소셜 빅데이터에서 소비자 의견을 추출하는 SNS 데이터 기반 센싱 자동분류모델 연구 = A Study on SNS Data_based Sensing Automatic Classification Model for Consumer Opinions on Social Big Data
많은 기업 또는 공공기관(단체)에서는 제품 개발에 대한 기초 자료로 사용하거나 또는 특정한 의사결정을 위해서 고객의 의견을 청취하길 원하고 있으며, 이를 위해서 SNS에 의해서 사용자가 직접 생산한 콘텐츠를 확보하여 고객의 의견을 파악하려고 노력을 하고 있다.
하지만 SNS 데이터를 확보하고 그 속에 숨어 있는 고객의 의견을 찾기 위해서는 큰 노력이 필요하고 데이터를 어떻게 확보하고 분석해야 하는지 방법을 찾기가 쉽지 않은 이유로 기업 또는 공공기관(단체)에서는 SNS 데이터를 활용하여 고객의 의견을 파악하는데 어려움이 있었다.
한편 인터넷이 널리 보급되고 IT기술의 발전으로 컴퓨터뿐만 아니라 모바일기기, IPTV, IOT(Internet Of Things) 등 다양한 장비(Device)의 출현으로 하루에 생성되는 소셜 네트워크 데이터가 급증하고 있으며, 이렇게 방대하게 생성되고 있는 데이터들을 분석할 수 있는 빅데이터 관련 기술이 지속해서 발전하면서 빅데이터 분석 기술을 이용, 필요한 고객의 소리를 청취할 수 있는 환경이 되었다.
본 연구에서는 기업의 제품개발에 기초자료로 활용하거나 공공기관(단체)의 의사결정을 위해 활용할 수 있도록 SNS 데이터를 수집하고 자동으로 분석하여 서비스하는 시스템을 연구하였다.
방대한 SNS 기반의 SNS 데이터는 일일 수집 데이터 2,000만(R社 Crawler 기준) 건으로 수작업으로 분석하는 것이 불가능한 빅데이터이다. 빅데이터의 특징은 3V로 요약하는 것이 일반적이다. 즉 데이터의 양(Volume), 데이터의 생성 속도(Velocity), 형태의 다양성(Variety)을 의미한다(O’Reilly Radar Team, 2012). 기존의 빅데이터 분석은 수집(저장), 분류, 분석, 인사이트 발굴, 리포트 생성의 절차를 거쳐서 미래를 예측하는 분야에 이용해 왔다.
이러한 빅데이터 자동 분류 기술이 적용되기 이전에는 데이터를 분류하기 위해 센싱 반자동 분류 시스템이 활용되어왔다. 센싱 반자동 분류 시스템이란 수집된 데이터를 온톨로지 사전 기반으로 자동으로 일차적으로 분류하고 분류된 데이터 중에서 분석 목적에 부합하는 데이터를 작업자가 수작업으로 선별하여 지식에 해당하는 정보를 추가하여 시스템에 저장하는 방식의 시스템이다. 센싱 반자동 분류 시스템에서는 작업자가 수작업으로 정제하고 분류한 데이터를 활용하여 SNS에 표출되는 사람들의 의견을 청취할 수 있는 환경을 제공한다.
하지만 센싱 반자동 분류 시스템은 수집된 SNS 데이터에서 특정 조건에 해당하는 데이터를 검색한 이후에 작업자가 수작업으로 데이터를 정제하기 때문에 모든 데이터를 정제하는 것은 불가능에 가깝다. 따라서 특정 이슈나 특정 제품을 미리 지정한 이후에 관련된 데이터만 선별하여 수작업으로 정제하여야 한다. 따라서 전방위 산업에 적용하는 것은 불가능에 가깝다. 또한 특정 제품이나 분야로 한정을 하여도 작업자가 수작업으로 데이터를 선별하고 분류하기 위해 엄청난 시간과 노력이 필요하므로 높은 비용이 발생하는 문제점이 있다.
본 연구에서는 이러한 반자동 센싱 시스템의 문제점인 데이터 분류의 한계를 극복하고 시간을 단축하여 비용을 절감하는 것을 목적으로 센싱 자동 분류 모델을 연구하였다.
