Text-Data-Analysis-Project
- 신문사 성향 별 사건 보도 시각 차이 파악
- 좌파, 우파 경향이 강한 신문사 별로 형태소 분석, 감정 분석, 주제 분석 등을 수행
- 주최/주관: AI빅데이터융합경영학과 전공 수업 ‘텍스트데이터분석’
- 팀원: 없음 (개인 프로젝트)
- 2021.05. ~ 2021.06. (2개월)
대표적인 우리나라의 신문사들의 성향에 대해 알아보고 성향 별로 사건을 어떻게 다루는지 시각 차이를 알아보는 프로젝트이다. 사설이 일반 기사보다 해당 신문사의 주장이나 의견을 더 잘 반영할 것이라고 판단하였기 때문에 성향이 뚜렷한 순서대로 9개의 신문사의 사설들을 Selenium으로 크롤링하여 수집하였다. 다양한 종류의 기사를 수집하기 위해 종합지뿐만 아니라 경제지와 인터넷뉴스를 포함하여 스크래핑 하였고, 그 결과 보수 신문사는 조선일보, 중앙일보, 동아일보, 한국경제를 선정하였고 진보 신문사는 한겨례, 프레시안, 경향신문, 머니투데이, 이데일리를 선정하였다.
다양한 전처리 과정도 거쳤는데 보수 신문사는 1, 진보 신문사는 0으로 데이터 라벨링을 해주었다. kiwi, konlpy, stanza 패키지를 모두 사용해 본 결과 stanza가 가장 형태소 분석이 잘됐기 때문에 stanza 패키지를 사용해서 형태소 분석을 진행했다. 기사 제목을 스크래핑 한 것이기 때문에 명사만을 추출해서 단어 문서 행렬을 만들었다. 같은 내용을 다르게 보도하는 시각 차이를 보고자 하는 것이기 때문에 두 성향에 모두 많이 나오는 단어(정부, 국민, 대통령), 의미 없는 단어(것, 만, 년, 수, 때, 일, 차, 1, 2, 3), 잘못 분석된 단어(코로, 당코로), 기자 이름(오동희) 등을 불용어 처리해 주었다.
감정 분석을 진행하기 위해 기존의 CSR 방식과 COO 방식으로 실험한 결과 양의 가중치(보수)를 띄는 단어는 대표적으로 “文”, “與”, “정권”, “靑”, “조국” 등으로 현 정부와 당을 지칭하는 단어가 많이 나왔고 음의 가중치(진보)를 띄는 단어는 대표적으로 “합의”, “계기”, “실천”, “후퇴”, “실행” 등으로 실제 행동하는 느낌의 단어가 많이 나왔다. 사설은 보통 비판하는 내용을 많이 쓰기 때문에 보수 쪽에서 진보 쪽을 비판하는 글을 많이 썼다는 것을 알 수 있다. 반면, 진보 쪽 언론사는 현재 정권을 지지하기 때문에 현재의 상황을 있는 그대로 보도하기 위해 위와 같은 단어를 많이 쓴 것으로 보인다. 감성 분석이 0과 1을 맞추는 문제이기 때문에 추가적으로 분류에 성능이 좋은 MLPClassifier, SVC, DecisionTreeClassifier도 사용해 모델을 돌려본 결과 SVC 모델이 가장 좋은 성능을 보였다.
LSA와 NMF, LDA 중 LSA에 회전을 적용한 뒤 해석하는 방법이 가장 뚜렷하게 의미를 도출해냈기 때문에 LSA를 사용해서 주제 분석을 하였다. 한 예시로 감성 분석에서 보수 쪽 성향이 뚜렷하게 나타났던 단어인 “與(여)”을 가지고 주제 분석을 해 본 결과 “비리”, “불안”, “혈세”, “무능”, “참담”, “고집” 등 매우 부정정인 단어들이 많이 나온 것을 확인 할 수 있었다. 또한 신문사 별로 “與”가 나온 비중을 살펴본 결과 조선일보, 동아일보, 한국경제 등 보수 쪽의 신문사에서 많이 나왔다는 것을 알 수 있다. 이 말은 보수성향의 신문사에서 여당을 매우 좋지 않게 평가 했다는 것을 의미한다.
- Selenium을 활용한 9개 신문사 사설 제목 크롤링
- Stanza 패키지를 사용한 형태소 분석 및 불용어 처리 (Kiwi, Konlpy 구현 및 성능 비교)
- CSR, COO 방식과 DNN 기법을 통한 감성 분석
- LSA를 사용한 주제 분석 (NMF, LDA 구현 및 성능 비교)