감성 분석이란?
감성 분석(Sentiment Analysis)은 리뷰, 설문 응답, 상담 기록, SNS 게시글처럼 사람의 의견이 담긴 텍스트를 읽고 그 평가 방향을 자동으로 판별하는 자연어 처리 작업입니다.
문장 전체를 분석한 뒤, 미리 정의한 감성 범주 가운데 하나를 선택하는 문장 분류 작업입니다.
입력 문장
→
토큰화
→
분류 모델
→
긍정·부정·중립
모델은 무엇을 학습하는가?
학습 데이터에는 문장과 정답 감성 레이블이 함께 제공됩니다. 모델은 특정 단어뿐 아니라 부정 표현, 강조 표현, 단어의 결합과 문맥이 최종 감성에 어떤 영향을 주는지 학습합니다.
혼합된 감정은 어떻게 처리하는가?
“화면은 좋지만 배터리가 빨리 닳는다”처럼 긍정과 부정이 함께 나타나는 문장은 하나의 레이블로 단순화하기 어렵습니다. 과업에 따라 전체 감성을 하나로 분류하거나 제품의 속성별 감성을 따로 분석할 수 있습니다.
대표적인 활용 사례
고객 리뷰 분석대량의 상품 리뷰를 자동 분류하여 만족도와 주요 불만 요인을 파악합니다.
고객 상담 분석불만이나 이탈 징후가 강한 상담을 찾아 우선 대응할 수 있습니다.
SNS 반응 분석브랜드, 정책, 행사에 대한 대중의 반응 변화를 시간에 따라 분석합니다.
감성 분석 실습
문장을 선택하고 예측된 감성 범주와 점수 분포를 확인해 보겠습니다. 아래 수치는 학습을 위한 예시입니다.
분석 대상
긍정
부정
중립
대표 데이터셋
Amazon Reviews상품 리뷰와 별점 정보를 포함하여 전자상거래 감성 분석에 널리 활용됩니다.
IMDb Reviews영화 리뷰를 긍정과 부정으로 구분하는 대표적인 이진 분류 데이터셋입니다.
SNS 데이터짧은 문장, 축약어, 이모지 등 실제 서비스 환경의 비정형 표현을 포함합니다.
학습 내용 정리
감성 분석은 문장 전체에 대해 하나의 감성 레이블을 예측하는 분류 작업입니다.
- 입력은 리뷰, 게시글, 상담 기록과 같은 텍스트입니다.
- 출력은 긍정·부정·중립과 같은 하나의 레이블입니다.
- 부정 표현, 강조, 문맥, 혼합 감정 때문에 단어 몇 개만으로 판단하기 어렵습니다.
Transformer와 LLM은 문맥을 더 정교하게 파악하여 감성의 방향뿐 아니라 감성의 대상과 원인까지 분석하는 데 활용됩니다.