딥러닝을 활용한 쇼핑몰 고객군별 리뷰 감성 분석 :

이광호

추천

검색

자료유형: 학위논문

저자정보: 이광호 (국민대학교, 국민대학교 비즈니스IT전문대학원)

지도교수: 김남규

발행연도: 2020

저작권: 국민대학교 논문은 저작권에 의해 보호받습니다.

이용수27

이 논문의 연구 히스토리 (2)

2020

딥러닝을 활용한 쇼핑몰 고객군별 리뷰 감성 분석

이광호 2020.01 학위논문

2019

딥러닝을 활용한 쇼핑몰 고객군별 리뷰 감성 키워드 비교 분석

이광호 , 김남규 한국지능정보시스템학회 학술대회논문집 2019.10 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

모바일 결제 환경의 발전이 지속됨에 따라 온라인 쇼핑몰을 통한 온라인 거래가 활성화되며, 온라인 리뷰 또한 지속적으로 확대 생산되고 있다. 이는 소비자의 구매결정에 있어 중요한 요소로 작용하고 있으며, 기업 또한 소비자 리뷰를 주요 의사결정을 위한 분석대상으로 다루고 있다.
소비자 리뷰의 주요 연구 분야로는 감성분석이 있다. 감성 분석은 제품, 서비스에 대한 사람들의 의견, 태도 등을 분석하는 연구로 평점이라는 정량적 데이터와 정성적인 텍스트를 같이 활용한 연구가 이뤄져왔다. 초기 어휘기반 방법론에서 기계학습 방법론으로 연구 트렌드가 옮겨왔고 최근에는 딥러닝을 적용한 연구가 주를 이루고 있다. 이러한 알고리즘적인 발전에 힘입어 평점 예측 및 감성 분류 연구는 기존 연구보다 향상된 결과를 보이고 있다.
그러나 이러한 기계론적 방법론에 기반한 리뷰 분석은 리뷰의 특성을 기반으로 연구를 진행한다는 특징을 가지고 있다. 소비자의 리뷰 수용에 있어 리뷰의 특성은 중요 요소 중 하나이지만 제품 특성, 리뷰어 특성 등 리뷰 수용에 있어 영향을 미치는 타 요소들이 있음이 입증되어왔다. 또한 서로 다른 리뷰어가 유사 내용의 리뷰를 작성하지만 제품에 대한 평가는 다른 경우 리뷰의 특성만을 이용하여 연구 시 해당 사항을 반영할 수 없다.
이러한 배경에서 본 연구는 리뷰어의 특성을 반영한 리뷰 감성 분석을 진행하였다. 국내 온라인 쇼핑몰의 의류 상품 리뷰를 대상으로 고객등급에 기반을 두어 고객군을 구분하고 고객군에 따라 리뷰가 상이하게 나타나는 양상을 파악한다. 구체적으로는 딥러닝 기법을 활용하여 고객군에 따라 긍정 리뷰와 부정 리뷰에 나타나는 핵심 키워드를 비교하고 고객군에 따라 관심속성의 차이를 확인하였다. 또한 고객군별 데이터에 대해 감성 문서 분류를 시행하여, 기계론적 방법론이 아닌 다른 방식으로 정확도 향상을 위한 연구를 시행하였으며, 소폭의 향상효과를 보았다.

As the development of the mobile payment environment continues, online transactions through online shopping malls are activated, and online reviews are continuously expanded and produced. This is an important factor in consumers'' purchasing decisions, and companies also treat consumer reviews as an analysis target for major decisions.
The main research field of consumer reviews is sentiment analysis. Sentiment analysis is a study that analyzes people''s opinions and attitudes about products and services. It has been conducted by using qualitative data such as ratings and quantitative text. Research trends have shifted from early lexicon-based methodologies to machine learning methodologies, and recent studies have focused on deep learning. Thanks to these algorithmic developments, the results of rating prediction and sentiment classification are showing better results than previous studies.
However, review analysis based on the mechanistic methodology is characterized by conducting research based on the characteristics of the review. While the characteristics of reviews are one of the important factors in consumer review acceptance, there have been other factors that influence the acceptance of reviews such as product characteristics and reviewer characteristics. In addition, if different reviewers write reviews of similar contents, but the evaluation of the product is different, the research cannot be solved when research using only the characteristics of the review.
Against this background, this study conducted review sentiment analysis reflecting the characteristics of reviewers. Based on customer ratings, apparel product reviews of domestic online shopping malls are classified into customer groups, and the appearance of reviews differs according to customer groups. Specifically, the deep learning method was used to compare the keywords in positive and negative reviews according to the customer group. In addition, sentiment document classification was performed according to the customer group, and the study was conducted to improve the accuracy by a method other than the mechanistic methodology. A slight improvement was seen.

목차
그림 목차 Ⅱ
표 목차 Ⅱ
국문 요약 Ⅳ
1. 서론 1
2. 관련연구 5
2.1. 온라인 리뷰의 영향력 5
2.2. 감성분석 7
2.3. 딥러닝을 활용한 감성분석 8
2.4. 최신 딥러닝 감성분석 9
3. 제안 방법론 13
3.1. 연구 개요 13
3.2. 데이터 수집 및 전처리 14
3.3. 문서 분류 모델 구축 및 정확도 비교 15
3.4. 키워드 비교 분석 15
4. 실험 및 결과 16
4.1. 실험 개요 16
4.2. 실험 설계 17
4.3. 실험 결과 분석 20
5. 결론 29
참고문헌 31
Abstract 36

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)