감정분석(Emotion Analysis)

1. 학습 자료

가. 감성분석

• https://www.youtube.com/watch?v=7GUoDHxN5NM : Colab으로 코딩하면서 설명해주심
• https://www.youtube.com/watch?v=Ablii-dTmoc : PPT 강의자료

2. 선행연구

가. 리뷰 논문

• Nandwani, P., & Verma, R. (2021). A review on sentiment analysis and emotion detection from text. Social network analysis and mining, 11(1), 81.

나. 감정 사전 구축 논문

• 김문형, 장하연, 조유미, & 신효필. (2013). KOSAC (Korean Sentiment Analysis Corpus): 한국어 감정 및 의견 분석 코퍼스. 한국정보과학회 학술발표논문집, 650-652.

다. 감정 어휘사전 통합 논문

• Hoyle, A., Wolf-Sonkin, L., Wallach, H., Cotterell, R., & Augenstein, I. (2019). Combining sentiment lexica with a multi-view variational autoencoder. arXiv preprint arXiv:1904.02839.

3. 한국어 감정 사전

가. 한글 오픈데이터 플랫폼 : http://openhangul.com/

나. 서울대학교 감성 사전 : http://nlp.snu.ac.kr/kosac/

다. 군산대학교 한국어 감성사전 : http://dilab.kunsan.ac.kr/knusl.html

4. 한국어 감정 데이터셋

가. AI 허브 : https://aihub.or.kr/aihubdata/data/list.do?currMenu=115&topMenu=100

• 감성 대화 말뭉치
• 공감형 대화
• 멀티모달 영상

나. 국립국어원 > 언어정보나눔터 : https://kli.korean.go.kr/corpus/request/corpusRegist.do

• 2가지 말뭉치가 존재하는데, 감성 라벨링된 데이터셋

다. 2023년 국립국어원 인공지능 언어 능력 평가: 감정 분석 데이터셋(NIKL2023)

• 감정 분석 데이터셋 : https://kli.korean.go.kr/benchmark/taskOrdtm/taskDownload.do?taskOrdtmId=103&clCd=ING_TASK&subMenuId=sub02 (현재, 다운로드 불가)
• 관련 깃허브 : https://github.com/oneonlee/KR-Emotional-Analysis , https://github.com/teddysum/Korean_EA_2023

라. KEmoFact 데이터셋

• 관련 연구 : A Korean emotion-factor dataset for extracting emotion and factors in Korean conversations

마. 한국 드라마 데이터셋

• 출처 : https://sites.google.com/view/KD-EmoR

5. 한국어 Transformer 계열 모델

• KcELECTRA : https://github.com/Beomi/KcELECTRA
• XAF-SS(cross-Attention-based Fusion of Speaker and Scene context) : Korean Drama Scene Transcript Dataset for Emotion Recognition in Conversations

6. 감정분석 기법 분류

가. 사전 기반

• 사전 기반 접근법, 말뭉치 기반 접근법

나. 기계학습 기반

• Naïve Bayes, 지원 벡터 머신(SVM), 결정 트리

다. 딥러닝 기반

• 신경망, CNN, LSTM, BiLSTM

라. 전이학습 기반

• 사전 훈련된 모델을 관련 도메인에 재사용

마. 하이브리드 기반

• 기계학습+딥러닝 등

출처 : Nandwani, P., & Verma, R. (2021). A review on sentiment analysis and emotion detection from text. Social network analysis and mining, 11(1), 81.

7. 모델 평가 지표

가. 혼동 행렬(Confusion Matrix)

나. 평가 지표

• 정확도 : (TP + TN) / (TP + TN + FP + FN)
• 정밀도 : TP / (TP + FP)
• 재현율 : TP / (TP + FN)
• F1 점수 : (2 Precision Recall) / (Precision + Recall) = (2 TP) / ((2 TP) + FP + FN)
• 기타 : 자카드 점수, 민감도, 특이도, 카파 계수, 피어슨 상관 계수 등

출처 : Al Maruf, A., Khanam, F., Haque, M. M., Jiyad, Z. M., Mridha, F., & Aung, Z. (2024). Challenges and Opportunities of Text-based Emotion Detection: A Survey. IEEE Access.

8. 감정분석 모델 구현

가. 딥러닝 기반

• VAE(Variational AutoEncoder) : 구글 Colab에서 VAE(Variational AutoEncoder) 모델 구현
• KoBERT
  . [Python, KoBERT] 7가지 감정의 다중감성분류모델 구현하기
  . 한국어 감성 분석
• HMAA(Hierarchical Masking and Aspect-aware Attention)
  . KLUEBERT 기반
  . 2024 Aspect-Based Sentiment Analysis in Korean Based on Hierarchical Masking and Aspect-aware Attention
• KE-T5
  . 2021 Ke-t5-based text emotion classification in korean conversations