Twitter is one of the most popular social network services analyzed in the field of computer science. Especially, it is an interesting source to investigate people’s opinions in the context of a variety of topics and situations. In particular, many recent studies try to investigate social media during the crisis situations that range from natural disasters to man-made conflicts. In this dissertation, we present an emotion analysis method that classifies fine-grained emotions in Korean Twitter posts. Using the proposed method, we investigate people's emotional responses expressed on Twitter during the 2015 Middle East Respiratory Syndrome (MERS) outbreak in South Korea.
In comparison to active research going on with tweets written in English, emotions expressed in Korean Twitter messages have not been studied in depth. Consequently, it is difficult to find related Korean microblogging studies as well as datasets or resources that are publically available. In addition, elaborate emotion lexicons are important to distinguish fine-grained emotions, but existing lexicon sets are mostly in English whereas building such lexicons is known to be extremely labor-intensive or resource-intensive. In this research, we constructed Korean Twitter Emotion Analysis (KTEA) dataset annotated by emotions as well as various resources that are particularly attuned to Korean Twitter domain. Moreover, we present a method that automatically builds fine-grained emotion lexicon sets from the annotated dataset. Based on the constructed dataset and resources, we suggest Korean-specific and Twitter-specific features as well as an effective classification method using machine learning algorithms that classify Korean Twitter messages into fine-grained emotion categories.
Moreover, we conduct a case study of how Korean Twitter users responded to MERS outbreak using our proposed emotion analysis method. Analysis results on tweets related to MERS outbreak help to understand the behaviors of humans and the characteristics of sociocultural system. We believe our method can be further harnessed by the media to automatically investigate public opinions as well as the authorities to gain insights for quickly deciding the assistance policies.
트위터와 같이 온라인에 남긴 글에서 사용자의 감정을 관찰하여 다수의 반응 및 의견을 분석하는 연구가 증가하는 추세이다. 기업이 브랜드 이미지나 상품의 반응을 관찰하는 용도로 사용될 수 있으며, 국가가 트위터를 활용하여 다수의 사람들의 의견을 수집하고 정책에 대한 판단을 내리는 데에 도움이 될 수 도 있는 등 관련 연구의 활용 범위가 매우 넓다. 그 중에서도 실시간으로 빠르게 업데이트되는 트위터를 활용하여 많은 사용자의 감정을 판단하는 연구가 최근에 많이 수행되고 있다. 본 연구의 목표는 한국어 트위터 메시지에 특화되어 사용자의 감정을 분석하는 기계학습 기반 모델을 만드는 것이다. 더불어 제시한 방법을 활용하여 실제 트위터 데이터에 적용한 뒤 의미 있는 발견을 하고자 한다.
텍스트를 기반으로 하는 감정 분석은 언어에 종속적이므로 한국어에 특화된 감정 분류연구가 필요하다. 또한 일반 텍스트와는 다르게 길이가 매우 짧고 비속어나 은어 등의 용어가 빈번하며 비규칙적인 구조를 지니고 있는 트위터를 대상으로 할 경우 해당 도메인에 종속적인 연구가 반드시 필요하다. 하지만 한국어로 작성된 트위터에서 세분화된 감정을 어떻게 효율적으로 분류할 수 있을지 대해 깊은 연구가 매우 부족한 실정이다. 본 연구는 한국어와 트위터에 특화되어 Ekman의 6가지 감정과 중립을 판단하는 데에 가장 효율적인 방법을 연구하였다. 마지막으로 2015년 한국 메르스 사태에 관련한 실제 트위터 데이터에 본 연구에서 제시하는 감정분류 방법으로 분석을 해보고 본 연구에서 사용하는 감정분류 방법이 사회 현상을 분석하는 데에 효율적인 방안이 될 수 있음을 증명하고 더불어 의미있는 발견을 제시한다.
