PE Notes · 경영

오피니언 마이닝

텍스트에서 의견·감정을 뽑는 오피니언 마이닝(감성 분석)과 수집·분류 절차, 문서·문장·속성 세 수준, 사전·학습 모델과 텍스트 마이닝 차이를 정리합니다.

2026-09-21

별점만 보면 ‘좋다’인데 본문은 배터리 욕입니다. 은 리뷰·소셜·뉴스 글에서 의견·감정·태도를 자동으로 뽑는 일입니다. 과 같은 칸으로 쓰고, 긍정·부정·중립 또는 점수로 극성을 남깁니다. 가 엔진입니다.

감성을 재는 이유와 절차

리뷰와 댓글이 구매와 평판을 흔듭니다. 출시 직후 악성 여론, 정책 발표 뒤 반응을 사람이 다 읽을 수는 없습니다. 실시간으로 극성 추이를 보면 브랜드 위기와 상품 개선 지점이 앞당겨집니다. 이 로그의 경로를 그리듯, 이쪽은 글의 태도를 그립니다.

절차는 수집(크롤·API) → 정제(불용어·형태소) → 특성(·언어 모델) → 극성 분류 → 키워드·이슈 해석 → 대시보드입니다. 거르지 않은 비속어·반어는 사전만으로는 뒤집힙니다.

이 ‘같이 산 상품’을 찾으면, 오피니언 마이닝은 ‘왜 샀는지·왜 욕하는지’를 글에서 읽습니다.

문서 수준은 글 전체의 한 극성입니다. 여러 의견이 섞이면 뭉개집니다. 문장 수준은 문장마다 갈라 복합 감정을 남깁니다. 은 배터리·화면·카메라처럼 대상별로 극성을 붙입니다. “배터리는 짧은데 카메라는 좋다”를 한 점수로 죽이지 않습니다.

분류기는 감성 사전 규칙, 나이브 베이즈·SVM 같은 고전 학습, LSTM·CNN, 그리고 계열 ·생성 모델로 올라갑니다. 극성은 긍정/부정, 셋(중립 포함), 별점 다섯, −1.0~+1.0 점수 중 목적에 맞게 고릅니다.

신제품 출시 뒤 채널별 반응, 뉴스 감성을 가격 모형에 넣는 금융, 민원·정책 여론, 리뷰 극성을 반영한 추천, 화가 난 문의부터 닫는 고객 창구가 칸입니다. 언어 모델은 AI 칸과 맞닿지만, 답안의 점수는 세 수준과 절차가 비지 않는지에 있습니다.

답안은 감성 분석=오피니언 마이닝, 여섯 절차, 문서·문장·속성, 사전→학습→BERT, 텍스트 마이닝의 하위임을 표에 올립니다.