단어 임베딩 및 언어심리학적 변인을 이용한 온라인 뉴스 댓글에 대한 반응 분석

2.1 온라인 뉴스 댓글 분석

뉴스의 소비에서 온라인 채널의 중요성은 점점 커지고 있다. 국내에서 이제까지 수행 된 온라인 뉴스 댓글에 대한 연구들은 크게 두 가지 범주로 구분될 수 있다. 첫째 범주의 연구에서는 주로 온라인 댓글의 특성들에 초점을 맞추고 이를 통계적, 계량적으로 분석한다. 예를 들어 영어권과 한국을 대상으로 악성 댓글에 드러난 언어적 특성을 비교한 연구[3], 소셜 댓글과 일반 댓글의 특성 간 차이를 분석한 연구[2], 온라인 토론의 댓글 트리 구조를 정량적으로 분석한 연구[4] 등이 이에 포함된다. 두 번째 범주의 연구에서는 특정한 주제에 초점을 맞추고 그에 관련된 뉴스 기사들의 댓글을 분석한다. 이러한 연구들은 해당 주제에 대한 뉴스의 댓글에 나타나는 사용자들의 주된 관심사항을 파악하는 것이 목적이라고 할 수 있다. 예를 들어 한 연구에서는 월드컵에 대한 기사들을 분석하여 댓글에 드러난 독자들의 주요 관심사, 관심을 받은 경기 혹은 선수 등을 분석하였다[5]. 또 다른 연구에서는 댓글 분석을 통해 신고리 원전 5~6호기에 대한 주요 이슈들과 이들의 시간별 변화를 분석한 바 있다[6].

본 연구는 첫 번째 범주의 연구에 해당한다고 볼 수 있으며, 특히 온라인 댓글에 포함된 언어심리학적 특성을 활용한다는 점, 또한 인공신경망 기반 임베딩을 활용하여 댓글의 주제어휘의 영향을 함께 분석한다는 점에서 기존 연구와 차별화 된다. 기존 연구 중 언어심리학적 변인을 활용한 연구가 일부 존재하기는 하나[3], 본 연구와 같이 언어심리학적 특성이 댓글에 대한 반응에 끼치는 영향을 분석한 연구는 찾아보기 힘들다.

2.2 컴퓨터 기반 텍스트 분석

텍스트 분석은 정보 검색 분야에서 오랫동안 연구되어 온 주제이며 구글과 같은 검색 엔진에 널리 활용되고 있다. 전통적인 텍스트 분석은 텍스트를 분류하거나, 혹은 텍스트를 대표하는 키워드를 추출하고, 이 키워드를 통해 원하는 문서를 빠르고 효과적으로 검색하는 데 그 목적이 있다. 최근에는 그러한 용도 외에도 텍스트의 감정 분석, 주요 키워드 간의 관계 도출, 텍스트 요약, 기계 번역 등 분석의 목적과 기법이 매우 다양해지고 있다.

한편 심리학의 세부 분과인 언어심리학 분야에서도 컴퓨터를 이용해 텍스트를 분석하고 이를 통해 사람들의 심리를 이해하고자 오랫동안 연구해 온 바 있다. 언어심리학 분야에서는 사람들의 말 혹은 글에 드러난 특징들이 각 개인의 심리적 특성을 반영한다고 보고 이를 사회과학적으로 연구해 왔다. 예를 들어 특정한 대명사 군이나 특정한 시제의 활용 빈도가 개인의 고유한 성격 유형 및 특성과 관련 있음이 제시된 바 있다[7].

