Earticle

배급사가 소매점을 통해 게임을 유통했던 과거와 다르게 현재는 디지털 콘텐츠인 게임을 온라인 기반의 유통채널을 활용하여 판매를 실시하고 있다. 본 연구는 온라인 디지털 콘텐츠 유통 채널인 스팀(Steam)에서 판매되는 게임의 판매량에 대해서 eWOM(전자구전효과)의 요인들이 어떤 영향을 미치는지 분석한다. 최근 빅데이터 기반의 데이터 마이닝 기법을 이 용한 연구가 많이 진행되고 있는데, 본 연구에서 eWOM의 요인 중 각 리뷰의 감성을 분석할 수 있는 텍스트 마이닝 기법인 감성분석을 실시하여 eWOM의 감성지수를 도출한다. 감성분석은 나이브 베이즈(Naive Bayes)와 지지벡터기(SVM) 분류기 를 활용하고, 정확도가 높은 지지벡터기(SVM) 분류기를 통해 감성지수를 산출한다. 도출한 감성지수와 eWOM의 크기인 각 게임의 리뷰의 수, eWOM의 평점인 각 게임의 유저점수를 독립변수로 하여 종속변수인 판매변화량에 대해서 회귀분석을 실시한다. 회귀분석 결과, 독립변수인 eWOM의 크기와 eWOM의 감성지수가 종속변수인 판매변화량에 영향을 미치는 것을 확인하였다. 본 연구는 연구결과를 통해 국내 게임 기업들이 스팀을 기반으로 해외진출 시 판매량에 영향을 미치는 eWOM 의 요인들을 제시할 수 있는 시사점을 가진다.

Unlike the past, when distributors distributed games through retail stores, they are now selling digital content, which is based on online distribution channels. This study analyzes the effects of eWOM (electronic Word of Mouth) on sales volume of game sold on Steam, an online digital content distribution channel. Recently, data mining techniques based on Big Data have been studied. In this study, emotion index of eWOM is derived by emotional analysis which is a text mining technique that can analyze the emotion of each review among factors of eWOM. Emotional analysis utilizes Naive Bayes and SVM classifier and calculates the emotion index through the SVM classifier with high accuracy. Regression analysis is performed on the dependent variable, sales variation, using the emotion index, the number of reviews of each game, the size of eWOM, and the user score of each game, which is a rating of eWOM. Regression analysis revealed that the size of the independent variable eWOM and the emotion index of the eWOM were influential on the dependent variable, sales variation. This study suggests the factors of eWOM that affect the sales volume when Korean game companies enter overseas markets based on steam.

본 연구는 럭셔리 패션 브랜드의 콜라보레이션 전략에 대한 소비자 인식을 탐색적으로 고찰하 고, 심층 인터뷰를 통해 소비자 인식 유형을 파악하고 분류하였다. 최근 럭셔리 브랜드의 콜라보레이 션 전략이 단순한 제품 확장을 넘어 브랜드 정체성 및 가치 혁신을 위한 핵심 수단으로 부상하고 있 으나, 이에 대한 소비자의 복합적 인식에 대한 체계적인 연구는 미비한 실정이다. 본 연구에서는 빅데 이터 분석을 통해 럭셔리 패션 브랜드 콜라보레이션의 트렌드와 주요 현황 및 소비자 인식을 분석하 고, 심층 인터뷰를 통해 소비자의 태도와 구매 의도 및 인식 유형을 도출하였다. 또한, 도출된 인식 체 계와 인식 유형을 기반으로 럭셔리 패션 브랜드 콜라보레이션 전략을 활용하여 차별화된 가치와 인식 을 제공할 수 있는 브랜드 차별화 방안 등의 향후 활용 방향을 제시하였다. 비록 실증 분석은 포함되 어 있지 않지만, 본 연구는 향후 럭셔리 패션 브랜드 콜라보레이션 전략의 활용방안을 제공하며, 향후 브랜드 경쟁 우위를 위한 실무적 시사점을 제공할 수 있을 것으로 기대된다.

