Home

[4]는 대학 평판도 평가를 위해 온라인 뉴스 데이터를 활용했다. 수집한 온라인 뉴스 데이터를 기반으로 AR-KNU 감성사전을 구축하였다. 군집화 알고리즘을 이용하여 대학에 관한 주제를 추출하고 군집명을 부여하였다. 군집명을 기반으로 문단을 학습하여 대학의 긍정·부정 비율을 통해 평판도를 분석하였다. 그러나 대학별 데이터 크기 차이로 인해 긍정·부정의 편향이 발생하였으며 특정 대학의 기사에서 다양한 대학이 언급되는 문제점이 존재하였다.

[5]는 대학 평판도 평가를 위해 온라인 뉴스 데이터를 활용했다. 데이터 수집 기간의 확장을 통해 더 많은 감성 어휘를 수집하였으며, AR-KNU에 감성 어휘를 추가하여 AR-KNU+를 구축하였다. 감성사전을 기반으로 문단을 학습하여 대학의 긍정·부정 비율을 통해 평판도를 분석하였다. 그러나 온라인 기사는 특정 대학만 언급하는 것이 아니라 다양한 대학이 언급되는 문제점이 존재하였다.

[14]는 대학 평판도 평가를 위해 대학알리미에서 제공하는 대학별 신입생 충원율, 재학생 충원율, 취업률과 온라인 뉴스 데이터를 수집하여 연구를 수행하였다. 수집한 기사로 형태소 분석을 수행하였고 빈도수가 높은 단어를 추출하여 감성 사전을 이용한 감성 분석을 수행하였다. 그 결과, 정량지표를 통해 신뢰성을 높일 수 있었지만, 특정 대학의 기사에서 다양한 대학이 언급되는 문제점이 존재하였다.

뉴스 데이터를 통한 대학 평판도 평가는 적은 데이터 크기로 인한 편향과 특정 대학의 기사가 아닌 다양한 대학을 언급하는 문제점이 존재한다.

[15]는 특수목적 대학교들의 이미지 분석을 위해 트위터, 페이스북, 블로그 등 SNS에서 언급된 데이터를 수집하여 연구를 수행하였다. 빅데이터 분석 프로그램을 사용하여 연관어를 기반으로 시간의 흐름에 따른 이미지 결과를 분석하였다. 그 결과, SNS 데이터를 사용하는 연령층과 단기간에 형성된 대학에 관한 여론을 파악할 수 있었다. 적은 데이터 크기로 간접적인 평판 추측이 가능했지만 통계 분석을 통해 연관어의 정확한 감성을 도출하기 어렵다는 한계가 있다.

본 논문에서는 뉴스 데이터 기반의 대학 평판도 평가 연구의 문제점 해결을 위해 SNS 데이터를 수집한다. 감성 분석을 통하여 [6]에서 구축한 AR-KNU+ 확장한다. 확장한 감성 사전을 통해 감성이 포함된 게시물만을 이용하여 방향 그래프를 구축한다. 구축한 방향 그래프를 이용하여 페이지랭크를 통해 허브 노드를 추출한다. 마지막으로, 추출한 허브 노드를 기점으로 감성 분석을 수행해가며 대학과 관련된 데이터를 수집한다.

이 절에서는 대학 평판도 분석을 위한 인스타그램의 데이터 수집방법을 제안한다. 이를 위해 인스타그램의 해시태그를 이용한 크롤러를 구축한다.

크롤러는 사용자가 수집을 원하는 대학명을 입력할 시 입력한 대학명을 해시태그로 하는 게시물을 검색하여 수집한다. 이때 입력한 대학의 이름은 약어로 사용하는 경우가 존재한다. 그러나 약어로 표현되는 대학명의 경우 다른 단어의 뜻을 가지는 경우가 존재한다. 예를 들어 연세대학교를 연대라고 표현하는 경우이다. 연대는 행동을 같이하는 뜻이 있다.

그러므로 해시태그를 이용한 대학명 검색 시 약어를 사용하지 않고 전체 대학명을 사용한다. 수집을 진행하는 방식은 인스타그램이 제공해준 알고리즘을 통해 다음 게시물로 이동해가며 게시물을 수집한다.

이 절에서는 수집한 인스타그램 데이터를 형태소 분석하여 품사를 구분하고 감성 평가를 통해 감성 어휘를 추출하여 감성사전을 확장한다. 수집한 인스타그램의 게시물의 해시태그를 대상으로 기존 감성 사전인 AR-KNU를 이용하여 감성 게시물을 분류한다. 분류한 감성 게시물의 해시태그 및 댓글을 대상으로 네이버 맞춤법 검사를 수행하여 오타를 교정한다.

맞춤법 검사를 수행한 해시태그와 댓글을 형태소 분석기인 MeCab을 사용하여 명사, 동사, 형용사, 부사, 감탄사, 사전에 정의되어 있지 않은 단어로 분류한다. 형태소 분석을 완료한 단어를 감성 분석하여 기존 감성사전에 포함되지 않는 단어를 추가한다.