본 연구에서는 그러한 언어심리학적 변수 중 구체적으로 ‘사회적 어휘’, ‘인지적 어휘’, 두 가지 특징에 초점을 맞추어 댓글을 분석하고자 하였다. 이때 사회적 언어는 사람들의 사회적 관계 혹은 행위와 관련된 어휘로, 예를 들어 ‘친구’, ‘가족’, ‘대화’ 등이 이에 해당한다고 볼 수 있다. 인지적 어휘는 사람들의 인지적 사고 과정과 관련된 어휘들로, 주로 판단, 추론, 영감, 분석 등과 관련된 어휘이다. 예를 들어, ‘이유’, ‘왜냐하면’, ‘만약’, ‘생각’ 등이 이에 해당한다고 할 수 있다[8]. 연구에 의하면 각 개인의 특성과 지향에 따라 이러한 어휘들의 사용 빈도가 달라지는 것으로 알려져 있다[7][9].

최근에는 급속히 발전한 인공지능 연구의 결과로 텍스트 분석 기법 또한 많이 발전하고 있으며, 특히 텍스트의 구성 요소를 인공신경망에 바탕을 둔 임베딩으로 표현하는 연구들이 많이 등장하여 널리 활용되고 있다[10][11]. 임베딩은 단어, 문장 등의 텍스트 구성 요소를 숫자로 구성된 벡터로 표현하는 것을 의미하며, 이는 곧 각 요소들이 다차원 공간의 좌표로 표현될 수 있음을 의미한다. 이때 임베딩 벡터들은 각 텍스트 구성 요소의 잠재적 의미(Latent semantics) 및 문법적 특징을 반영하게 되며, 따라서 텍스트 분석에 매우 효과적인 수단이 된다. 예를 들어, 단어 임베딩을 사용하면 “France –Paris + England = X”와 같은 방정식 연산을 통해 “X = London”이라는 결과 값을 도출해 낼 수 있다[12]. 본 연구에서도 Word2Vec 임베딩 방식 중 스킵그램(Skip-gram) 기법을 활용하였다[13].

3.1 연구의 목적

본 연구의 목적은 온라인 뉴스의 댓글을 분석하여 댓글의 어떠한 특징들이 댓글에 대한 반응에 영향을 끼치는 지 분석하는 것이다. 구체적으로 본 연구가 답하고자 하는 질문들은 다음과 같다. 첫째, 온라인 뉴스 댓글의 특성, 특히 언어심리학적 어휘 및 특정 주제 범주의 어휘 활용은 댓글에 대한 긍정, 부정 반응에 어떠한 영향을 끼치는가? 둘째, 온라인 뉴스 댓글의 특성과 기사의 특성 간의 상호관계가 댓글에 대한 반응에 영향을 끼치는가? 본 연구는 뉴스 댓글 텍스트와 그 반응에 대한 데이터를 수집해 분석함으로써 이러한 질문에 답하고, 온라인 뉴스 사용자들의 여론 형성 과정을 이해하고자 하였다.

3.2 연구 방법

구체적인 연구의 방법은 다음과 같다. 첫째, 많은 사용자들이 관심을 가지고 있는 주요 기사들에 대한 댓글을 분석하기 위해 국내 대표적 포털 사이트가 제공하는 뉴스 서비스를 분석 대상으로 하였다. 이를 위해 해당 포털 사이트에서 제공하는 뉴스 중, 클릭한 횟수를 기준으로 매일 특정 시점에 가장 인기 있는 뉴스 기사 20개에 대해, 각각 총 500개까지의 댓글을 1개월 동안 수집하였다. 댓글은 웹 크롤링 방식을 활용하여 많은 사람들이 공감한 비율 순으로 상위 순위부터 수집 하였다. 기사의 댓글이 500개가 넘는 경우에는 500개까지만, 그 미만일 경우 모든 댓글을 수집하였다. 이렇게 하여 1개월, 즉 31일 간 총 256,890개의 댓글을 수집하였고 이는 1개의 기사 당 평균 약 414.3개의 댓글이 수집되었음을 의미한다. 이때 어절 수가 적은 경우 댓글에서 충분한 특징을 추출할 수 없어 본 연구의 취지에 부합하지 않는다고 보고, 어절 수 20개 미만인 경우를 제외한 후 총 123,972개의 데이터를 실제 분석에 활용하였다. 표 1에는 수집된 데이터에 대한 요약 정보가 제시되어 있다.