This study explores consumers' perceptions of collaboration strategies in luxury fashion brands and classifies perception types through in-depth interviews. Collaboration has recently emerged as a crucial means of shaping brand identity and driving value innovation, extending beyond simple product expansion. However, systematic research on the complexity of consumer perceptions regarding these strategies remains limited. To address this gap, the study first employs big data analysis to examine trends, key statuses, and consumer attention toward luxury brand collaborations, providing a data-driven overview of market dynamics. It then incorporates qualitative interviews with consumers and industry experts to generate richer insights, mapping diverse perception systems, responses, and typologies. Based on these findings, the study suggests strategic directions for achieving brand differentiation and enhancing consumer value. Although empirical validation is not included, the research provides theoretical contributions and practical implications for how luxury fashion brands may leverage collaborations to strengthen value perception and sustain competitive advantage.

미국 심리학자 플러칙(Robert Plutchik, 1980)의 감성 바퀴(wheel of emotions) 연구를 바탕으로 기획하고자 한다. 플러칙의 감성 바퀴는 surprised(놀란), Sad(슬픈) Happy(행복한), Fearful(무서운,두려운), Disgusted(역겨운), Bad(불쾌한,나쁜), Angry(화난,성난) 의 7가지의 형용사로 구분하였으며 감성을 계층적으로 구분하여 조합하는 형태로 진행하였다. 영어 기반 감성 바퀴를 한글 자연어 처리로 재구성하였으며 텍스트 기반 다양한 미디어에서 네티즌들의 감성 분석에 이용하고자 한다. 웹 환경의 미디어들은 인터넷 뉴스, 기사 댓글, 블로그, SNS 콘텐츠(페이스북, 트위터, 인스타그램, 유튜브 등) 등 텍스트 기반의 비정형적 데이터로 연구 자료를 수집되었다. SNS의 해시태그에서 감정 단어를 수집하여 본 연구에 앞서 플러칙의 7개 감정 세트 기준으로 한글 감성 사전을 구축하였다. 본 연구는 7가지 차원의 감성 단어 4만 여 개를 확보한 상태이며 각 차원별로 감정 단어의 가중치를 산출하고자 한다. 즉, 감정 지수를 Cluster 분석을 통하여 찾고자 한다. PVClust는 계층적 클러스터 분석에서 불확실성을 평가하기 위한 R 패키지이다. 계층적 클러스터링의 각 클러스터에 대해 p-값이라고 하는 수량은 멀티 스케일 부트스트랩 리샘플링을 통해 계산된다. P-값은 0에서 1 사이의 값으로, 클러스터에서 데이터가 얼마나 강력하게 지원되는지 확인 할 수 있으며 각 감정 차원 내 감정 단어 순위를 통하여 입체적인 감정 DNA 구축에 기초 연구로 활용을 기대한다.

This empirical study explored characteristics that affect the usefulness of online reviews, in the China e-commerce platform, and implemented multiple regressions to find factors that significantly influence on product sales, ultimately. Till now, prior studies have continuously revealed what factor affects usefulness of online review or product sales, only in respective terms. The point of our study is that we built two-level regression models, thereby being able to comprehensively analyze these two different targets. Before plunging into running regressions, we carefully collected 192,764 online review data for 200 products extracted from the Jingdong, the second biggest e-commerce platform in China. Also, we gathered “review sentimental scores” variable from each review and used that one as a core variable in our regression model, thus we were able to implement both quantitative and qualitative research. The evidences from the two-level regression models showed that the extent to which a product is experience good positively affects both usefulness of a review and product sales, again the usefulness of a review contributes to product sales in sequence. Also, the property of experience good has interaction effect on both for two-level regression models. Our main findings highlight the importance of role of online review to business performance of e-commerce firms.

