이 리뷰는 부정적이라는 판정과 배송은 불만, 품질은 만족이라는 판정은 층위가 다르다.
무엇이 문제인가
논문이나 보고서에서 "감성분석을 실시한 결과 부정 리뷰가 다수였다"라는 문장으로 분석을 마무리하는 경우를 자주 본다. 문서 단위 감성분석은 리뷰나 문서 전체를 하나의 단위로 보고 긍정·부정·중립을 판정하므로, 이 결론 자체는 틀리지 않다. 그러나 하나의 리뷰 안에는 배송에 대한 불만과 품질에 대한 만족이 동시에 들어 있을 수 있고, 문서 단위 판정은 이 둘을 뭉뚱그려 하나의 점수로 환산한다. 그 결과 전체 긍·부정 비율은 보여주지만, 무엇을 먼저 고쳐야 하는지에 대한 답은 주지 못한다.
어떻게 하는가
이 문제를 다루는 방법이 속성기반 감성분석(ABSA)이다. 문서 전체에 하나의 감성을 부여하는 대신, 배송·가격·품질 같은 속성을 먼저 식별하고 각 속성마다 감성을 따로 분리해 판정한다. 같은 리뷰라도 배송 속성에는 부정, 품질 속성에는 긍정이 각각 매겨질 수 있으므로, 문서 단위 분석에서는 상쇄되어 사라졌을 신호가 속성 단위에서는 그대로 드러난다. 불만의 구조를 이런 방식으로 속성별로 나눠 보아야 어느 속성이 가장 많은 부정 반응을 받고 있는지 비교할 수 있고, 이 비교가 곧 개선 우선순위로 이어진다.
심사위원이라면 여기를 본다
심사위원은 결론 챕터에서 분석이 실행 함의로 이어지는지를 본다. 속성별로 갈라졌어야 할 불만을 문서 단위 감성 비율로 뭉뚱그려 제시하면, 그래서 무엇을 먼저 개선해야 하느냐는 질문에 답할 수 없다는 지적을 받는다. 전체 부정 비율이 몇 퍼센트라는 숫자는 현황 진단으로는 유효하지만, 정책이나 실무 제언 챕터로 넘어가는 순간 속성 단위 근거가 없으면 그 제언은 근거 없는 추정으로 읽힌다. 문서 단위 감성분석과 ABSA를 같은 절에서 섞어 쓰면서 둘의 층위 차이를 구분하지 않는 것도 흔한 지적 대상이다.
마치며
이 리뷰는 부정적이라는 문서 단위 판정과 배송은 불만, 품질은 만족이라는 속성 단위 판정은 답할 수 있는 질문이 다르며, 개선 우선순위를 말하려면 ABSA로 속성별 불만의 구조를 먼저 분리해야 한다.
텍스트마이닝 분석 설계가 필요하다면 텍스트마이닝 분석 페이지에서 진행 방식을 확인할 수 있다. 방법론 노하우는 뉴스레터 「강의실의 AI」 구독 시 받아볼 수 있다.