Table 1.

Summary of collected data

수집된 댓글 텍스트의 처리를 위해 한국어 처리 공개 소프트웨어인 Python 기반의 KoNLPy를 활용하였다[14]. KoNLPy의 태거(Tagger)를 활용하여 모든 단어를 형태소로 변형한 후, 역시 Python 기반 공개소프트웨어인 gensim을 활용하여 임베딩으로 변환하였다[15]. 구체적으로는 앞서 소개된 스킵그램 방식의 임베딩을 활용하였으며, 벡터의 차원은 200으로 설정하였다.

다음으로, 댓글에 포함된 언어심리학적 변수들과 댓글에 대한 반응 간의 관계를 분석하기 위해 회귀분석을 실시하였다. 회귀분석을 위해 사용된 변수들은 표 2에 정리되어 있다.

Table 2.

Variabels used for analysis

우선, 분석 대상 변수로는 앞서 2절에서 소개된 두 가지 언어심리학적 변수인 사회적 어휘와 인지적 어휘, 감정분석에서 많이 활용되는 감정 어휘(긍정 및 부정 각각), 임베딩 기반의 주제별 어휘 등을 사용하였다. 사회적 어휘, 인지적 어휘, 감정 어휘들의 경우 LIWC를 바탕으로 제작된 한국어 분석 도구인 HLIWC를 이용하여 추출된 값을 활용하였다[9].

주제별 어휘 변수의 경우 뉴스 기사들이 크게 ‘정치’, ‘경제’, ‘생활’, ‘문화’ 등으로 구분된다는 점을 바탕으로 이와 유사하게 네 가지로 구성하였다. 이를 위해 앞서 생성된 임베딩 벡터를 활용하여 댓글의 각 어휘들과 네 가지 주제어와의 코사인(Cosine) 기반의 유사도를 계산하고, 그 값이 .3 이상인 경우 각 주제 범주와 관련이 있는 것으로 간주하였다. 각 주제 범주 별 어휘들의 예가 표 3에 제시되어 있다. 그 다음 해당 어휘들의 유사도 합을 각 댓글에 대해 각각의 주제를 대표하는 변수로 활용하였다.

Table 3.

Examples of words for each category

종속변수는 댓글에 대한 반응으로 좋아요, 싫어요, 그리고 이 둘을 합한 값 등 총 세 가지를 활용하였다. 통제변수로는 전체 어절 수, 기사 자체에 대한 긍정 혹은 부정 반응 수, 댓글 작성 시간과 기사 작성 시간 간의 차이 등을 활용하였다. 이 중 기사에 대한 긍정 반응은 포털사이트가 각 기사에 대해 집계해 제공하는 ‘좋아요’, ‘훈훈해요’, ‘후속기사 원해요’를 합한 값을 활용했으며, 부정 반응은 ‘슬퍼요’, ‘화나요’ 반응을 합한 값을 활용하였다.

4.1 댓글 반응에 대한 영향 요인 분석

표 4에는 주요 변수들의 기술 통계가 요약되어 있다. 분석 대상 댓글들의 평균 어절 수는 약 49개이며, 최댓값은 300이다. 이때 최댓값은 해당 포털사이트가 허용하는 댓글의 길이 제한에 의한 것이다. 인지적 어휘는 댓글 당 평균 2.4개, 최대 25개가 등장하는 것을 알 수 있으며, 사회적 어휘는 평균 1.48개, 최대 30개가 등장하는 것을 알 수 있다. 주제 관련 단어의 경우 경제 및 정치에 관한 어휘들이 평균적으로 가장 많이 포함된 것으로 나타났다. 댓글에 대한 ‘좋아요’의 수는 평균 56.5개, 최대 약 38,000개임을 알 수 있다. ‘싫어요‘의 개수는 평균 4.4개, 최대 3,234개로 ’좋아요’ 반응보다는 대체로 훨씬 적음을 알 수 있다. 기사에 대해서는 평균적으로 부정 반응이 긍정 반응보다 약 2배 정도 많은 것으로 나타났다. 댓글이 작성된 시간은 기사 작성 후 최대 하루 정도, 평균 4시간 정도인 것으로 나타났다.