고객이 니즈(Needs)를 찾기 위한 빅데이터 분석은 이미 많은 연구가 이루어지고 있다. 비정형 데이터를 정형화 하는 노력들은 웹 마이닝, 텍스트 마이닝, 오피이언 마이닝 등으로 연구가 이루어진다. 일상 생활에서 이슈가 되는 것들을 네트워크에서 함께 공유하며 의견을 나누어가는 소셜 네트워크 서비스(SNS)에 대한 관심도 더욱 높아지고 있다. 고객의 SNS 반응도가 높을수록 수많은 비정형 데이터가 분석되어야 한다. 사용자 또한 원하는 주제의 검색을 편리하게 돕는 기능으로 해시태그(Hash Tag)인 [#]를 사용하여 해당 주제에 글들을 검색과 의견을 공유하고 있다. 이런 주제어는 의미가 함축적이고 많은 사람이 공유할 수 있는 단어로 사용자들간의 정제된 키워드를 사용함으로 보다 많은 의미를 가지고 있다. 우리 말로 된 한글 해시태그에서 플러칙(1980)의 감성 바퀴를 적용하여 일곱 가지 감성 세트와 감성 단어 150만개를 수집하였다.

Nowadays, social media has evolved into a powerful networked ecosystem in which governments and citizens publicly debate economic and political issues. This holds true for the pros and cons of Indonesia’s ore nickel export restriction to Europe, which we aim to investigate further in this paper. Using Twitter as a dependable channel for conducting sentiment analysis, we have gathered 7070 tweets data for further processing using two sentiment analysis approaches, namely Support Vector Machine (SVM) and Long Short Term Memory (LSTM). Model construction stage has shown that Bidirectional LSTM performed better than LSTM and SVM kernels, with accuracy of 91%. The LSTM comes second and The SVM Radial Basis Function comes third in terms of best model, with 88% and 83% accuracies, respectively. In terms of sentiments, most Indonesians believe that the nickel ore provision will have a positive impact on the mining industry in Indonesia. However, a small number of Indonesian citizens contradict this policy due to fears of a trade dispute that could potentially harm Indonesia’s bilateral relations with the EU. Hence, this study contributes to the advancement of measuring public opinions through big data tools by identifying Bidirectional LSTM as the optimal model for the dataset.

디지털 시대로의 진입은 개인 간 정보 교류의 양을 폭발적으로 증가시켰다. 예전에는 개인이 뉴스 를 읽으면 그것으로 정보의 흐름은 제한되었고, 대면 또는 전화 통화가 이루어져야 정보의 확산이 발 생하였다. 하지만 스마트폰과 소설미디어의 등장은 위에서 언급한 정보의 흐름 체계를 완전히 바꾸어 놓았다. 이 결과 한 개인이 획득한 정보는 실시간으로 수십, 수백 명에게 전파되었고 이 정보를 접한 사람들은 다시 자신과 연결된 많은 사람에게 정보를 전달함으로써 빛의 속도에 가까울 정도로 정보의 공유가 확산되고 있다. 이에 따라 정치, 경제, 사회, 문화 모든 분야에서 정보를 접한 사람들이 거의 같은 시간에 집단적으로 행동하는 경향이 나타나고 있으며 이는 수요와 공급에 따라 결정되는 부동산 가격에 쏠림 현상 결과를 가져오고 있다. 이와 같이 디지털 시대로의 진입은 전통적 시장현상을 근본 적으로 변화시켰고, 이와 같은 결과에 대응해야 하는 정책기관에게 많은 고민을 안겨주고 있다. 본 연구의 목적은 비정형 데이터인 부동산 관련 기사를 수집, 저장하고 기사 속에서 나타나고 있는 긍정적인 표현과 부정적인 표현을 알아내고 이 정보가 실제 부동산 가격과 유의미한 연관성을 갖는지 를 분석하는 데 있다. 분석 방법은 뉴스 제공자의 인터넷 기사 중에서 부동산 관련 기사를 웹크롤링 하여 단어를 선정한 후, 긍정 단어와 부정 단어에 각각 인덱스 값을 부여한다. 분석 기간별로 데이터 값을 도출하여 도출된 데이터 값과 부동산 가격을 분석하여 결과를 도출한다.

