도메인별 어휘 관계를 고려한 형용사 감성극성 분류와 의견 사전 구축

초록

본 논문은 온라인 리뷰에서 형용사의 감성극성을 절대적·상대적 두 종류로 구분하고, 도메인별 특징 명사와의 관계를 분석하여 ‘Opinion‑Feature Dictionary’를 제안한다. 절대극성 형용사는 문맥에 관계없이 고정된 긍정·부정 값을 갖는 반면, 상대극성 형용사는 특징 명사에 따라 긍정·부정이 바뀌므로 단순 키워드 기반 추출에 한계가 있다. 다섯 개 도메인(화장품, 호텔, 병원, 모바일, 영화) 코퍼스를 구축·분석하고, 각 도메인별 특징 명사 리스트를 제시함으로써 보다 정확한 의견 문장 판별 방법을 제시한다.

상세 분석

이 연구는 감성 분석에서 가장 핵심적인 문제 중 하나인 형용사의 극성 판단을 ‘절대극성(Absolute Polarity)’과 ‘상대극성(Relative Polarity)’으로 명확히 구분한다. 절대극성 형용사는 “좋다”, “아프다” 등과 같이 도메인이나 문맥에 관계없이 항상 동일한 감성값을 가진다. 반면 상대극성 형용사는 “길다”, “크다”, “강하다” 등으로, 이들이 수식하는 특징 명사(예: 배터리 수명, 영화의 폭력성)에 따라 긍정 혹은 부정으로 해석된다. 이러한 구분은 기존의 사전 기반 혹은 머신러닝 기반 자동 추출 방식이 겪는 ‘노이즈’ 문제를 근본적으로 해결한다는 점에서 의의가 크다.

논문은 다섯 개의 도메인(화장품, 호텔, 병원, 모바일, 영화) 각각 약 2만 3천~2만 7천 토큰 규모의 코퍼스를 구축하고, 한국어 형태소 분석기 Geuljabi를 이용해 형용사와 명사를 추출하였다. 각 도메인에서 가장 빈번히 등장하는 형용사는 도메인 특성에 따라 크게 달라졌으며, 전체 형용사 300여 종류 중 약 58 %가 상대극성으로 분류되었다. 이는 키워드 기반 감성 사전이 절대극성에만 초점을 맞출 경우, 실제 리뷰에서 발생하는 의견의 60 % 이상을 놓치게 됨을 의미한다.

실험에서는 ‘크다(khuta)’라는 상대극성 형용사를 예시로 들어, 호텔과 모바일 도메인에서 해당 형용사가 포함된 문장을 추출했을 때 각각 79 %와 77 %의 정확도를 보였다. 즉, 같은 형용사가 사실 진술(“호텔 주변에 큰 건물이 있다”)과 의견 표현(“호텔이 크고 멋지다”)을 동시에 포함할 수 있음을 확인하였다. 이러한 현상은 형태소 수준의 감성 사전만으로는 해결할 수 없으며, 형용사와 연관된 특징 명사를 함께 고려해야 함을 시사한다.

논문은 또한 각 도메인별 ‘특징 명사 리스트’를 체계적으로 정리하였다. 예를 들어 화장품 도메인에서는 색상, 향, 화학성분, 효과, 물리적 증상 등 4~5개의 하위 카테고리로 구분하고, 호텔 도메인에서는 시설, 공급품, 서비스, 청결, 음식, 주변 환경 등으로 나누었다. 이러한 리스트는 형용사의 상대극성을 판단할 때, 어떤 명사와 결합했는지를 빠르게 확인할 수 있는 기준을 제공한다.

마지막으로 저자들은 ‘Opinion‑Feature Dictionary’를 구축하는 방향을 제시한다. 이 사전은 (1) 절대극성 형용사와 그 고정 감성값, (2) 상대극성 형용사와 가능한 특징 명사 쌍, (3) 각 도메인별 특징 명사 카테고리를 포함한다. 이를 활용하면 자동 의견 추출 시스템이 문맥을 고려한 정교한 극성 판단을 수행할 수 있어, 기존 방법보다 높은 정밀도와 재현율을 기대할 수 있다.

전체적으로 이 논문은 형용사의 감성극성을 단순 사전 매핑이 아닌, 도메인·특징 명사와의 관계망으로 재구성함으로써 감성 분석의 정확성을 크게 향상시킬 수 있음을 실증적으로 보여준다.