Academic Edition — 무료로 시작하고, 논문까지 완성하세요

EmoFEAT
텍스트 감정 분석 플랫폼

분석 결과가 아니라, 심사를 견디는 분석 파이프라인을 드립니다.

YouTube URL에서 28감정 딥러닝 분석, SCIE 논문에 요구되는 통계 검정, Methods 초안까지 — 코드 한 줄 없이.

GoEmotions 감정 분석 시작하기 네트워크 비교 시작하기 텍스트 분석 시작

분석할 데이터가 필요하신가요? YouTube 댓글을 수집하여 GoEmotions 또는 NLP 텍스트 분석에 바로 활용할 수 있습니다.

댓글 수집

Built for Peer Review

동료심사를 견디도록 설계했습니다.

검증

당신의 감정 분석, 신뢰도 계수를 제시할 수 있습니까?

블라인드 표본 코딩 도구 내장 — 인간 코더 대비 Cohen's κ·Krippendorff's α·혼동행렬을 자동 산출합니다.

재현성

6개월 뒤에도 같은 결과.

모델 버전·임계값·시드·패키지 버전이 모든 결과 Excel에 자동 동봉됩니다. LLM에게 시킨 코딩은 다음 달에 재현되지 않을 수 있습니다 — 고정 모델과 기록된 매니페스트는 됩니다.

Methods

복붙 가능한 Methods.

실제로 실행한 분석만 정확히 기술한 논문 Methods 절 초안을 EN/KO로 자동 생성합니다.

통계 리뷰어가 지적할 것들을 먼저 반영했습니다:
BH-FDR 다중비교 보정 · Hedges' g + 부트스트랩 CI · Newey-West HAC · MDES 설계 민감도(Hoenig & Heisey 2001) · PPMI 필터링(Church & Hanks 1990)

원스톱 파이프라인

URL 하나 → 논문 데이터셋

그 사건 전후로 여론 감정이 정말 바뀌었는지, 통계적으로 답하세요 — ITS(Newey-West HAC)와 PELT changepoint 탐지로.

수집

URL로 YouTube 댓글 수집

정제

봇·중복 댓글 필터링

분석

28감정 딥러닝 분석

검정

ITS + PELT changepoint

검증

인간 코더 κ / α

리포트

21페이지 리포트 + Excel

분석 결과 샘플

연구자가 며칠 걸릴 작업, 우리는 수 초 만에

15개 인터랙티브 차트, 10개 통계 테이블, 6개 고급 분석 — ANOVA, 클러스터링, 엔트로피, 로지스틱 회귀 — 모두 21페이지 리포트로 자동 생성.

통계 전문가 팀이 일주일 걸릴 작업.

EmoFEAT 28-emotion probability distribution bar chart showing RoBERTa GoEmotions analysis results

28개 감정 확률 분포

전체 문서의 GoEmotions 28개 감정 평균 확률 순위

평점-감정 상관분석

ANOVA, Pearson/Spearman 상관분석, Tukey HSD 사후검정

EmoFEAT K-Means clustering with t-SNE dimensionality reduction visualization

K-Means 클러스터링 + t-SNE

차원 축소를 활용한 자동 클러스터 레이블링

EmoFEAT temporal emotion transitions trend lines for top 5 emotions

시간별 감정 변화 추이

시간 흐름에 따른 감정 분포 변화

EmoFEAT document-emotion probability heatmap showing 28 emotions across documents

문서-감정 히트맵

문서별 감정 확률 매트릭스

EmoFEAT Pearson correlation matrix between 28 emotion dimensions

감정 상관관계 매트릭스

28개 감정 간 Pearson 상관계수

EmoFEAT cluster emotion profiles radar chart comparing emotion signatures

클러스터 감정 프로필

클러스터별 감정 시그니처 비교 레이더 차트

EmoFEAT Shannon entropy distribution with Mann-Whitney U statistical test

감정 엔트로피 분석

Shannon 엔트로피 분포 및 Mann-Whitney U 검정

EmoFEAT PPMI-based emotion co-occurrence network with force-directed layout showing positive, negative, and ambiguous emotion clusters

