일반적으로 음식의 맛 표현에 관한 연구들은 관능평가에 의해 진행되어 지고 있다 [1-3]. 관능평가란 ‘식품과 물질의 특성이 시각, 후각, 미각, 촉각 및 청각의 5각으로 감지되는 반응을 토대로 측정, 분석, 해석하는 과학의 한 분야’이다 [4-6]. 이에, 본 논문에서는 맛의 키워드를 생성을 위해 키워드를 추출하고자, 소셜 네트워크 서비스에서의 음식의 정보를 수집하고, 수집된 정보 중 데이터 타입을 음식명과 맛의 의미론적 데이터에 따라 새로운 맛의 의미론적 데이터를 추출하고자 한다 [7-9]. 수집된 맛의 의미론적 데이터의 적합성 평정을 위하여 통계적 방법인 상관분석과 다변량 분석을 통해 맛 평정 테이블을 구성하고자 한다. 또한, 맛 표현들을 활용하여 1차 맛 텍스트 감성사전을 구축하고자 한다. 1차 맛 텍스트 감성사전에서의 미각과 질감 및 온도, 후각 등의 맛을 표현하는 데이터와 비교분석함으로서 [10-12], 최종적으로 맛 데이터상의 키워드를 선택한 후 선택된 맛 키워드들을 러프 집합 이론을 토대로 맛 데이터를 측정하고자 한다 [13]. 기존 연구들은 관능평가에 따른 맛 평가를 지역적이고 제한적인 평가로 인해, 지역적인 방법에 대한 문제점을 극복하여 음식(한식) 개발 시 중요한 고려 요인인, 영양에 대한 인지도와 향후 구매 가능성을 조사하여 세계적 음식을 위한 마케팅 전략 수립과 동시에 이에 대한 연구 진행이 반드시 필요하다 [14-16]. 또한, 지역적 한계를 극복하기 위한 관능평가 및 객관적인 평가를 통해 고유의 맛 표현을 측정하는 방법에 대해 살펴보고자 한다. 외국인들에게 인지도가 높은 한국 음식의 대표음식들로는 김치, 음식, 불고기 등이 있으며 특히 음식에서는 밥과 반찬, 양념의 조합으로 한국인의 일상식사에서 쉽게 만들 수 있는 음식으로서의 지역적 차이에 따른 맛의 상태가 존재할 수 있다. 음식을 세계화한 국가들은 나라별로 음식의 맛을 느끼는 감성에 대해 연구를 진행하고 있다 [17-19]. 서양의 페스트 푸드, 일본의 스시, 중국의 딤섬, 태국의 쌀국수, 유럽의 레스토랑 음식 등이 세계인의 음식으로 자리 잡고 있다 [20]. 또한 페스트 푸드의 대명사 햄버거의 맛은 나라별, 지역별로 특성에 맞게 약간의 차이점을 갖고 있는 것도 중요한 요건 중의 하나이다. 따라서 본 논문은 다음과 같이 구성된다. 1장에서는 연구의 배경에 대해 설명하고, 2장에서는 빅데이터와 텍스트마이닝, 군집분석에 대해 살펴본다. 또한, 3장에서는 맛 감성사전 구축과 이를 활용한 감성분석 설계에 대하여 살펴본다. 마지막으로 4장에서 결론 및 향후 연구방향에 대하여 기술한다.

본 연구는 소셜 데이터 서비스 자료 중 트위터 환경 기반의 API를 이용하여 데이터를 수집하였다. 데이터의 수집 기간은 트위터를 가장 많이 활용하는 4계절을 중심으로 약 1년 간의 데이터 중 음식의 맛과 전혀 관련이 없는 무의미한 데이터와 맛을 포함하지 않는 데이터를 1차적으로 제거하여 유의미한 데이터 약 45100건를 추출하였다 [25]. 이후로 데이터의 간결 및 통계처리를 위해 동일인이 동일 내용의 데이터가 2회 이상 반복된 것은 제거 하였고, 이렇게 중복된 데이터를 제거한 유효 데이터의 수는 약 21000개이다. 다음의 <그림 1>은 감성사전을 위한 아키텍처이다.

본 연구는 소셜 네트워크의 데이터에 대한 맛 데이터의 판별을 통해 감성사전 구축에 대한 연구를 수행하였다. 연구결과 감성사전 사용 시, 기존의 맛에 대한 예측 정확도가 높아질 수 있음을 볼 수 있었다. 또한, 본 논문에서는 맛 단어의 극성을 새로 정의할 수 있었으며, 실질적 성능 향상을 확인한 것이 본 연구의 가장 큰 결과라고 할 수 있다. 하지만, 맛에 대한 음식별 감성분석에 필요한 맞춤형 감성 사전 구축을 위해 본 연구는 제한적 한계가 있다. 첫째, 맛 데이터에 대한 맞춤형 감성 사전 구축을 위해서는 모든 음식 관련 기업에서 사용하는 음식 재료 및 음식에 대한 빅데이터 정보가 요구된다. 또한, 맛 데이터에서의 동사, 명사, 형용사 등 다른 여러 품사의 단어에도 감성분석이 활용될 수 있기 때문에 이에 대한 알고리즘 개발이 요구된다. 둘째로, 개인 맞춤형 맛 데이터를 제공하는데 있어서는 정확도가 개인별 환경 및 바이오 리듬에 따라 달라질 수 있기 때문에 정확도가 개선되지 않은 이유를 분석하여 감성 사전 구축 방안을 개선할 필요가 있다. 셋째로, 맛 데이터에 대한 비정형 데이터들 긍정과 부정이 아닌 다른 맛의 평가 형태에 대한 비율을 고려하지 않았기에, 부정어 처리를 진행하지 않은 문제점에 대해 감성 분석을 통한 맛 예측 정확도 방법을 제시해야만 한다. 마지막으로, 데이터의 특성이 명확하게 구분되는 맛 데이터를 활용해야만이, 감성사전에 대한 확정성이 요구될 수 있다. 이를 위해 보다 정량적이고 정성적인 다양한 데이터 확보와 감성사전에 적합한 모델링을 통해 추가적인 연구가 진행되어야 한다.