지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김재경
- 발행연도
- 2017
- 저작권
- 경희대학교 논문은 저작권에 의해 보호받습니다.
이용수13
이 논문의 연구 히스토리 (3)
2017
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
온라인 쇼핑몰은 매년 꾸준한 성장률을 보이고 있으며, 전체 쇼핑 시장 규모에서 차지하는 비중 또한 매년 증가하고 있다. 구매자들은 구매를 결정할 때, 쇼핑몰에 작성된 상품의 리뷰와 함께 평점을 중요한 구매 결정 척도로 사용한다. 리뷰와 함께 평점을 고려하는 구매자도 있으나, 평점만을 고려하여 전체 리뷰의 경향을 판단하여 구매를 결정하기도 한다. Ebay와 같은 온라인 몰에서는 상품의 첫 페이지에서 오직 평점만을 보여주기도 한다. 하지만, 모든 온라인 리뷰 작성자가 리뷰를 작성할 때 평점을 부여하지 않는다, 이러한 상황에서 평점이 존재하지 않는 리뷰를 읽어 직접 평점을 부여하기에는 시간적 ? 인적 자원의 한계가 명확하다.
본 연구에서는 Amazon.com에서 1996년 5월부터 2014년 7월까지 수집된 온라인 리뷰의 데이터를 사용하였다. 총 24개의 카테고리에서 스포츠 & 아웃도어 용품과 건강 & 개인 용품 등 5개의 카테고리를 선정하였다. 리뷰의 개수는 각 카테고리당 2500개를 사용하였고 각 점수당 500개씩 무작위 샘플링되었다.
본 연구는 평점을 입력하지 않은 리뷰의 평점을 예측하는 모델이다. 먼저, 여러 가지 토픽모델링 중에서 리뷰의 잠재적인 토픽들을 추출하여 토픽들이 리뷰를 설명하는 확률값을 계산하는 LDA 알고리즘을 적용하였다. 그 후, 인공신경망에 토픽의 벡터값과 평점을 입력하여 학습시켰다. 마지막으로 모델의 성능을 측정하기 위하여 평점을 제거한 리뷰의 토픽 벡터들을 모델에 입력하여 평점을 예측하였고, 실제 평점과 비교하였다.
본 연구의 결과로 모든 카테고리에서 각 점수를 분별하는 정확도는 평균 30%를 나타냈다. 1점과 2점을 부정적인 리뷰로 분류하고 4점과 5점을 긍정적인 리뷰로 분류한 후, 부정적인 리뷰와 긍정적인 리뷰를 판단하는 결과는 평균 55%를 나타냈다. 본 연구는 수많은 리뷰들을 바탕으로 평점이 존재하지 않는 리뷰에 평점을 부여할 수 있는 새로운 접근법을 선보였다는데 의의가 있다. 또한, 본 연구의 결과를 통하여 리뷰 작성자로부터 평점을 부여받지 않은 수많은 리뷰들에 대한 평점을 예측하여 상품의 전체 평점을 형성하는데 도움을 주고 이는 구매자들에게 구매에 영향을 줄 것으로 보인다.
본 연구에서는 Amazon.com에서 1996년 5월부터 2014년 7월까지 수집된 온라인 리뷰의 데이터를 사용하였다. 총 24개의 카테고리에서 스포츠 & 아웃도어 용품과 건강 & 개인 용품 등 5개의 카테고리를 선정하였다. 리뷰의 개수는 각 카테고리당 2500개를 사용하였고 각 점수당 500개씩 무작위 샘플링되었다.
본 연구는 평점을 입력하지 않은 리뷰의 평점을 예측하는 모델이다. 먼저, 여러 가지 토픽모델링 중에서 리뷰의 잠재적인 토픽들을 추출하여 토픽들이 리뷰를 설명하는 확률값을 계산하는 LDA 알고리즘을 적용하였다. 그 후, 인공신경망에 토픽의 벡터값과 평점을 입력하여 학습시켰다. 마지막으로 모델의 성능을 측정하기 위하여 평점을 제거한 리뷰의 토픽 벡터들을 모델에 입력하여 평점을 예측하였고, 실제 평점과 비교하였다.
본 연구의 결과로 모든 카테고리에서 각 점수를 분별하는 정확도는 평균 30%를 나타냈다. 1점과 2점을 부정적인 리뷰로 분류하고 4점과 5점을 긍정적인 리뷰로 분류한 후, 부정적인 리뷰와 긍정적인 리뷰를 판단하는 결과는 평균 55%를 나타냈다. 본 연구는 수많은 리뷰들을 바탕으로 평점이 존재하지 않는 리뷰에 평점을 부여할 수 있는 새로운 접근법을 선보였다는데 의의가 있다. 또한, 본 연구의 결과를 통하여 리뷰 작성자로부터 평점을 부여받지 않은 수많은 리뷰들에 대한 평점을 예측하여 상품의 전체 평점을 형성하는데 도움을 주고 이는 구매자들에게 구매에 영향을 줄 것으로 보인다.
목차
Ⅰ. 서론 1Ⅱ. 관련 연구 42.1 토픽모델링 42.2 인공신경망을 이용한 분류 9Ⅲ. 온라인 리뷰데이터 분류 모델 163.1 데이터 163.2 전처리 193.3 연구모델 20Ⅳ. 데이터 분석 244.1 평가 방법 244.2 결과 27Ⅴ. 결론 및 한계점 38Ⅶ. 참고 문헌 42
최근 본 자료
댓글(0)
0