최근 테니스웨어가 스포츠웨어의 새로운 패션 트렌드로 성장함에 따라 테니스웨어 시장이 크게 성장하고 있다. 본 연구는 코로나-19 이후 성장세를 더하고 있는 온라인 쇼핑몰에서 테니스 원피스를 구매한 소비자의 댓글을 분석하여 테니스웨어 대한 소비자 인식을 분석하는 것을 목적으로 한다. 연구의 목적을 위해 Python 3.8을 사용하여 네이버 쇼핑에 서 소비자의 댓글을 수집하였으며, 수집 키워드로는 ‘테니스 원피스’를 사용하였다. 2023년 7월 15일까지 업로드된 댓글 을 웹크롤링하였으며, 총 944개의 댓글이 분석에 사용되었다. 분석은 텍스톰을 사용하여 빈도분석, TF-IDF와 감성 분 석을 실행하였다. 빈도분석 결과, ‘예쁘다’가 372개로 가장 많이 도출되었으며, 다음으로 ‘좋아요, 입다, 구매, 기장’ 등의 순으로 나타났다. TF-IDF 결과는 ‘입다’가 1위로 나타났으며, 다음으로 ‘좋아요, 예쁘다, 기장, 구매’ 등의 순으로 나타났 다. 빈도분석과 TF-IDF 결과를 통해 테니스 원피스 구매 시 소비자가 중요하게 생각하는 속성을 유추한 결과, ‘사이즈’가 가장 중요한 속성임을 알 수 있었으며, ‘재질, 배송, 색상, 속바지’의 추가적인 속성을 확인할 수 있었다. 감성 분석결과, 전체 944개의 댓글 중 긍정 감성의 댓글이 가장 높게 나타났으며, 다음으로 중립 감성의 댓글, 부정 감성의 댓글로 나타났 다. 소비자들이 구매한 테니스 원피스에 대해 긍정의 감성이 높은 것으로 나타났으며, 부정의 감성은 매우 낮은 것을 확인 할 수 있었다. 지속적인 테니스웨어 시장의 성장을 위해 소비자의 욕구를 분석하는 것은, 무엇보다 중요한 전략의 하나로 본 연구 결과가 업계의 발전을 위한 도움과 학계의 지속적인 연구를 위한 기초자료가 되기를 바란다.

As tennis wear emerges as a prominent fashion trend within sportswear, its market has seen substantial growth. This study aims to analyze consumers' perceptions of tennis wear by examining reviews from individuals who have purchased tennis dresses from online shopping platforms that gained traction in the post-COVID-19 era. To fulfill this objective, we collected consumer reviews from Naver Shopping using Python 3.8, focusing on the keyword "tennis one piece". Reviews up until July 15, 2023, were web-crawled, accumulating a total of 944 reviews for analysis. Methods such as frequency analysis, TF-IDF, and sentiment analysis were employed using Textom. Frequency analysis revealed "pretty" as the most mentioned term (372 times), followed by "like", "wear", "buy", and "length". In the TF-IDF results, "wear" ranked first, with subsequent mentions of "like", "pretty", "length", and "purchase". By juxtaposing the outcomes of frequency analysis and TF-IDF, we deduced that "size" was the predominant attribute consumers considered during purchase. Other significant attributes included "material", "delivery", "color", and "underpants". Sentiment analysis illustrated that out of the 944 reviews, those expressing positive sentiments were most prevalent, trailed by neutral and then negative sentiments. It is evident that consumers generally harbor positive feelings toward their purchased tennis dresses, with minimal negative sentiment. For the sustained growth of the tennis wear market, understanding consumer needs is pivotal. We anticipate that our findings will provide a foundation for ongoing academic research and contribute to industry advancements.

