감정과 감정과 관련된 개념은 커뮤니케이션이나 자연언어 처리, 감정분석에 중요한 역할을 한다. 감정 분석이란 문장이나 발언으로부터 감정이나 의견을 추출해 해석하는 것. 긍정적, 부정적, 중립적인 의견 등 텍스트나 음성 정보로부터 감정을 추정할 수 있어 SNS 모니터링, 상품 리뷰 분석 등에 도움이 된다.

　colexification(콜렉시피케이션)이란 하나의 단어가 복수의 개념을 의미하는 현상으로, 분석에 의해 언어가 개념을 어떻게 파악해 표현하고 있는지를 이해할 수 있다. colexification을 나타내는 복수의 개념을 네트워크로 파악하고 해석하고, 다양한 감정에 관한 개념간의 관련성을 복수의 언어로 조사했다.

　그 결과 다른 많은 감정과 관련성이 높은 허브가 되는 중심적 개념 'GOOD', 'WANT', 'BAD', 'LOVE'를 발견했다. 다음으로, 이 4개의 허브와 다른 감정 개념의 관련성의 높이에 따라 6계층으로 분류하고, 같은 계열의 감정 개념을 5개의 커뮤니티로 정의했다. 그 결과, 허브에 가까운 계층의 감정 개념의 대부분은 허브와 같은 커뮤니티였지만, 「HOPE」, 「HAPPY」, 「GLOOMY」 등, 허브와 같은 커뮤니티에서도 허브와의 관련성이 낮은 개념도 있었다 .

　또 정반대의 'GOOD'와 'BAD'의 두 개념과 관련된 개념으로 'BIG', 'SMALL', 'ANIMAL', 'WHITE', 'SICK', 'BRAVE'의 6개를 확인했다. 예를 들어, 영어의 'BRAVE'에는 '훌륭함'과 '무모' 등 'GOOD'과 'BAD'와 관련된 요소를 포함한다.

　이번 연구를 발전시킴으로써 혁신적인 자연언어 처리, 감정 분석 방법의 확립에 공헌할 것으로 기대된다고 한다.

논문 정보:【Scientific Reports】Central emotions and hubs in a colexification network