Due to the low-barrier of the social media, the Web has been enriched with the opinions of each person. The naturally expressed public opinions have become valuable resources for businesses analyzing the reputations of their products and identifying new chances. In this context, the microblog service Twitter, which has played an important role in social media, has been the main focus in this research. Named entity recognition and sentiment polarity classification are mainly concerned in this research for extracting semantic knowledge for more in-depth opinion mining from Twitter. Because of the characteristics of the microblog, general techniques of opinion mining have limitations to be directly applied to Twitter analysis. This research suggests the automatic construction of the training corpus for the machine learning methods using distant supervision. By training the classifiers with the recently constructed corpus without human effort, the system can be easily kept up to date for processing the trendy data. DBPedia, which is the core of the Linked Open Data, is used as the knowledge base that may empower semantic opinion mining. To verify the suggested approaches, the experiment was made on the specific target domain, mobile devices, which became recently hot with the proliferation of smart phones and tablet computers. The mobile device market is worth of analyzing in that the pace of technology advance is fast and product life cycle is short. The experiment showed the suggested approaches are promising as a starting point of semantic opinion mining from Twitter.
최근 소셜 미디어가 급격히 발전함에 따라 개개인의 사람들이 미디어로서 작용하는 시대가 열렸고 웹은 누구나 자유롭게 다양한 의견과 경험을 표출할 수 있는 매체가 되어 더욱 풍요로워졌다. 또, 소셜 미디어의 높은 접근성은 사람들이 쉽고 간단히 자신의 생각을 표현할 수 있게 하였고 이로 인해 자연스럽게 나타난 대중들의 의견 정보는 자신들이 판매한 상품이나 서비스의 평판을 분석하고 시장의 흐름을 파악하여 수익 증진을 꾀하는 사업체나 항상 국민들의 다양한 의견에 귀를 기울여야 하는 정치인들 등에게 더욱 귀중한 자원이 되었다. 본 연구는 현재 소셜 미디어로서 중요한 역할을 하고 있는 마이크로블로그 서비스인 트위터를 기반으로 진행되었으며 보다 깊이 있는 사용자 의견 분석을 위한 의미 정보 추출 기법으로서 개체명 인식과 의견 극성 분류에 초점을 두었다. 마이크로블로그의 특성상 일반적인 의견 분석 기법들을 그대로 트위터 메시지 분석에 적용하는 데에는 한계가 있다. 따라서 본 연구에서는 기계학습 기법을 위한 훈련 말뭉치 구축 과정을 원격 지도를 통해 자동화 시키는 방법을 적용하여 많은 비용을 요구하는 수동 어노테이션 없이 최신 훈련 데이터를 구축하고 이를 기반으로 훈련된 시스템이 시류에 민감한 트위터 메시지를 효과적으로 분석 할 수 있도록 만드는 것을 제안한다. 또한, Linked Open Data의 핵심인 DBPedia를 지식 베이스로 활용하여 시맨틱 웹이 의미 기반 의견 분석에 보다 쉽게 이용될 수 있을 것으로 기대된다. 제안된 방법들을 평가하기 위하여 트위터에서의 모바일 기기들에 대한 의견 분석을 목적으로 하는 시스템을 구축하는 실험이 수행되었다. 최근 모바일 기기 시장은 스마트폰과 태블릿의 확산으로 많은 제조사들이 신제품들을 계속해서 출시하고 있고 새로운 기술들이 빈번히 개발됨에 따라 활기가 넘치며 동적인 상태이므로 분석 대상으로서의 가치가 높다. 실험 결과는 본 연구에서 제시한 방법들이 트위터에서의 의미 기반 의견 분석의 시작점으로서 활용될 수 있는 충분한 가능성을 보여주었다.
