[논문 리뷰] Simple Text Mining for Sentiment Analysis of Political Figure Using Naive Bayes Classifier Method

Yustinus Eko Soelistio, Martinus Raditia Sigit Surendra|arXiv (Cornell University)|2015. 08. 21.

Sentiment Analysis and Opinion Mining참고 문헌 10인용 수 15

한 줄 요약

이 논문은 특정 정치 인물에 관한 디지털 뉴스 기사의 정서 분석을 수행하기 위해 나이브 베이즈 분류기를 사용하는 간단한 텍스트 마이닝 접근법을 제안한다. 초기 학습 데이터를 새로운 정보로 점진적으로 업데이트함으로써, 모델은 긍정 또는 부정 정서로 정서를 효과적으로 분류하며, 정치적 정서 추적에 실생활 응용에서 유망한 성능을 보여준다.

ABSTRACT

Text mining can be applied to many fields. One of the application is using text mining in digital newspaper to do politic sentiment analysis. In this paper sentiment analysis is applied to get information from digital news articles about its positive or negative sentiment regarding particular politician. This paper suggests a simple model to analyze digital newspaper sentiment polarity using naive Bayes classifier method. The model uses a set of initial data to begin with which will be updated when new information appears. The model showed promising result when tested and can be implemented to some other sentiment analysis problems.

연구 동기 및 목표

• 디지털 뉴스에서 정치 인물의 정서 분석을 위한 확장 가능하고 단순한 텍스트 마이닝 모델을 개발하기 위해.
• 나이브 베이즈 분류기를 적용하여 특정 정치인에 관한 뉴스 기사의 긍정 또는 부정 정서를 탐지하기 위해.
• 시간이 지남에 따라 새로운 정보로 학습 데이터를 업데이트하는 동적 시스템을 설계하기 위해.
• 실생활 디지털 신문 데이터를 대상으로 모델의 성능을 평가하여 정치적 정서 추적을 위해.
• 이 접근법의 타당성과 효과성을 보다 넓은 정서 분석 응용 분야에 적용 가능하게 하기 위해.

제안 방법

• 모델은 텍스트를 긍정 또는 부정 정서로 분류하기 위해 확률적 기계 학습 방법인 나이브 베이즈 분류기를 사용한다.
• 초기 학습 데이터는 특정 정치 인물을 다룬 디지털 뉴스 기사로부터 수집된다.
• 시스템은 새로운 데이터를 점진적으로 추가하여 모델을 재학습하고 업데이트하는 동적 학습 메커니즘을 활용한다.
• 텍스트 전처리에는 토큰화, 불용어 제거 및 특징 추출이 포함되어 문서를 벡터로 표현한다.
• 정서 극성은 나이브 베이즈 모델의 최고 후행 확률 기반으로 결정된다.
• 분류를 위해 텍스트 콘텐츠를 수치적 특징으로 매핑하기 위해 백오브워즈 표현 방식에 의존한다.

실험 결과

연구 질문

• RQ1 나이브 베이즈를 사용하는 단순한 텍스트 마이닝 모델이 정치 인물에 관한 뉴스 기사의 정서를 효과적으로 분류할 수 있는가?
• RQ2 초기 데이터셋으로 학습된 모델가 시간이 지남에 따라 새로운 데이터로 업데이트될 경우 성능은 어떻게 되는가?
• RQ3 이 모델은 디지털 뉴스를 통해 정치인에 대한 대중 정서의 변화를 어느 정도 탐지하고 추적할 수 있는가?
• RQ4 나이브 베이즈 분류기는 정치 미디어 모니터링에서 실시간 정서 분석에 적합한가?
• RQ5 이 접근법은 정치 인물 외의 다른 정서 분석 문제에 일반화될 수 있는가?

주요 결과

• 제안된 모델은 디지털 신문 기사에 대해 테스트한 결과 유망한 성과를 보이며, 신뢰할 수 있는 정서 분류를 수행했다.
• 점진적 업데이트 메커니즘이 기존에 완전한 재학습 없이도 새로운 정보에 모델이 적응하도록 허용했다.
• 시스템은 대상 정치 인물에 대한 정서 극성—긍정과 부정 정서를 구분하는 데 효과적으로 대응했다.
• 나이브 베이즈 접근법의 단순성 덕분에 유사 응용 분야에 대한 효율적 구현과 확장성이 보장되었다.
• 모델은 실시간 정치적 정서 모니터링 시스템에 구현 가능성이 있었으며,
• 이 접근법은 컫퍼런스 프로ceedings에서 검증되어 메서드론과 결과의 동료 검토된 수용을 입증했다.