표 1은 감성 어휘의 감성 정도를 매기는 기준이다. 세 명의 평가자는 분류한 어휘를 표1을 기준으로 감성 평가하여 과반수에 해당하는 점수를 부여한다. 만일 평가자의 점수가 각각 다르다면 재평가를 통해 점수를 부여한다.

이 절에서는 감성 어휘 비율이 높은 허브 노드를 추출하기 위해 감성 어휘를 포함한 게시물을 이용하여 방향 그래프를 구축한다. 이를 위해 확장한 감성사전을 이용하여 게시물의 해시태그에 대학명과 감성 어휘가 포함된 게시물을 분류한다. 분류한 감성 게시물을 NetworkX 패키지를 이용하여 방향 그래프를 구축한다.

그래프 구축 방식은 그림 2와 같이 진행된다. 수집한 감성 게시물을 대상으로 게시물을 작성한 계정의 URL에서 댓글을 작성한 계정의 URL로 이동할 수 있다는 가정하에 진행한다. 또한, 댓글을 작성한 계정이 게시물을 작성한 계정의 URL로 이동할 수 있는 것을 배제하였다.

Fig. 2. 
Direction graph for proposed method

그림 3은 그림 2를 기반으로 그래프를 구축한 예시이다. 구축한 그래프는 n개의 깊이를 가지며 인접 노드를 통하여 특정 노드에 접근할 수 있다. 또한, 허브 노드 및 인접 노드에 링크가 없어 네트워크가 분리된 경우도 존재한다.

Fig. 3. 
Example of a direction graph of the proposed method

이 절에서는 허브 노드를 추출하기 위해 구축한 방향 그래프를 이용한다. 구축한 방향 그래프를 NetworkX 패키지를 이용하여 페이지랭크를 구현한다. 페이지랭크의 결과로 상위의 가중치를 가진 계정을 허브 노드로 추출한다.

허브 노드 추출 시 단일 노드가 아닌 다수의 노드를 대상으로 한다. 이를 통해 허브 노드를 기점으로 하는 데이터 수집 시 광범위한 네트워크를 구축하도록 한다.

식 (1)은 페이지 A의 페이지랭크를 계산하는 알고리즘이다. 주변 페이지의 가중치를 이용하여 계산하며 d는 다른 페이지로 가는 링크를 클릭할 확률의 값으로 0.85로 지정하여 85%의 확률로 다른 페이지를 클릭하도록 했다. 식의 결과는 페이지 A로 접속하는 확률을 얻을 수 있다.

이 절에서는 네트워크에서 영향력 있는 노드인 허브 노드를 기점으로 인접한 노드로 확산해가며 데이터를 수집한다. 이를 위해 그래프 탐색 방식으로 BFS(Breadth First Search) 기법을 사용하여 기준 노드를 시작으로 인접한 모든 노드를 탐색한다.

그림 4는 허브 노드를 기점으로 데이터를 수집하는 크롤러의 프로세스다. 사용자는 데이터 수집을 위해 대학명, 연도, 허브 노드의 링크를 입력한다. 입력한 허브 노드의 링크로 이동하여 게시물을 수집한다. 게시물 수집 시 입력한 연도와 비교 후 해시태그에 대학명의 포함 여부를 비교한다. 연도와 대학명의 조건에 충족하는 게시물을 대상으로 확장한 감성사전을 이용하여 감성 어휘를 분석한다. 해시태그 및 댓글에 감성 어휘를 포함할 시 해당 게시물의 해시태그, 댓글, 댓글을 작성한 계정 링크를 수집한다. 해당 허브 노드와 관련된 계정 링크가 존재하지 않을 때까지 반복한다.

Fig. 4. 
Crawler process

실험 환경은 표 2와 같다. 크롤러 구현을 위한 개발 언어는 Python을 사용하였으며, 라이브러리는 Selenium을 사용한다. 크롬 드라이버를 사용하여 크롬을 통한 데이터 수집 환경을 구축하였다.

표 2는 실험을 수행할 대학의 인스타그램 게시물 수집개수이다. U1, U2, U3, U4, U5는 대학명을 익명으로 나타내었다. 데이터 수집 기간은 2020년 12월부터 2021년 4월이다. 그러나 U5는 특정 기간 매우 적은 양의 데이터 개수를 보여 수집 기간을 늘렸다. 수집 기간은 2019년 8월부터 2020년 8월이다. 감성 어휘를 포함한 게시물의 개수가 아닌 대학명을 해시태그로 포함하는 게시물의 개수이다.