수집된 모든 SNS 데이터를 자연어 처리 및 기계학습을 통하여 자동 분류하고, 사용자 의견이 담긴 문장을 분석한 후 인구통계적 프로필 정보를 매시업(Mashup)해서 다양한 분석 결과를 제공함으로써 보다 많은 데이터에서 보다 신속하게 다양한 분야의 사용자 의견을 청취할 수 있는 SNS 데이터 기반 센싱 자동 분류 모델(SACM: SNS Data_based Sensing Automatic Classification Model)을 제시하고 SACM 기반의 서비스 시스템을 연구하였다.
본 연구에서 제안하는 SNS 데이터 기반 센싱 자동 분류 모델은 기존의 반자동 센싱 시스템의 문제점인 전방위 산업의 데이터를 분류할 수 없었던 문제점과 수작업으로 데이터를 분류함으로써 나타나는 주관적 견해로 인한 평가 오류의 문제, 그리고 분류 시간의 증가 문제, 또한 수작업 분류를 담당하는 직원의 업무 효율 저하 문제를 모두 해결할 수 있는 시스템이며, 이를 위해 자연어 처리 및 기계학습에 의한 자동 분류와 문장 분석 기법을 제시하였다.
본 연구에서 제안하는 모델이 기존의 비효율적인 반자동 센싱 시스템을 대체하여 효율적이고 정확한 고객의 목소리를 찾아내어 산업의 많은 분야와 공공기관(단체)에서 사용할 정책 발굴의 기초 자료가 되는 효과를 줄 수 있기를 기대한다.
A lot of companies or government offices want to listen to public opinion to leverage the information in the process of developing products or making decisions. They are trying to acquire contents which users post on social media so that they can understand their opinion.
Companies or government offices have been facing challenges understanding customer’s thoughts from SNS data because it requires so much effort to get SNS data and find the meaning behind it. Besides, it is not easy to find a way to collect and analyze the data.
Meanwhile, social data has been increasing rapidly due to such widespread access to internet and development of Information Technology which has created a variety of devices such as computers, mobile devices, IPTV and IOT(Internet of Things). Big data technology has been constantly developing to keep up with the significant quantities of data. It has set the stage for listening voice of customer based on big data technology.
This study is about a system which collects and analyzes SNS data automatically for companies to use the results as a basis for developing products or for government offices to make decisions upon the results.
SNS data runs to average 20 million posts per day (according to Company R’s crawler). It is impossible to analyze that much of big data manually. It is common to summarize the properties of big data into 3Vs (O’Reilly Radar Team, 2012). Volume refers to the amount of data, velocity refers to the speed of data processing and variety refers to the number of types of data. The conventional big data analysis has been applied to predicting the future through the process of collecting(storing), classifying, analyzing data, finding insight and producing report.
Sensing semi-automatic data classification system has been used for classifying data before this automatic big data classification technology was applied. Sensing semi-automatic data classification system conducts the initial classification automatically based on ontology dictionary. Workers select the data manually which fit for the analysis purposes, add their own knowledge and store the data in the system. Sensing semi-automatic data classification system provides the environment to listen to public opinion expressed on social media by cleansing and classifying the data manually.
However, it is nearly impossible for sensing semi-automatic data classification system to cleanse every single data because workers cleanse the data manually after searching under a certain condition. It is required to specify a particular issue or product in advance and cleanse the related data manually. Therefore, it is almost impossible to apply to the entire industries. Besides, it takes significant amount of time and effort of workers to select and categorize the data manually even though the coverage of the products or fields is limited. It causes the problem of high cost.
This study focuses on sensing automatic data classification system which is aimed to overcome the shortcomings of sensing semi-automatic data classification system and reduce the cost by saving time.
This study suggests SACM(Sensing Automatic Classification Model for SNS Data) and covers service system based on SACM which enables users to listen to public opinion in various fields from much more data by categorizing SNS data automatically through natural language processing and machine learning, analyzing sentences with public opinion in and providing various analysis results after mashing up with demographic information.
The conventional sensing semi-automatic data classification system has a few problems. It is not able to classify the data of the entire industries. Categorizing data manually might cause errors in the results sometimes because the workers cannot stay objective all the time. Moreover, it takes so much time and causes decline of efficiency of the workers with the course of time. SACM is a system which can solve all the aforementioned problems. This study suggests natural language processing and automatic classification and sentence analysis technique based on machine learning.
This model is expected to replace the ineffective sensing semi-automatic data classification system and find the accurate voice of customer so that many industries and government offices can use the information from the system to have the basis for developing strategies or polices.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)