감정 공존 네트워크

PPMI 필터링 기반 감정 클러스터 구조 및 중심성 시각화

EmoFEAT Shannon entropy over time line chart with emotion peak statistics table showing temporal emotion dynamics

시간별 감정 엔트로피

Shannon 엔트로피 시계열 및 감정 피크 통계 테이블

EmoFEAT comprehensive descriptive statistics table for 28 GoEmotions

감정 기술통계 테이블

28개 감정의 종합 기술통계량

EmoFEAT binary logistic regression identifying significant emotion predictors

감정 예측인자 분석

유의미한 감정 예측인자를 식별하는 이항 로지스틱 회귀

RoBERTa GoEmotions Pipeline

분석 과정

원본 데이터에서 논문용 분석까지 8단계 자동 처리

업로드

CSV / XLSX / TXT

컬럼 선택

텍스트 + 평점 / 날짜

전처리

텍스트 정제 및 정규화

RoBERTa 추론

문서당 28개 감정 확률

기술통계

평균, 표준편차, 중앙값, 최소/최대

카테고리 분류

긍정 / 부정 / 모호

고급 분석

ANOVA, 클러스터링, 엔트로피, 회귀

내보내기

15개 차트 + Excel + PDF

GoEmotions 28 EMOTION CATEGORIES

긍정 (12)

admiration · amusement · approval · caring · desire · excitement · gratitude · joy · love · optimism · pride · relief

부정 (11)

anger · annoyance · disappointment · disapproval · disgust · embarrassment · fear · grief · nervousness · remorse · sadness

모호 (5)

confusion · curiosity · realization · surprise · neutral

Methodology

8단계 전처리 파이프라인

신뢰할 수 있고 재현 가능한 분석 결과를 위한 체계적인 텍스트 전처리

텍스트 추출

CSV, Excel, TXT, PDF에서 텍스트 추출

특수문자 제거

특수문자, URL, HTML 태그 제거

숫자/날짜 제거

선택적으로 숫자와 날짜 제거

형태소 분석

한국어: KoNLPy (Okt/Komoran/Mecab), 영어: NLTK — 품사 필터링(명사·동사·형용사·부사) 포함

연어 탐지

PMI 기반 다중 단어 표현 탐지

불용어 제거

한국어/영어 일반 불용어 제거

표제어 추출

변형된 형태를 기본형으로 통일 (running, ran → run)

키워드 제거

검색 쿼리 키워드 제거로 편향 방지

전처리 후 6가지 분석이 자동 실행됩니다

TF / TF-IDF

단어 빈도 순위 및 문서 수준 중요도 가중치

PMI 연어분석

통계적으로 유의미한 다중 단어 표현 탐지

네트워크 중심성

동시출현 그래프 기반 연결, 매개, 근접 중심성

토픽 모델링 (LDA)

pyLDAvis 인터랙티브 시각화 포함 잠재 토픽 발견

NRC 감성분석

NRC 감정사전 기반 8가지 감정 + 긍정/부정 극성

워드 클라우드

단어 빈도 분포의 시각적 표현

네트워크 비교 파이프라인

네트워크 비교 (QAP/MRQAP)는 이렇게 동작합니다

Suh (2026, Systems)의 4단계 프로토콜 — 원시 코퍼스에서 논문용 연구모형까지.

코퍼스

2~5개 업로드 (기준 Y + 예측자 X)

정규화

합집합 공통 어휘 + PPMI 가중

QAP

노드 순열 구조 검정

Cohen's q

변화의 실질적 크기

MRQAP-DSP

예측자별 고유 기여 β

강건성

Jackknife · 노드 부트스트랩 · 잔차

연구모형

경로도 + Methods + Excel

한 번의 실행이 산출하는 분석

QAP 상관

노드 순열 5,000회로 검정하는 네트워크 간 구조 유사성 (Krackhardt, 1987)

