템에서 맥락 인식 기반의 해석이 필요함을 강조한다.