스마트폰의 대중화로 SNS를 통해 유통되는 정보의 내용과 감성을 분석하는 연구가 활발하게 진행되고 있다. 이에 본 논문에서는 SW 교육에 관한 온라인 뉴스데이터를 수집하여 형태소 분석후 단어를 추출하고 뉴스데이 터의 감성지수를 산출하여 수집된 뉴스 데이터의 감성분석을 실시하였다. 또한, 산출된 감성점수가 어느 정도 정 확한지 정확도를 검토하였다. 분석 결과 수집기간동안 SW 교육 관련 뉴스는 월평균 약 189건 발생되었으며, 감 성점수 평균은 0.7로 SW 교육 관련 뉴스는 긍정적임을 알 수 있었다. SW 교육의 중요성 및 정책 실행에는 공 감하며 긍정적이었으나 구체적인 실행 방법에는 부정적인 시각이 있었다. 즉, SW 교육환경 및 교육방법 부족 문제, SW 개발자 양성 및 처우개선 문제, 코딩 사교육 증가 문제 등이었다.

Recently, a number of researches actively focus on the contents and sensitivity of information distributed through SNS as smartphones and SNS gained its popularity. In this paper, we collected online news data about SW education, extracted words after morphological analysis, and analyzed emotions of collected news data by calculating sentimental score of each news datum. Also, the accuracy of the calculated sentimental score was examined. As a result, the number of news related to 'SW education' in the collection period was about 189 per month, and the average of sentimental score was 0.7, which signifies the news related to 'SW education' was emotionally positive. We were positive about the importance of SW education and the policy implementation, but there were negative views on the specific method for the realization. That is, a lack of SW education environment and its education method, a problem related to improvement of SW developers and improvement of their labor conditions, and increase of private education in coding were the factors for the negative viewers.

감정 분석은 디지털 텍스트를 분석하여 메시지의 감정적 어조가 긍정적인지, 부정적인지 또는 중립적인지를 확인하 는 프로세스이다. 오늘날 회사는 이메일, 고객 지원 채팅 트랜스크립트, 소셜 미디어 댓글 및 리뷰와 같은 대량의 텍스트 데이터를 스캔하여 주제에 대한 글쓴이의 태도를 자동으로 확인할 수 있다. 기업은 감정 분석의 인사이트를 활용하여 고객 서비스를 개선하고 브랜드 평판을 높인다. 그러나 언어의 복잡성과 반어적 표현 등의 사용으로 긍정, 부정 판단이 잘못 분류되는 사례가 있다. 본 논문은 랜덤 포레스트 분류기를 기반으로 이러한 문제 해결방법을 제안 하여 네이버 뉴스기사 5개월 분량으로 학습하고 교차검증을 실시하였으며, ROC 곡선에 기반한 AUC 값 중 우수한 데이터 세트로 학습하고 검증하였다.

Sentiment analysis is the process of analyzing digital text to determine whether the emotional tone of the message is positive, negative, or neutral. Today, companies can scan large amounts of text data such as emails, customer support chat transcripts, and social media comments and reviews to automatically determine the writer's attitude on a topic. Companies use insights from sentiment analysis to improve customer service and enhance brand reputation. However, there are cases where positive and negative judgments are misclassified due to the complexity of language and the use of ironic expressions. This paper proposed a method to solve this problem based on a random forest classifier, learned from 5 months of Naver news articles, performed cross-validation, and learned and verified with an excellent data set of AUC values based on the ROC curve.

In this paper, a model combined with explanatory artificial intelligence (xAI) models was presented to secure the reliability of machine learning-based sentiment analysis and prediction. The applicability of the proposed model was tested and described using the IMDB dataset. This approach has an advantage in that it can explain how the data affects the prediction results of the model from various perspectives. In various applications of sentiment analysis such as recommendation system, emotion analysis through facial expression recognition, and opinion analysis, it is possible to gain trust from users of the system by presenting more specific and evidence-based analysis results to users.