표 3은 표 2의 대학의 데이터를 맞춤법 검사와 형태소 분석기를 이용하여 분류한 감성 게시물을 세 명의 평가자가 매우 부정, 부정, 감정 없음, 긍정, 매우 긍정으로 단어 감성 평가를 완료한 결과를 보여준다. 감정 없음을 제외한 단어를 AR-KNU+에 추가하여 확장하였다. 그러나 73,937개의 단어 중 765개를 추가하여 낮은 빈도의 감정 어휘를 보였다.

효율적인 감성 게시물 수집을 위해 허브 노드 개수에 따른 게시물의 감성 어휘 비율을 분석한다. 실험 데이터는 기존 방안인 페이지랭크를 이용하여 수집한 방식과 제안 방안인 감성 어휘를 고려한 페이지랭크로 수집한 데이터로 구분한다.

허브 노드가 접근할 수 있는 횟수를 변경하여 진행하였으며 감성 어휘 검출을 위해 AR-KNU+와 SNS 감성 어휘를 추가한 사전을 사용하여 비교한다. 샘플링 데이터를 100개로 하여 10회 실시한다.

실험 결과는 정밀도(Precision)와 재현율(Recall)의 값을 이용하여 F1 score의 값을 계산한다. 정밀도는 대학과 관련된 게시물의 전체 해시태그에서 감정 어휘를 포함한 해시태그의 비율을 계산한 값이다. 재현율은 대학과 관련된 게시물의 해시태그에서 중복을 제거하고 감정 어휘를 포함한 해시태그의 비율을 계산한 값이다. F1 score는 정밀도와 재현율을 이용하여 계산한 값으로 대학과 관련된 게시물 당 감성 어휘를 포함한 비율을 나타낸다.

그림 5는 기존 방안과 제안 방안의 실험 결과를 보여준다. 기존 방안인 기존 페이지랭크를 사용한 방식은 감성 어휘를 추가한 사전이 더 높은 F1 score를 보였으며 허브 노드를 3개 사용한 방식이 5개를 사용한 방식보다 높은 F1 score를 보였다. 그러나 가장 높은 F1 score는 0.019를 보였다.

Fig. 5. 
F1 score of baseline and proposed method

제안 방안인 감성 어휘를 고려한 페이지랭크를 사용한 방식은 감성 어휘를 추가한 사전이 더 높은 F1 score를 보였으며 허브 노드를 3개 사용한 방식이 5개를 사용한 방식보다 높은 F1 score를 보였다. 또한, 가장 높은 F1 score는 0.09로 기존 방안과 비교하였을 때 약 4.5배 높았다. 따라서 허브 노드를 기점으로 하는 데이터 수집은 허브 노드의 개수를 3개를 사용하여 수집한다.

표 4는 그림 5의 제안 방안의 대학별 F1 score의 값을 보여준다. Method A와 B는 각각 허브 노드를 3개, 5개로 하여 확장한 감성 사전을 사용하였으며, Method C와 D는 각각 허브 노드를 3개. 5개로 하여 기존 감성 사전을 사용하였다. 표 5는 그림 5의 기존 방안의 대학별 F1 score의 값을 보여준다.

Method A와 B는 각각 허브 노드를 3개, 5개로 하여 확장한 감성 사전을 사용하였으며, Method C와 D는 각각 허브 노드를 3개, 5개로 하여 기존 감성 사전을 사용하였다.

표 6은 기존 연구인 [2]와 수집 데이터의 개수를 비교한 결과를 보여준다.

제안 방안은 인스타그램을 활용하여 수집한 허브 노드를 기점으로 인접 노드를 탐색하여 감성 게시물을 수집하였다. 그러나 기존 방안과 비교하여 매우 적은 데이터양을 보였다. 이를 통해 인스타그램은 대학과 관련된 감성 게시물의 수가 매우 적은 매체임을 알 수 있다.

수집한 인스타그램 데이터 중 대학과 관련된 감성 게시물을 수집하는 실험을 수행하였다.

표 7은 허브 노드의 감성 게시물 수집결과를 보여준다. Univ는 대학을 익명으로 나타낸 값이며 Adjacent Node는 허브 노드에서 접근할 수 있는 노드로 감성 게시물에 댓글을 작성한 계정이다. Total Content는 허브 노드에서 수집된 게시물의 개수이다. 대학별로 최소 10개 이상의 인접 노드가 존재하였으며, U4, U5를 제외한 나머지 대학에서는 감성 게시물의 인접 노드로 20개 이상이 존재하였다. 이를 통해 허브 노드의 감성 게시물에 댓글을 작성하는 인접 노드가 많이 존재하는 것을 알 수 있다.

표 8은 허브 노드의 감성 게시물에 댓글을 작성한 노드인 인접 노드의 감성 게시물 수집결과를 보여준다.

허브 노드와 인접한 노드는 평균 24개 정도였지만, 대학과 관련된 감성 게시물을 검출할 수 없었었다. 이를 통해 허브 노드의 인접 노드는 게시물의 댓글만을 작성하고 대학과 관련된 게시물을 작성하지 않는 것을 알 수 있다.