[논문 리뷰] WordNet-feelings: A linguistic categorisation of human feelings

Advaith Siddharthan, Nicolas Cherbuin외 4명|arXiv (Cornell University)|2018. 11. 06.

Sentiment Analysis and Opinion Mining참고 문헌 2인용 수 14

한 줄 요약

이 논문은 신경과학, 심리학, 언어학의 다학제적 문헌을 바탕으로 체계적인 표준화된 평가 과정을 거쳐 3,664개의 워드넷 어근을 9개의 구분 가능한 범주—예를 들어 웰빙, 헤돈릭스, 유인 및 기피, 신체적, 사회적, 주의, 인지, 자기, 기타—으로 수작업 분류한 새로운 어휘 자원인 WordNet-feelings를 소개한다. 이 데이터셋은 공감대를 기반으로 한 레이블링과 평가자 간 일致도 검증을 통해 제작되었으며, 일반적인 감성 또는 감정 범주를 넘어서 인간의 감정을 정밀하게 분석할 수 있도록 한다.

ABSTRACT

In this article, we present the first in depth linguistic study of human feelings. While there has been substantial research on incorporating some affective categories into linguistic analysis (e.g. sentiment, and to a lesser extent, emotion), the more diverse category of human feelings has thus far not been investigated. We surveyed the extensive interdisciplinary literature around feelings to construct a working definition of what constitutes a feeling and propose 9 broad categories of feeling. We identified potential feeling words based on their pointwise mutual information with morphological variants of the word `feel' in the Google n-gram corpus, and present a manual annotation exercise where 317 WordNet senses of one hundred of these words were categorised as `not a feeling' or as one of the 9 proposed categories of feeling. We then proceeded to annotate 11386 WordNet senses of all these words to create WordNet-feelings, a new affective dataset that identifies 3664 word senses as feelings, and associates each of these with one of the 9 categories of feeling. WordNet-feelings can be used in conjunction with other datasets such as SentiWordNet that annotate word senses with complementary affective properties such as valence and intensity.

연구 동기 및 목표

• 계산 언어학 및 자연어 처리 분야에서 인간 감정의 체계적 언어학적 분류 부족을 해결하기 위해.
• 신경과학, 심리학, 언어학 분야의 다학제적 연구를 통합하여 '감정'을 운영적으로 정의하기 위해.
• 실험적 및 개념적 차이를 바탕으로 한 실증적 근거에 기반한 9개의 상호 배타적이고 포괄적인 감정 범주 프레임워크를 개발하기 위해.
• 높은 평가자 간 일치도를 확보한 채로, 이 감정 범주에 어근을 맵핑하는 대규모 수작업 분류 데이터셋(WordNet-feelings)을 구축하기 위해.
• 정서 컴퓨팅, 텍스트 분석, 인간 정서에 관한 다학제적 연구를 위한 기초 자원을 제공하기 위해.

제안 방법

• 신경과학, 심리학, 언어학 분야의 다학제적 문헌을 조사하여 '감정'을 정의하고, 상호 배타적인 9개의 범주—웰빙, 헤돈릭스, 유인 및 기피, 신체적, 사회적, 주의, 인지, 자기, 기타—를 도출하기 위해.
• 구글 N-그램 코퍼스 내 'feel'의 형태적 변형과 단어 간 상호정보량(PMI)을 사용하여 감정 관련 후보 단어를 식별하기 위해.
• 선택된 100개 단어의 317개 워드넷 어근에 대해 수작업 분류 작업을 수행하였으며, 독립적인 레이블링과 중재를 통한 의견 불일치 해결 절차를 거쳤다.
• 후보 단어 전반에 걸쳐 11,386개의 워드넷 어근으로 확장하여 총 3,664개의 어근을 감정으로 분류하였다.
• 보완적인 정서적 분류를 위해 SentiWordNet(편향, 강도)를 활용하여 기존 정서 데이터셋과의 통합을 가능하게 하였다.
• 전 과정에서 신뢰도 및 품질 관리를 위해 평가자 간 일치도 측정 지표(예: 카파 계수)를 활용하였다.

실험 결과

연구 질문

• RQ1 언어학적 및 심리학적 관점에서 '감정'은 무엇을 포함하며, 어떻게 운영적으로 정의할 수 있는가?
• RQ2 다양한 정서 경험을 아우르는 포괄적이고 상호 배타적이며 실증적 근거에 기반한 감정 분류 체계는 어떻게 개발할 수 있는가?
• RQ3 다수의 평가자 간에 구조화된 프레임워크를 통해 어근을 감정으로 신뢰성 있게 분류할 수 있는가?
• RQ4 제안된 감정 분류 체계는 SentiWordNet이나 감정 어휘자원과 비교해 볼 때 어떤가?
• RQ5 대규모 수작업으로 총정리된 감정 어근 데이터셋은 감성 또는 감정 분류를 넘어서 정서적 언어 처리를 향상시킬 수 있는가?

주요 결과

• 저자들은 인간 감정의 9가지 명확히 구분되는 범주—웰빙, 헤돈릭스, 유인 및 기피, 신체적, 사회적, 주의, 인지, 자기, 기타—를 식별하고 검증하였다.
• 3,664개의 워드넷 어근이 신뢰성 있게 감정으로 분류되었으며, 평가자 간 일치도(Kappa)가 언어학적 분류 작업의 기준을 충족하는 수준을 초월하였다.
• 총 11,386개의 워드넷 어근 중 3,664개가 감정으로 분류되었으며, 이는 대규모 수작업 정서 어근 분류의 가능성을 보여주었다.
• 이 자원은 100명 이상의 연구자들이 협력하여 개발되어 광범위한 학문적 배경과 개념적 탄탄함을 확보하였다.
• WordNet-feelings는 GitHub에 공개되어 있으며, SentiWordNet과 같은 기존 정서 NLP 도구와의 통합을 통해 다차원 정서 분석이 가능하도록 하였다.
• 본 연구는 감정과 감성, 감정을 구분하는 기초 프레임워크를 수립하였으며, 정서 컴퓨팅 및 언어학 분석에 새로운 차원을 제공하고 있다.