영어로 된 아마존과 같은 대형 글로벌 온라인 쇼핑몰은 전 세계를 대상으로 영어 또는 판매 해당국가 언어로 서비스를 하고 있다. 온라인 쇼핑몰 이용자 중, 많은 고객은 상품 리뷰평가를 참조하여 상품을 구매하고 있다. 그래서 고객들이 작성한 대량의 리뷰데이터를 이용하여 구매 상품에 대해 긍정과 부정을 판정하는 감성분석을 영어를 중심으로 활발히 연구되고 분석 결과는 고객의 타켓 마케팅에 활용되고 있다. 하지만 이와 같은 영어 중심의 감성분석 시스템을 전 세계의 다양한 언어에 그대로 적용하기는 어렵다. 따라서 본 연구에서는 영어로 된 50만개 이상의 아마존 푸드 상품 리뷰데이터를 학습과 테스트 데이터로 분리하여 딥러닝 기술 기반의 감성분석 시스템을 구현하였다. 먼저 영어 테스트데 이터의 3가지 모델에 대한 감성분석 평가 실험을 한 후에, 같은 데이터를 자동번역기로 7개국(한국어, 일본어, 중국어, 베트남어, 불어, 독어, 영어) 언어로 번역 후에 다시 영어로 번역하여 실험 결과를 얻었다. 감성분석 정확성은 영어 (94.35%)에 비해 각 7개국 언어의 평균(91.59%)보다 정확도가 2.77% 정도 낮게 나왔으나 번역 성능 수준에서 실용 가능성을 확인하였다.

Large global online shopping malls, such as Amazon, offer services in English or in the language of a country when their products are sold. Since many customers purchase products based on the product reviews, the shopping malls actively utilize the sentimental analysis technique in judging preference of each product using the large amount of review data that the customer has written. And the result of such analysis can be used for the marketing to look the potential shoppers. However, it is difficult to apply this English-based semantic analysis system to different languages used around the world. In this study, more than 500,000 data from Amazon fine food reviews was used for training a deep learning based system. First, sentiment analysis evaluation experiments were carried out with three models of English test data. Secondly, the same data was translated into seven languages (Korean, Japanese, Chinese, Vietnamese, French, German and English) and then the similar experiments were done. The result suggests that although the accuracy of the sentimental analysis was 2.77% lower than the average of the seven countries (91.59%) compared to the English (94.35%), it is believed that the results of the experiment can be used for practical applications.

This study aims to analyze tourists' emotions related to palace tourism using big data-based sentiment analysis and to derive the current status and improvement measures for palace tourism. By utilizing SNS data collected from October 2023 to October 2024, positive, negative, and neutral sentiments were analyzed, and key keywords and sentiment factors were identified. The analysis results revealed that positive sentiments accounted for a higher proportion than negative ones, indicating that experiences such as traditional cultural activities, understanding historical value, and nighttime tours contributed to high tourist satisfaction and intentions to revisit. In particular, tourists were found to have positive experiences through activities like wearing traditional Korean hanbok, appreciating traditional architecture, and enjoying nighttime palace tours. On the other hand, negative sentiments stemmed from inadequate tourism services, poor facility management, and crowded environments, which were analyzed as factors that could reduce tourist satisfaction. Accordingly, this study proposes practical improvement measures, such as enhancing the quality of tourism services, strengthening maintenance systems, developing diverse experiential content, and implementing marketing strategies that involve tourists. This study provides a foundational resource for diagnosing the value of palace tourism based on tourist sentiments and for promoting sustainable development in the sector.

Sentiment analysis can be applied to all texts generated from websites, blogs, messengers, etc. The study fulfills an artificial intelligence sentiment analysis estimating visiting evaluation opinions (reviews) and visitor ratings, and suggests a deep learning model which foretells either an affirmative or a negative inclination for new reviews. This study operates review big data about Jeju tourist attractions which are extracted from Google from October 1st, 2021 to November 30th, 2021. The normalization data used in the propensity prediction modeling of this study were divided into training data and test data at a 7.5:2.5 ratio, and the CNN classification neural network was used for learning. The predictive model of the research indicates an accuracy of approximately 84.72%, which shows that it can upgrade performance in the future as evaluating its error rate and learning precision.

