상품 속성별 감성사전 기반 상품 리뷰 감성분석을 반영한 상품 추천 시스템 :Product recommendation system reflecting emotional analysis based on emotional dictionary by product attributes

황도연

추천

검색

자료유형: 학위논문

저자정보: 황도연 (배재대학교, 배재대학교 일반대학원)

지도교수: 정회경

발행연도: 2020

저작권: 배재대학교 논문은 저작권에 의해 보호받습니다.

이용수11

이 논문의 연구 히스토리 (2)

2020

상품 속성별 감성사전 기반 상품 리뷰 감성분석을 반영한 상품 추천 시스템

황도연 컴퓨터공학과 2020.01 학위논문

2019

구매 우선순위와 상품 리뷰 감성 분석을 반영한 개인 맞춤화 상품 추천 시스템

황도연 , 김도안 , 송하빈 외 1명 한국정보통신학회 여성 ICT 학술대회 논문집 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

전자 상거래 시장의 규모가 점차 커지면서 그에 따른 영향이 우리 사회 전반에 걸쳐 나타나고 있다. 기업의 경영환경은 상품 중심에서 사용자 중심으로 변화하며 추천 시스템을 도입하고 있다. 국내외 학계에서도 추천 시스템에 관한 연구가 꾸준히 진행 되어오고 있다. 사용자의 입장에서는 자신의 의견을 자유롭게 타인과 공유하고, 다른 사람의 의견을 참고하여 구매의사결정을 하고 있다. 그러나 그 정보의 양이 너무 많아 오히려 독이 되고 있는 실정이다.
과거의 추천 시스템에서는 평점정보를 이용하여 추천을 해왔는데, 이는 정량적인 정보에 국한하여 정확도를 떨어뜨린다는 한계점이 있다. 또, 기존의 추천 시스템은 사용자 개인마다 고유한 구매 취향 혹은 구매 기준과 같은 세부 정보를 반영하는 것이 부족했다.
따라서 본 논문에서는 정성적인 정보인 리뷰 텍스트 데이터를 감성 분석하여 이를 정량화 하였다. 분석 데이터는 상품 리뷰를 대상으로 상품 속성별 감성 사전을 구축하고, 이를 바탕으로 감성 점수를 산출하였다.
사용자는 상품을 검색과 동시에 그 상품을 구매할 때 가장 중요하게 생각하는 상품 속성을 선택한다. 상품 속성을 다수를 선택할 경우에는 우선순위를 같이 정한다. 사용자가 찾는 상품의 리뷰 데이터를 수집하고, 구축한 감성 사전을 바탕으로 감성 분석을 실시한다. 사용자가 선택한 우선순위 가중치를 반영하여 상품 별 최종 감성 점수를 산출한다. 그 상품의 속성별로 평이 좋은 상품 상위 10개 상품을 추출하여 사용자에게 추천한다. 제안하는 시스템을 사용할 경우 기존의 추천 시스템을 사용하는 것 보다 상품을 구매하는 데 소요되는 시간을 줄일 수 있으며, 효율적인 구매의사결정을 할 수 있다. 사용자의 주관적인 정보를 추천 알고리즘에 반영하여 개인 맞춤형 추천 정보가 도출될 수 있으며, 기존 추천 시스템을 통해 상품을 추천 받는 것보다 효율적인 결과를 얻을 수 있다.

As the size of the e-commerce market grows, the impact of it is spreading throughout our society. The business environment of a company changes from a product center to a user center and introduces a recommendation system. Research on the recommendation system has been steadily progressing at home and abroad. From the user''s perspective, they are free to share their opinions with others, makes purchase decisions referring to the opinions of others. However, the amount of information is so large that it is rather poisonous.
In the past, the recommendation system has been recommending using the rating information, which has a limitation in that the accuracy is limited to quantitative information. In addition, the existing recommendation system lacked to reflect detailed information such as purchase taste or purchase criteria unique to each user.
Therefore, in this paper, we reviewed qualitative information and quantified it. The analytical data was constructed with emotional dictionary for each product attribute based on the product review, and the emotional score was calculated based on this.
A user searches for a product and at the same time selects a product attribute that is most important when purchasing the product. If multiple product attributes are selected, the priority is set together. Collecting the review data of the product which the user is looking for, and conducting the emotional analysis based on the emotional dictionary built. The final emotional score for each product is calculated by reflecting the priority weight selected by the user.
The top 10 products with good ratings are extracted and recommended to users.
The proposed system can reduce the time required to purchase a product and make efficient purchasing decision than using the existing recommendation system. Personalized recommendation information can be derived by reflecting the subjective information of the user in the recommendation algorithm, and can obtain more efficient results than recommending the product through the existing recommendation system.

#Crawling #Product review #Recommender system #Sentiment Analysis

목 차
목 차 ----------------------------------------------------ⅲ
그림목차 ----------------------------------------------------ⅴ
도표목차 ----------------------------------------------------ⅶ
Ⅰ. 서 론 -------------------------------1
1.1 연구배경 및 목적 ------------------------------------------------1
1.2 연구내용 및 범위 ------------------------------------------------3
1.3 논문의 구성 ----------------------------------------------------4
Ⅱ. 관련연구 --------------------------------------5
2.1 추천 시스템 ----------------------------------------------------5
2.1.1 협업 필터링 --------------------------------------------------6
2.1.2 내용기반 필터링 ---------------------------------------------8
2.1.3 사용자 리뷰를 반영한 추천 시스템 -------------------------------10
2.2 감성 분석 -----------------------------------------------------11
Ⅲ. 시스템 설계------------------------------------13
3.1 시스템 구조도 -------------------------------------------------13
3.2 시스템 흐름도 -------------------------------------------------14
Ⅳ. 시스템 구현 --------------------------------16
4.1 크롤링 --------------------------------------------------------16
4.2 DB설계 -------------------------------------------------------20
4.3 전처리 --------------------------------------------------------21
4.4 상품 속성별 감성사전 구축----------------------------------------23
4.5 감성점수계산---------------------------------------------------25
4.6 고찰----------------------------------------------------------31
Ⅵ. 결론 및 향후 연구 -------------------------------35
참고문헌 ----------------------------------------------------------37
영문초록 ----------------------------------------------------------42
감사의 글----------------------------------------------------------44

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)