타임라인의 감정추출을 통한 트위터 사용자의 정치적 성향 분석 = Analyzing political attitudes of Twitter users by extracting sentiment from user timeline
저자
발행사항
부천 : 가톨릭대학교 대학원, 2013
학위논문사항
학위논문(석사)-- 가톨릭대학교 대학원: 컴퓨터공학과 컴퓨터공학 전공 2013. 2
발행연도
2013
작성언어
한국어
주제어
DDC
621.39 판사항(21)
발행국(도시)
경기도
형태사항
xi, 39 p. : 삽화 ; 26cm.
일반주기명
가톨릭대학교 (성심) 논문은 저작권에 의해 보호받습니다.
지도교수: 황병연
참고문헌(p.34-35) 포함.
소장기관
최근 소셜 네트워크 서비스의 영향력이 증대되면서 이에 대한 효과적인 분석법에 대한 관심이 높아지고 있다. 그중에서도 정치, 특히 선거 분석은 소셜 네트워크 기반 연구들 중 가장 활발하고 분석 요구가 높은 분야로 기존의 종이나 전화 여론조사를 대체할 충분한 잠재력을 가지고 있다. 그러나 한편으로는 아직까지 낮은 분석 정확도와 부족한 연구 성과들로 최근까지도 분석에 어려움을 겪고 있는 분야이기도 하다. 이에 본 논문에서는 항구성을 띄는 인간의 정치적 성향에 착안하여 이를 분석 설계에 적용할 경우 정확도 향상에 기여할 수 있음을 가정하고 실험을 통해 증명하였다.
본 논문에서는 정치적 성향을 개별 트윗에 의존하여 분석하는 기존의 방법들 대신 전체 타임라인을 통해 사용자 별로 분석하는 방법을 제안한다. 이를 위해 2012년 4월 11일 제19대 국회의원선거 기간 동안 발생한 트윗을 이용하여 트윗 코퍼스를 구성하였다. 실험에 앞서, 트윗 코퍼스에서 선거 도메인을 대표하는 검색 키워드들과 긍정 및 부정을 의미하는 극성 키워드들을 추출하고 레이블을 구성한다. 다음으로 각 계정의 타임라인에 존재하는 모든 트윗에 레이블을 적용하여 극성을 분류하고 사용자의 정치 성향을 도출한다. 마지막으로 분석 성능을 살펴보기 위해 개별 트윗 분석과 타임라인 분석의 정확도와 재현율을 도출하고 사용자 타임라인 분석의 정확도 향상을 확인한다.
실험 결과, 보수와 진보 성향으로 분류된 계정은 각각 295개, 293개였고 양쪽 성향이 동등하게 나타나 상쇄된 계정은 1,026개였으며, 실제 선거 결과와 비교했을 때 상당히 유사함을 확인할 수 있었다. 성능평가는 개별 트윗 분석과 계정별 성향 분석으로 나누어 평가하였는데, 개별 트윗 분석의 경우 75.4%의 정확도와 34.8%의 재현율을 보였다. 반면 계정별 성향 분석의 경우 85.7%의 정확도를 보여 약 10%의 성능 향상을 보였다. 다음으로 사용자의 성향과 일치하는 트윗 비율을 알아본 결과, 계정의 성향과 같은 극성을 따르는 트윗은 80.9%, 반대의 극성을 따르는 트윗은 19.1%였다. 이를 통해 트위터에서도 항구성을 띄는 인간의 정치적 성향이 그대로 반영된다는 사실을 증명할 수 있었으며 개별 트윗 수집을 통한 코퍼스 분석보다 사용자 계정 단위의 분석이 정치적 성향 분석의 정확성을 향상시킬 수 있음을 확인하였다.
The interest in the effective methods for analysis of social network services has increased due to the rapid growth of influence of social media. Among them, politics, especially election analysis is a field that is most active among social network-based studies and the demand for analysis is high and has an enough potential to replace existing paper or telephone poll. However meanwhile, it is a field going through difficulty in analyzing even lately due to low accuracy rate of analysis and insufficient study results. With this, this thesis paid its attention to human's political attitudes showing permanence and assumed that if applying it to the analytic design, it would contribute to the increase of precision and demonstrated it through the experiment.
This thesis suggested a way to analyze the political attitude by users through entire Timeline rather than existing ways to analyzing by relying on the individual Tweet. For this, it composed Tweet corpus using Tweet that happened during the 19th National Assembly election on April 11, 2012. Prior to the experiment, it extracts search keywords representing election domain and polarity keywords meaning positiveness and negativeness in Tweet corpus and composes label. Next, polarity is classified by applying label to all Tweets existing in Timeline of each account and deduces user's political attitude. Finally, it deduces analyzed political attitudes of users, precision and recall of individual Tweet analysis and Timeline analysis and the increase of precision of user Timeline analysis is confirmed.
As a result of experiment, the number of accounts classified into conservative attitude and progressive attitude was each 295, 293, and the number of accounts offset as both attitude appear similarly was 1,026 and it could be known to be considerably similar compared to actual election result. Performance evaluation was accomplished by dividing into individual Tweet analysis and by-accounts attitude analysis, the precision of 75.4% and recall of 34.8% was shown in case of individual Tweet analysis. On the other hand, the precision of 85.7% was shown in by-accounts attitude analysis so the performance improvement of approximately 10% was shown. As a result of examining the ratio of Tweet corresponding to user's political attitude, the Tweet following the same polarity as account's political attitude was 80.9%, the Tweet following the opposite polarity was 19.1%. Through this, the fact that human's political attitudes bearing permanence is reflected to Twitter as it was could be demonstrated, and the fact that the analysis of user account unit could improve the precision of political attitude analysis better than corpus analysis through individual Tweet collection was confirmed.
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)