Advances in Internet and Smartphones are generating huge amount of customers’ opinion (or VOC: voice of customer) in the online world. VOC is very useful for marketing or product design departments to see the customers’ opinion for the products. In this paper, VOC in online review sites has been collected, stored and analyzed in order to find out what kind of factors can affect the customer preference for the electronics products. We have implemented a VOC analysis system that includes ETL (extract, transformation, and loading), natural language processing, positive/negative analysis, and result visualization. Sensitivity adjectives and synonyms are collected and stored as a database for more correct sentiment analysis. Real experiment for VOC data with 39 Giga bytes from well-known review sites in Korea shows that the correctness for the classification of the positive/negative sentences and the causes of the positive/negative are 73% and 70%, respectively. The evaluation has been done based on the manual inspection for the analysis result

Over the past few decades, natural language processing research has not made much. However, the widespread use of deep learning and neural networks attracted attention for the application of neural networks in natural language processing. Sentiment analysis is one of the challenges of natural language processing. Emotions are things that a person thinks and feels. Therefore, sentiment analysis should be able to analyze the person’s attitude, opinions, and inclinations in text or actual text. In the case of emotion analysis, it is a priority to simply classify two emotions: positive and negative. In this paper we propose the deep learning based sentimental analysis system according to various optimizer that is SGD, ADAM and RMSProp. Through experimental result RMSprop optimizer shows the best performance compared to others on IMDB data set. Future work is to find more best hyper parameter for sentimental analysis system.

Purpose: This study analyzes automobile quality review data to develop alternative analytical method of informal data. Existing methods to analyze informal data are based mainly on the frequency of informal data, however, this research tries to use correlation information of each informal data. Method: After sentimental analysis to acquire the user information for automobile products, three classification methods, that is, $na{\ddot{i}}ve$ Bayes, random forest, and support vector machine, were employed to accurately classify the informal user opinions with respect to automobile qualities. Additionally, Word2vec was applied to discover correlated information about informal data. Result: As applicative results of three classification methods, random forest method shows most effective results compared to the other classification methods. Word2vec method manages to discover closest relevant data with automobile components. Conclusion: The proposed method shows its effectiveness in terms of accuracy and sensitivity on the analysis of informal quality data, however, only two sentiments (positive or negative) can be categorized due to human errors. Further studies are required to derive more sentiments to accurately classify informal quality data. Word2vec method also shows comparative results to discover the relevance of components precisely.

본 연구에서는 감성분석과 공간분석을 적용하여 감성지수를 포함하는 지오트윗에 대한 공간분포를 분석하였다. 2015년 7월 한 달 간 수집한 트윗 정보를 사용하였고 데이터를 정제하고 감성분석을 적용하여 긍정 및 부정의값을 포함하는 지오트윗의 공간자료를 구축하였다. 공간분석 및 지오비주얼라이징 등을 이용하여 대도시 지역에 집중하여 분포하는 긍정 및 부정 트윗의 시계열 및 공간분포를 확인하였다. 이와 함께 본 연구에서는 파이썬 GIS를 활용하여 데이터 수집, 전처리, 분석, 가시화 등과 같은 일련의 자료처리에 과정에 있어서 파이썬 GIS 분석이 갖는 장점을 확인하였다.

In this study, the spatial distribution of geotweets with sentimental index was analyzed by applying sentimental and spatial analysis. In July 2015, tweet information was collected for a month, and data was refined and sentimental analysis was applied to construct spatial data of geotweets containing positive and negative values. Time series and spatial distribution of positive and negative tweets concentrated in the metropolitan area were identified using spatial analysis and geovisualizing. In addition, this study confirmed the advantages of Python GIS in the process of data collection, preprocessing, analysis, visualization, etc.