Table 4.

Descriptive statistics of key variables

표 5에 회귀분석 결과가 정리되어 있다. ‘좋아요’가 종속변수인 경우 R2 값이 약 27 퍼센트, ‘싫어요’의 경우 약 12 퍼센트로 나타나, 연구 모델이 ‘좋아요’ 반응을 더 잘 설명함을 알 수 있다. 두 경우 모두 전체 모델의 F 값은 높은 수준에서 유의한 것으로 나타나고 있다.

Table 5.

Analysis of ‘like’ or ‘hate’ reaction to comments

언어심리학적 변수들의 경우 ‘좋아요’ 및 ‘싫어요’ 반응 모두에 대해 유의한 영향을 끼치는 것으로 나타났다. 이때 인지적 어휘의 ‘싫어요’ 반응의 경우만 부의 방향으로, 나머지는 모두 정의 방향으로 유의한 영향을 끼침을 알 수 있다.

감정 어휘의 경우 부정 감정 어휘만 낮은 유의 수준에서 ‘좋아요’에 부의 영향을 끼치는 것을 알 수 있으며, 나머지의 경우는 모두 유의하지 않은 것으로 나타나고 있다. 주제어들의 경우에도 대체로 유의한 영향을 끼침을 확인할 수 있다. 그러나 정치 주제의 경우 ‘좋아요’ 반응에, 경제 주제의 경우 ‘싫어요’ 반응에 유의한 영향을 끼치지 않음을 알 수 있다. 또한 문화 주제의 경우 ‘좋아요’, ‘싫어요’ 반응 모두에, 사회 주제의 경우 ‘싫어요’ 반응에 부의 영향을 끼치며, 나머지는 모두 정의 영향을 끼침을 알 수 있다.

통제변수들의 경우도 대부분 유의한 영향을 끼치는 것으로 나타나고 있다. 대상 기사에 대한 반응이 클수록 반응의 긍정, 부정 여부와 무관하게 댓글에 대한 ‘좋아요’ 반응도 커짐을 알 수 있다. 그러나 기사에 대한 부정 반응이 커지면 댓글에 대한 ‘싫어요’ 반응은 오히려 적어짐을 알 수 있다. 댓글이 작성된 시점이 늦을수록 ‘좋아요’ 및 ‘싫어요’ 모두에 부의 영향을 끼치는 것으로 나타나고 있어서, 빨리 작성된 댓글일수록 그에 대한 반응이 큼을 알 수 있다.

다음으로 표 6에는 ‘좋아요’와 ‘싫어요’ 반응을 합한 종합 반응, 즉 전체 반응 수준에 대한 분석 결과가 정리되어 있다.

Table 6.

Analysis of overall reaction to comments

언어심리학적 어휘들은 모두 댓글 반응에 정의 영향을 끼침을 알 수 있다. 감정 어휘는 모두 유의한 영향을 끼치지 않으며, 반대로 주제어들은 모두 유의한 영향을 끼치지만 그 중 문화 주제의 경우에만 부의 영향을 끼침을 알 수 있다.

