트위터 데이터를 이용한 네트워크 기반 토픽 변화 추적 연구 = Topic-Network based Topic Shift Detection on Twitter

다국어 초록 (Multilingual Abstract)

This study identified topic shifts and patterns over time by analyzing an enormous amount of Twitter data whose characteristics are high accessibility and briefness. First, we extracted keywords for a certain product and used them for representing the topic network allows for intuitive understanding of keywords associated with topics by nodes and edges by co-word analysis. We conducted temporal analysis of term co-occurrence as well as topic modeling to examine the results of network analysis. In addition, the results of comparing topic shifts on Twitter with the corresponding retrieval results from newspapers confirm that Twitter makes immediate responses to news media and spreads the negative issues out quickly. Our findings may suggest that companies utilize the proposed technique to identify public’s negative opinions as quickly as possible and to apply for the timely decision making and effective responses to their customers.

국문 초록 (Abstract)

본 연구는 높은 접근성과 간결성으로 인해 방대한 양의 텍스트를 생산하는 트위터 데이터를 분석하여 토픽의 변화 시점 및 패턴을 파악하였다. 먼저 특정 상품명에 관한 키워드를 추출한 후, 동시출현단어분석(Co-word Analysis)을 이용하여 노드와 에지를 통해 토픽과 관련 키워드를 직관적으로 파악 가능한 네트워크로 표현하였다. 이후 네트워크 분석 결과를 검증하기 위해 출현빈도 기반의 시계열 분석과 LDA 토픽 모델링을 실시하였다. 또한 트위터 상의 토픽 변화와 언론 기사 검색결과를 비교한 결과, 트위터는 언론 뉴스에 즉각적으로 반응하며 부정적 이슈를 빠르게 확산시키는 것을 확인하였다. 이를 통해 기업은 대중의 부정적 의견을 신속하게 파악하고 이에 대한 즉각적인 의사결정 및 대응을 위한 도구로 본 연구방법을 활용할 수 있을 것으로 기대된다.

참고문헌 (Reference)

1 황유선, "트위터에서의 의견 지도력과 트위터 이용패턴: 이용동기, 트윗 이용패턴, 그리고 유형별 사례분석" 한국방송학회 24 (24): 365-404, 2010

2 김성훈, "트위터 게시물을 이용한 공통 관심사를 지닌 사용자그룹 발견" 21 (21): 129-131, 2011

3 이원태, "소셜미디어 유력자의 네트워크 특성: 한국의 트위터 공동체를 중심으로" 언론정보연구소 48 (48): 44-79, 2011

4 송종석, "상품평 극성 분류를 위한 특징별 서술어 긍정/부정 사전 자동 구축" 한국정보과학회 38 (38): 157-168, 2011

5 전선규, "불만족한 소비자의 구매 후 행동" 30 (30): 22-26, 1996

6 최돈정, "마이크로블로그를 통한 그래프 기반의 토픽 추출에 관한 연구" 한국지능시스템학회 21 (21): 564-568, 2011

7 김은미, "뉴스 미디어로서의 트위터: 뉴스 의제와 뉴스에 대한 대화를 중심으로" 한국언론학회 55 (55): 152-180, 2011

8 하용호, "내용기반 트윗 클러스터링을 통한 트렌드 분석" 39 (39): 210-212, 2012

9 정혜란, "국내 트위터 유저 분석을 위한 예비연구 “익스트림 헤비 유저”의 트위터 로그를 중심으로" 한국에이치씨아이학회 5 (5): 37-43, 2010

10 Java, A., "Why we twitter: Understanding microblogging usage and communities" 56-65, 2007

11 Go, A., "Twitter sentiment classification using distant supervision" Stanford University 2009

12 Chen, Q., "Tweets mining using WIKIPEDIA and impurity cluster measurement" 141-143, 2010

13 Sakaki, T., "Tweet trend analysis in an emergency situation" 2011

14 Wang, X., "Topic sentiment analysis in twitter: A graph-based hashtag sentiment classification approach" 1031-1040, 2011

15 Mimno, D., "Topic models conditioned on arbitrary features with dirichlet-multinomial regression" 2008

16 Jiang, L., "Target-dependent twitter sentiment classification" 1 : 151-160, 2011

17 Asur, S., "Predicting the future with social media"

18 Tumasjan, A., "Predicting elections with twitter: What 140 characters reveal about political sentiment" 178-185, 2010

19 Strapparava, C., "Pattern abstraction and term similarity for word sense disambiguation: IRST at Senseval-3" 229-234, 2004

20 Bermingham, A., "On using twitter to monitor political sentiment and predict election results" 2011

21 Blei, D. M., "Latent Dirichlet allocation" 3 : 993-1022, 2003

22 O'Connor, B., "From tweets to polls: Linking text sentiment to public opinion time series" 122-129, 2010

23 Davidiv, D., "Enhanced sentiment learning using twitter hashtags and smileys" 241-249, 2010

24 Esuli, A., "Determining term subjectivity and term orientation for opinion mining" 193-200, 2006

25 Pennacchiotti, M., "A machine learning approach to twitter user classification" 281-288, 2011