온라인 텍스트 기반 COVID-19 관련 감정분석 = Emotion Analysis With COVID-19 Based On On-line Text

다국어 초록 (Multilingual Abstract)

With the expansion of the social network service (SNS) market, a large amount of data is accumulated and analyzed, so people's emotions can be confirmed in people's thoughts and opinions. The coronavirus infection-19 (COVID-19), which has recently had a great impact on the world, has been so influential that it has changed people's daily lives. In the beginning, it gave people great fear and shock, but as time went on, people got used to it. Now that we have reached the era of ‘End Corona’, we can feel that people’s feelings about COVID-19 are changing. This study identifies emotions by using the NRC Emotional Dictionary with SNS data related to COVID-19, examines changes in people's emotions about COVID-19 over time, and then investigates how emotions change using LDA and language network. The analysis results indicate that the most felt emotions are 'fear' and 'trust', and the main cause of the change in emotion is 'vaccine'. In addition, in the early stage of vaccine development, ‘fear’ is low due to trust in the vaccine, but ‘fear’ is felt again due to the side effects of the vaccine, and it is confirmed that there is a difference in feelings about COVID-19 between the early stage of 2020 and the late stage of 2022.

국문 초록 (Abstract)

소셜 네트워크 서비스(SNS) 시장의 확대에 따라 풍부한 양의 데이터가 축적되고 이를 활용한 연구 분석으로 사람들의 생각과 의견에서 사람들의 감정 또한 확인할 수 있다. 심리는 정책, 경제, 의학 등 많은 분야에서 중요한 역할을 하며, 감정분석을 통해 현안에 대한 해결방안, 그리고 앞으로 발생할 문제의 대비책을 마련할 수 있다. 최근 전 세계에 큰 영향을 끼친 코로나바이러스감염증-19(COVID-19)는 사람들의 일상을 뒤바꿔놓을 정도로 영향력이 컸다. 초기에는 사람들에게 큰 공포와 충격을 안겼으나 시간이 갈수록 사람들은 익숙해졌고, ‘End Corona’ 시대를 맞이한 지금, COVID-19에 대한 사람들의 감정이 변하고 있음을 느낄 수 있다. 본 연구는 COVID-19를 검색어로 한 SNS 데이터를 NRC 감정사전을 이용하여 감정을 파악하고 시간의 흐름에 따른 COVID-19에 대한 사람들의 감정 변화를 살펴본 후, 감정이 어떻게 변하였는지 LDA와 언어 네트워크를 통해 알아보았다. 분석 결과, 가장 크게 느낀 감정은 ‘공포’와 ‘신뢰’였으며 감정의 변화에 주된 원인은 ‘백신’임을 알 수 있었다. 또한, 백신 개발 초기에는 백신에 대한 신뢰로 공포감이 낮았으나, 백신의 부작용으로 인해 다시 공포감을 느꼈으며, 초기인 2020년과 말기인 2022년의 COVID-19에 대한 감정에서 차이가 있음을 확인하였다.

참고문헌 (Reference)

• 1 남소희 ; 전수영, "점별 상호정보량을 이용한 LDA 토픽모형 추론" 한국자료분석학회 21 (21): 2789-2800, 2019
• 2 이수상, "언어 네트워크 분석 방법을 활용한 학술논문의 내용분석" 한국정보관리학회 31 (31): 49-68, 2014
• 3 이윤진 ; 전수영, "단어 임베딩을 통한 고전 문학 감정 분석" 한국자료분석학회 23 (23): 985-996, 2021
• 4 문길성, "단문의 주제 분석을 위한 LDA와 BTM 토픽모형 평가" 한국자료분석학회 23 (23): 1313-1326, 2021
• 5 오승원 ; 김민수, "군집분석을 이용한 양파 감성사전 구축" 한국자료분석학회 20 (20): 2917-2932, 2018
• 6 Kim, K., "Natural Language Processing" Hanbit Media 2019
• 7 Blei, D. M., "Latent dirichlet allocation" 3 : 993-1022, 2003
• 8 이앞길 ; 최근호 ; 김건우, "LDA 토픽 모델링과 Word2vec을 활용한 유사 특허문서 추천연구" 한국경영정보학회 22 (22): 17-31, 2020
• 9 Mohammad, S. M., "Crowdsourcing a word-emotion association lexicon" 29 (29): 436-465, 2013
• 10 Nandwani, P., "A review on sentiment analysis and emotion detection from text" 11 : 81-, 2021