The research aims to identify vocabulary meaning of “resentment” in Chinese and Korean language. For this, words were extracted, meaning “resentment” in 『A Dictionary of Modern Chinese Usage』, 『A Dictionary of Modern Reverse Chinese Usage』, and 『The Korean Standard Unabridged Dictionary』 published by The National Institute of the Korean Language. Through analysis of these words, distributions by parts of speech and types of word formation were analyzed. The results are as follows: in Chinese, the meaning of “resentment” are the most common in verbs, followed by nouns and adjectives. On the other hand, nouns includes the most “resentments” words, followed by verbs and adjectives. In terms of word formation, most of the Chinese “resentment” vocabulary are compound words; their internal structure mainly consist of verbs and objectives, or modifier and nouns. On the contrary, in case of Korean language, compound nouns and derivative verbs are the most common. Finally, in respect of representative vocabulary of “resentment”, metaphor concept for “resentment” in Chinese and Korean language are in the following: both Chinese and Korean words conceptualize the meaning of “water, red, fire (or heat or hot vapor), thing, food, climate, and weapon.” However, conceptualizing as “plant” appears in only Korean language, and as “letter” and “dangerous animal” in only Chinese language.

본 연구에서는 승용차에서 사람들이 기기를 사용하기 위해 사용하는 기동어인 “Hi, KIA!”의 감성을 기계학습을 기반으로 분류가 가능한가에 대해 탐색하였다. 감성 분류를 위해 신남, 화남, 절망, 보통 총 4가지 감정별로 3가지 시나리오를 작성하여, 자동차 운전 상황에서 발생할 수 있는 12가지의 사용자 감정 시나리오를 제작하였다. 시각화 자료를 기반으로 총 9명의 대학생을 대상으로 녹음을 진행하였다. 수집된 녹음 파일의 전체 문장에서 기동어 부분만 별도로 추출하는 과정을 거쳐, 전체 문장 파일, 기동어 파일 총 두 개의 데이터 세트로 정리되었다. 음성 분석에서는 음향 특성을 추출하고 추출된 데이터를 svmRadial 방법을 이용하여 기계 학습 기반의 알고리즘을 제작해, 제작된 알고리즘의 감정 예측 정확성 및 가능성을 파악하였다. 9명의 참여자와 4개의 감정 카테고리를 통틀어 기동어의 정확성(60.19%: 22~81%)과 전체 문장의 정확성(41.51%)을 비교했다. 또한, 참여자 개별로 정확도와 민감도를 확인하였을 때, 성능을 보임을 확인하였으며, 각 사용자 별 기계 학습을 위해 선정된 피쳐들이 유사함을 확인하였다. 본 연구는 기동어만으로도 사용자의 감정 추출과 보이스 인터페이스 개발 시 기동어 감정 파악 기술이 잠재적으로 적용 가능한데 대한 실험적 증거를 제공할 수 있을 것으로 기대한다.

본 연구에서는 사용하는 제품의 유형에 따라 표출되는 감성어휘에 차이가 있는지 알아보기 위하여 휴대폰 및 웹을 사용하는 도중에 표출되는 사용자의 감성을 측정하기에 적합한 감성어휘들을 추출하여 비교해 보았다. 본 연구의 결과를 종합해 보면, 휴대폰과 같이 하드웨어적인 특성이 강하고 사용자가 어떤 특정한 목적을 가지고 사용하는 상황이 많은 제품에 대해서는 사용상황 및 태스크 수행에 직접적으로 관련된 '사용적 만족성'과 '유쾌성' 등에 관련된 감성어휘가 많이 추출되었고, 제품의 외관이나 다양한 시각정보에 의해 표출된 '심미성'과 참신하고 새로운 것에 의해 표출된 '신규성'에 관련된 감성어휘는 다수가 제외되었음을 발견할 수 있었다. 반면에 웹과 같이 소프트웨어적인 특성이 강하고 사용자들이 특정한 목적의 태스크를 수행해야 하는 상황보다는 뭔가 새로운 정보를 찾거나 보다 우수한 것을 찾기 위하여 사용하는 제품의 경우에는 '신규성'과 같이 직접적인 사용에 관련된 것보다는 시각적이고 새로운 정보에 관련된 감성어휘가 많이 추출됨을 알 수 있었다. 따라서 본 연구의 결과는 해당 제품의 특성과 사용목적에 적합한 감성어휘를 중심으로 제품의 유형에 따라 구분하여 각각의 제품에 적합한 주관적 평가스케일을 도출하는 것이 바람직하다는 것을 반증해 준다고 할 수 있다.

감성 분석은 글을 통해 작성자의 주관적인 생각이나 느낌을 분석하는 방법으로 효과적인 감성 분석을 위해서는 감성 단어 극성 사전 구축이 필수적이다. 본 논문은 효율적인 한국어 극성 사전 구축을 위해 우리가 개발한 크라우드소싱 기반 게임을 소개한다. 먼저, 크롤러를 이용해 인터넷 커 뮤니티에서 말뭉치들을 수집했고, Twitter 형태소를 이용해 수집한 말뭉치를 형태소별로 분류하고 단어화했다. 이 단어들은 모바일 플랫폼 기반 태깅 게임 형태로 제공되어 게임플레이를 통해 플레 이어들이 자발적으로 단어들의 극성을 선택하고 결과가 데이터 베이스에 축적되도록 게임이 설계 되었다. 현재까지 약 1200여개의 단어들의 극성을 태깅하였으며, 향후 좀 더 많은 감성 단어 데이 터들을 축적함으로써 특히 게임 도메인에서 한국어 감성 분석 연구에 기여할 것으로 기대한다.