4.2 기사 특성과 댓글 감정의 상호작용 분석

다음으로, 기사의 특성과 감정 어휘 간의 상호작용 효과에 대한 분석을 실시하였다. 앞선 분석에서 댓글의 긍정 및 부정 감정 어휘의 비율은 대부분 댓글 반응에 유의한 영향을 끼치지 않는 것으로 나타났다. 그러나 그 영향은 기사 자체의 특성, 즉 기사에 대한 전반적 긍정 반응 및 부정 반응의 정도에 따라 다를 수 있다고 보고, 두 특성 사이의 상호작용 효과를 분석하였다. 이를 위해 기사 자체에 대한 긍정 및 부정 반응에 대한 변수와, 댓글의 긍정 및 부정 감정 어휘 비율에 대한 변수를 서로 곱하여 총 네 개의 상호작용 항목 변수를 생성하였다. 이때 생성된 상호작용 변수의 다중공선성 문제를 제거하기 위해 관련 변수들은 모두 정규화 한 Z 값을 이용하였다.

표 7에 분석 결과가 요약되어 있다. 제시된 표에는 상호작용 항목만 포함되어 있으며, 생략된 나머지 변수들의 계수 부호 및 유의확률은 앞선 종합 분석과 동일하였다.

Table 7.

Interaction between comment sentiments and article characteristics

분석 결과를 보면, ‘좋아요’ 반응의 경우 기사에 대한 긍정 반응이 클수록 긍정적 어휘 사용에 정의 영향을, 반대로 기사에 대한 부정 반응이 클수록 긍정 혹은 부정 어휘 사용에 모두 부의 영향을 받는 것으로 나타났다. ‘싫어요’ 반응의 경우 기사의 긍정 반응이 클수록 긍정적 감정 어휘에 정의 영향을, 기사의 부정적 반응이 클수록 부정적 감정 어휘에 부의 영향을 받는 것으로 나타났다.

4.3 주요 분석 결과 요약

분석을 통해 다음과 같은 주요 사항들이 파악되었다. 첫째, 모형에 포함된 언어심리학적 변수인 사회적, 인지적 어휘들이 모두 댓글 반응에 유의한 영향을 끼치는 것으로 나타났다. 이는 이제까지 많은 한국어 텍스트 분석에서 간과되어 왔던 언어심리학적 변인들의 중요성을 확인해 주는 결과라고 할 수 있다.

둘째, 임베딩을 활용해 분석한 댓글의 주제 범주 어휘들의 영향도 대체로 유의한 것으로 나타났다. 특히 정치적인 주제의 경우 ‘싫어요’ 반응을 증가시키며, 경제, 생활 주제의 경우 ‘좋아요’ 반응을 증가시키는 것을 확인할 수 있었다. 정치적 주제에 대한 부정적 반응은 대체로 한국의 여론이 정치 관련한 전반적인 주제들에 대해 매우 비판적이기 때문인 것으로 보인다. 한편 문화적 주제들은 긍정 혹은 부정 댓글 반응을 모두 유의하게 감소시키는 것으로 나타는데, 이는 국내에서 온라인 뉴스의 소비 및 댓글 활동에 대한 참여 동기가 대체로 문화적인 이슈보다는 정치, 경제, 생활 등과 더욱 관련이 있기 때문으로 추측할 수 있다.

셋째, 기본 모형의 회귀분석 결과에서는 감정 어휘의 사용이 긍정, 부정 유무에 무관하게 댓글 반응에 대부분 영향을 끼치지 않는 것으로 나타났으나, 추가적인 상호작용 효과의 분석 결과, 원래 기사의 특성에 따라 감정 어휘의 사용이 유의한 영향을 줄 수 있는 것으로 나타났다. 이러한 결과는 그림 1에 요약되어 있다. 즉, 원래 기사에 대한 반응이 전반적으로 긍정적, 혹은 부정적인지에 따라 댓글에 포함된 감정 어휘의 영향이 달라질 수 있음을 의미한다. 또한 긍정 반응이 큰 기사일수록 댓글에 포함된 감정 어휘들이 댓글에 대한 반응을 증가시키는 반면, 부정 반응이 큰 기사일수록 댓글의 감정 어휘들이 댓글에 대한 반응을 반대로 감소시키는 것을 확인할 수 있다.

Fig. 1.

Summary of the analysis of the interaction effect(*: p<0.05, **: p<0.01)