감정 분석(sentiment analysis)은 「텍스트에 담긴 감정의 극성(긍정·부정·중립)을 자동으로 가려내는」 NLP 작업입니다.
영화 리뷰가 좋은가 나쁜가, 트위터 글이 호의적인가 적대적인가, 고객 피드백이 만족스러운가 불만스러운가를 판단합니다.
산업적 가치가 매우 큰 분야입니다.
기업들은 자기 브랜드에 대한 SNS 글, 상품 리뷰, 고객 응대 기록을 자동으로 분석해 「긍정 평이 늘었는가, 줄었는가」, 「어떤 이슈에서 부정 평이 폭발하는가」를 실시간으로 추적합니다.
마케팅·고객 관리·위기 대응에 결정적입니다.
기술적으로는 단순한 분류 문제이지만 실제로는 까다롭습니다.
비꼬는 말(「정말 "훌륭한" 서비스네요」), 부정문(「나쁘지 않다」), 문맥 의존(「가벼움」이 노트북엔 긍정, 음악엔 부정), 한국어 특유의 종결어미·존댓말 등 처리해야 할 미묘한 부분이 많습니다.
초기에는 「감정 사전」 기반 — 「좋다·만족·최고」 같은 긍정 단어와 「나쁘다·실망·후회」 같은 부정 단어의 등장 빈도로 점수를 매김 — 방식이었지만, 비꼬기·문맥을 잡기 어려웠습니다.
2014년 이후 LSTM·CNN 기반의 분류 모델로 넘어갔고, 지금은 BERT나 LLM 기반이 표준입니다.
감정 분석은 「세부 분류」로 진화 중입니다.
단순 긍정·부정을 넘어 「감정의 종류(기쁨·분노·슬픔·놀람)」, 「감정의 강도(약간 만족 vs 매우 만족)」, 「제품의 어느 측면에 대한 감정인가(배터리는 좋지만 카메라는 별로)」까지 세밀하게 분석하는 「Aspect-based Sentiment Analysis」가 활발한 연구 분야입니다.
한 줄 요약
감정 분석은 텍스트의 긍정·부정·중립을 자동으로 가려내는 작업으로, SNS·리뷰·CS의 실시간 분석에 필수적입니다.
비꼬기·부정문·문맥 의존 같은 미묘한 처리가 핵심 도전입니다.
더 알아볼 것
- VADER·TextBlob — 감정 분석 입문 도구
- KoBERT·KoELECTRA — 한국어 감정 분석
- Aspect-based Sentiment Analysis
