데이터 구축량. 국립국어원의 한국어 감정 데이터 구축을 위해 수집해야 할 데이터의 양을 제안하기 위해 본 사업에서는 여러 국내외 감정 데이터의 크기를 분석하였다. 그러나 부록을 통해 확인할 수 있듯이 국내외에서 구축한 감정 분석 데이터의 크기는 서로 매우 상이하다. 기구축된 한국어 감정 데이터를 보면 가장 적은 경우 약 15,000개의 문장을 포함하고 있 지만, 많은 경우 약 27만 개의 문장을 갖기도 한다. 기구축된 감정 데이터로부터 한국어 감정 데이터의 적절한 양을 가늠하는 것은 어려웠다. 특히 수집한 언어표현이 모두 감정 을 갖는 것은 아니며, 각 감정 유형들이 언어 데이터에 골고루 등장하는 것은 아니기 때 문에 전체 데이터의 크기를 기준으로 데이터를 수집한다면 추후 데이터 불균형의 문제가 예상된다. 이 때문에 본 사업에서는 전체 데이터의 크기가 아닌, 각 클래스별 데이터의 개수를 제 안하고자 한다. 각 감정 유형마다 약 5,000개의 문장을 수집하는 것이 적절하다고 판단 된다. 하지만 감정 유형에 따라 자주 등장하는 것도 있고, 가끔 등장하는 것도 있기 때문 에 유형별로 정확하게 동일한 개수의 데이터를 수집하는 것은 어렵다. 대신 심각한 데이 터 불균형을 방지하기 위해 가장 많은 인스턴스를 갖는 감정 유형과 가장 적은 인스턴스 를 갖는 감정 유형 간의 비율을 사전에 정의하여 제한하는 것도 하나의 방법일 것이다. 물론 이를 위해서는 다음 장에서 설명 감정 유형 설정에 대한 깊은 분석이 이루어져야 할 것이다.