Cohen's q 효과크기

수천 개 dyad로 p값이 무력해지는 지점에서, 정렬 간 변화가 실질적으로 큰지 판별

MRQAP-DSP β

겹치는 부분을 제거한 예측자별 고유 기여 (Dekker et al., 2007 DSP)

Jackknife 진단

음의 β를 대립 관계로 오독하기 전에 억제효과를 먼저 검출

노드 부트스트랩

어휘 재표집 1,000회 — 모든 추정치의 CI와 방향 재현율

연구모형 도판

β가 표시된 논문용 경로도 — 300 DPI export, Methods 초안·매니페스트 동봉

🇰🇷 한국어 코퍼스, 제대로

NLP 경로: KoNLPy 형태소 분석
GoEmotions 경로: 로컬 NMT(opus-mt-ko-en) 번역 후 감정 분석
번역 사실은 매니페스트·Methods 초안에 자동 기록

데이터가 서버 밖으로 나가지 않습니다

추론과 번역 모두 EmoFEAT 서버 내 로컬 처리로 수행되며 외부 API로 전송되지 않습니다. 개인정보가 포함된 텍스트를 외부 LLM API로 보낼 수 없는 연구 환경(IRB 심의 등)에서 그대로 사용할 수 있습니다.

비교

정직한 비교

✕LIWC는 6~8개 감정 범주뿐이고, 사전 매칭은 부정어·반어를 놓칩니다.
✕LLM 코딩은 실행마다 결과가 달라질 수 있고, 모델 버전은 사라집니다.
✕그리고 Python은 배울 시간이 없습니다.

	EmoFEAT	LIWC	LLM 직접 코딩	Python 직접 구현
감정 세분화	○28개 범주 (GoEmotions)	△사전 기반 6~8개 범주	○프롬프트로 유연하게 정의	○원하는 모델 자유 구성
재현성	○고정 모델 + 매니페스트	○결정적 사전 매칭	✕실행마다 변동 가능	△작성자 관리에 의존
통계 자동화	○ANOVA부터 ITS까지 내장	✕빈도 산출까지만	✕미제공	△직접 작성
검증 도구 (κ/α)	○내장	✕미제공	✕미제공	△라이브러리 별도 조합
네트워크 구조 비교 (QAP/MRQAP)	○내장 — Cohen's q 효과크기·DSP·노드 부트스트랩 포함	✕미제공	✕미제공	△UCINET·R 패키지 직접 조합
코딩 불필요	○웹 UI	○데스크톱 GUI	○채팅 인터페이스	✕프로그래밍 필요
데이터 로컬 처리	○외부 API 전송 없음	○데스크톱 앱	✕API 사업자로 전송됨	○로컬 실행 시 가능
비용 구조	○반입 시 1회 차감, 분석 무제한	△라이선스 $100+	△토큰당 API 비용	○무료 — 시간이 비용
인용 이력	△신생 도구 — 모델은 동료심사 문헌 기반 (GoEmotions, Google Research, ACL 2020)	○20년 이상의 인용 이력	△형성 중, 논쟁 있음	△사용 패키지에 따라 다름

기준: 2026-07. 각 도구에는 실제 강점이 있습니다 — 연구에 맞는 것을 선택하세요.

가격

반입 1회 차감, 분석은 무제한

임계값을 바꿔 다시 돌려도, 그룹을 다시 나눠도, 0원 — 연구는 반복 작업이니까.

10 MB

₩9,900

MB당 ₩990

짧은 댓글 약 5만 건 분량

12개월 유효

학술 참고문헌

EmoFEAT에서 사용된 주요 논문 및 방법론

TF-IDF (Term Frequency-Inverse Document Frequency)

Spärck Jones, Karen. "A Statistical Interpretation of Term Specificity and Its Application in Retrieval." Journal of Documentation 28, no. 1 (1972): 11-21. doi:10.1108/eb026526

PMI (Pointwise Mutual Information)

Church, Kenneth Ward, and Patrick Hanks. "Word Association Norms, Mutual Information, and Lexicography." Computational Linguistics 16, no. 1 (1990): 22-29. doi:10.1162/coli.1990.16.1.22

