본 기술은 잠재 디리클레 할당(LDA) 알고리즘으로 문서의 토픽별 단어 집합을 뽑아낸 뒤, 어로우절-밸런스 모델로 수치화된 감정 단어 데이터베이스와 매칭하여 감정 단어를 추출하고 대표 감정 단어를 굵은체로 강조해 보여주는 토픽 모델링 시스템입니다.
토픽 모델은 하나의 토픽을 단어 집합으로만 제시하기 때문에 문서에 대한 사전 지식이 없으면 그 의미를 파악하기 어려웠습니다. 해석하는 사람에 따라 같은 토픽이 다르게 읽힐 수 있고, 문학 작품처럼 감정이 핵심인 문서에서는 단어 집합의 의미 전달력이 크게 떨어지는 문제가 있었습니다.
본 기술은 감성 필터로 감정 단어를 긍정군과 부정군으로 나누고 비율이 높은 단어군에서 감정수치가 가장 큰 단어를 골라 굵은체로 표시함으로써 토픽의 정서적 방향을 한눈에 드러냅니다. 감정 단어는 수치 크기에 비례한 원형 노드로도 시각화되어 해석의 일관성이 높아집니다. 문학 텍스트 분석, SNS 게시글과 노래 가사의 감정 분포 분석 서비스에 적용될 수 있어 텍스트 마이닝 결과의 해석 신뢰도를 높여 줍니다.
N/A