Network Centrality

Freeman, Linton C. "Centrality in Social Networks: Conceptual Clarification." Social Networks 1, no. 3 (1978): 215-239. doi:10.1016/0378-8733(78)90021-7

LDA (Latent Dirichlet Allocation)

Blei, David M., Andrew Y. Ng, and Michael I. Jordan. "Latent Dirichlet Allocation." Journal of Machine Learning Research 3 (2003): 993-1022. ISSN:1532-4435

Sentiment Analysis (Ekman's Basic Emotions)

Ekman, Paul. "An Argument for Basic Emotions." Cognition & Emotion 6, no. 3-4 (1992): 169-200. doi:10.1080/02699939208411068

RoBERTa GoEmotions

Demszky, Dorottya, Dana Mober, Emily Kang, Peter J. Liu, Slav Petrov, and Jeongwoo Ko. "GoEmotions: A Dataset of Fine-Grained Emotions." Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (2020): 4040-4054. doi:10.18653/v1/2020.acl-main.372

연구자들이 가장 먼저 묻는 질문

ChatGPT로 감정 분석하면 안 되나요?

논문에서 문제는 편리함이 아니라 방어 가능성입니다. LLM 코딩은 같은 텍스트에 실행마다 다른 라벨을 줄 수 있고, 모델 버전은 사라지며, 신뢰도 계수를 보고할 표준적인 방법이 없습니다. EmoFEAT은 고정된 공개 모델(GoEmotions로 파인튜닝한 RoBERTa — Google Research, ACL 2020)을 쓰고, 모델 버전·임계값·시드를 모든 결과 파일에 매니페스트로 동봉하며, 인간 코더 대비 Cohen's κ / Krippendorff's α를 산출합니다.

데이터가 외부로 나가나요?

아니요. 감정 추론과 한국어→영어 번역 모두 EmoFEAT 서버 내 로컬 처리로 수행되며, 텍스트가 외부 LLM·번역 API로 전송되지 않습니다. 코퍼스에 개인정보가 포함되어 있고 IRB 계획서상 제3자 AI 서비스 전송이 금지된 경우에도 그대로 사용할 수 있습니다. 업로드한 파일은 언제든 서버에서 삭제할 수 있습니다.

결제 방식은 어떻게 되나요?

데이터 용량제입니다: 반입 시 1회만 차감(선택한 텍스트 열의 UTF-8 용량 기준)되고, 반입 후 모든 분석은 무료·무제한입니다. 동일 파일 재반입은 차감되지 않습니다. 팩은 10MB 9,900원 · 30MB 24,900원 · 100MB 69,900원(각 12개월 유효)입니다. 도움말에서 상세 표 보기 →

몇 개의 감정을 탐지할 수 있나요?

GoEmotions 분류 체계(Google Research, ACL 2020) 기반 28개 세분화 감정입니다: 긍정 12개(admiration, joy, love, gratitude 등), 부정 11개(anger, sadness, grief, remorse 등), 모호 4개(curiosity, surprise, realization, confusion) + neutral — 문서마다 감정별 확률 점수가 산출됩니다.

결과를 SCI급 논문에 사용할 수 있나요?

네. Tukey HSD 사후검정이 포함된 ANOVA, p-value가 포함된 Pearson/Spearman 상관, 실루엣 점수가 포함된 K-Means 클러스터링, 엔트로피 분석, 로지스틱 회귀 등 출판 기준에 맞는 통계와 함께 재현성 매니페스트, Methods 절 초안까지 자동 생성됩니다.

EmoFEAT은 어떻게 인용하나요? (BibTeX)

@software{suh2026emofeat,
  author  = {Suh, Jungho},
  title   = {EmoFEAT: RoBERTa GoEmotions-based
             Fine-grained Emotion Analysis Tool},
  year    = {2026},
  version = {5.5.0},
  url     = {https://emofeat.com}
}

도움말에서 답변 읽기 →