빅데이터 환경에서의 음식 추천 서비스를 위한 사용자 텍스트 감성사전에 관한 연구
A Study of User Text Sentiment Dictionary for Food Recommendation Service on Big Data Environment
0
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
일반적으로 감각 테스트에 기초한 음식 맛을 평가하는 것은 실용적이지만, 이러한 평가는 비용과 시간이 많이 소요되는 단점이 있다. 또한, 각 평가자에게 의존하는데 있기에 불일치가 나타나기도 한다. 따라서, 우리는 맛있는 음식을 맛보고, 다음과 같이 처리하고자 한다. 첫째로, 사전에 맛볼 수 있는 사용자 텍스트 감성 사전이 일종의 음식 연구에 가장 기여하고 있으며, 소셜 네트워크 서비스, 인터넷 및 소셜 미디어의 트위터 데이터를 수집합으로서 음식 연구에 또한 기여한다. 둘째로, 많은 정보들은 그들의 시스템으로부터 웹기반과 모바일기반에서 본연의 음식 맛 데이터를 기대하는데 기반을 두고 있다. 소셜 네트워크 서비스 및 인터넷에서 제공되는 음식 이름은 각기 다른 이름으로 그 음식맛이 다르다. 결국, 이러한 데이터들은 4갱의 다른 이름으로 나뉘어져 새로운 맛과 음식 단거가 맛 감성 사전에 키워드를 추가할 뿐 만 아니라, 이를 발견하기 위한 형태소 분석을 해야한다. 따라서, 새로이 형성된 맛 키워드의 빈도를 측정하는 것은 음식 취향 키워드의 가중치에 의해 결정되고, 사전 취향의 단어 감성 사전을 이용함으로서 필터링된 데이터의 감도에 기초하기에 그 중요성이 있으며, 감성 사전에 의한 음식의 맛을 제공한다.
Abstract
In general, it is practice to assess food tastes based on sensory tests, however, this method has a considerable disadvantage in which it is pricey and need to required more time. In addition, important disparity appear in relying on each evaluator. We make a good food tastes up, we are necessary to process as following; Firstly, a pre-taste User text sentiment dictionary is based on establishment a kind of food studies and then gather this information on twitter data of social network service, internet and social media so on. Secondary, many information are based on anticipate in original food tastes data by web-based and mobile-based from their systems. Food name of providing on social network service and internet is different each of names with their food tastes. After all, This data is divided into four different names look over stemming that new savors and foods words are found in order to add keyword to taste sentiment dictionary. Accordingly, frequency measurement of newly formated taste keyword is important based on sensitivity of filtering data by utilizing a pre-taste word emotional dictionary determined by the weight of the food taste keyword and it also illustrates the taste of foods by taste dictionary.
참고문헌 (25)
- K. Dave, "Mining the peanut gallery: opinion extraction and semantic classification of product reviews", 2(3), pp.519~528 (2003)
- C. Ding, "Orthogonal nonnegative matrix t-factorizations for clustering", KDD ’06, pp.126~135 (2006)
- C. Ding, "On the equivalence of nonnegative matrix factorization and spectral clustering", Proceedings of the SIAM Data Mining Conference, pp.606~610 (2005)
- C. Ding, "On the equivalence between non-negative matrix factorization and probabilistic latent semantic indexing", Computation Statistics and Data Analysis, 52(8), pp.3913~3927 (2008)
- A. Esuli, "Sentiwordnet: A publicly available lexical resource for opinion mining", LREC06, 3(2), pp.417~422 (2006)
- Hatzivassiloglou, "Predicting the semantic orientation of adjectives", EACL ’97, pp.174~181 (1997)
- Hofmann, "Unsupervised learning by probabilistic latent semantic analysis", Machine Learning, 42(1), pp.177~196 (2001)
- M. Hu, "Mining and summarizing customer reviews", KDD ’04, pp.168~177 (2004)
- K. Marx, "Using wordnet to measure semantic orientation of adjectives", National Institute, 1115~1118 (2004)
- D. Lee, "Learning the parts of objects by non-negative matrix factorization", Nature, 401(6755), pp.788~791 (1999)
- T. Li, "Solving consensus and semi-supervised clustering problems using nonnegative matrix factorization", ICDM ’07, pp.577~582 (2007)
- B. Pang, "Thumbs up?: sentiment classification using machine learning techniques", EMNLP ’02, pp.79~86 (2002)
- P. D. Turney, "Thumbs up or thumbs down?:semantic orientation applied to unsupervised classification of reviews", ACL ’02, pp.417~424 (2002)
- T. Wilson, "Recognizing contextual polarity in phrase-level sentiment analysis", HLT ’05, pp.347~354 (2005)
- T. Wilson, "Recognizing contextual polarity in phrase-level sentiment analysis", HLT ’05, pp.347~354 (2005)
- W. Xu, "Document clustering based on non-negative matrix factorization", SIGIR ’03, pp.267~273 (2003)
- A. Esuli, "SentiWordnet: A publicly available lexical resource for opinionmining", Proceedings of the 5th Conference on Language Resources and Evaluation (LREC06), pp.417~422 (2006)
- S. Mohammad, "Crowdsourcing a word-emotion association lexicon", Computational Intelligence, 29(3), pp.436~465 (2013)
- X. Vum, "Construction of Vietnamese Sentiwordnet by using Vietnamese dictionary", The 40th Conference of the Korea Information Processing Society, pp.745~748 (2014)
- S. Baccianella, "Sentiwordnet 3.0: An enhanced lexical resource for sentiment analysis and opinion mining", Proceedings of LREC, 10, pp.17~23 (2010)
- M. Hu, "Mining and Summarizing customer reviews", Proceedings of the Tenth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining(KDD04), pp.168~177 (2004)
- P. J. Stone, "The general inquirer: A computer approach to content analysis", American Journal of Sociology, 73(5), pp.634~635 (1968)
- B. T. Kieu, "Sentiment, analysis for Vietnamese", 2010 Second International Conference on Knowledge and Systems Engineering, pp.152~157 (2010)
- T. Vu, "VnCoreNLP: A Vietnamese Natural language processing toolkit", Proceedings of the 2018 Conference of the North American Chapter of the Association for Computational Linguistics, Demonstrations, pp.56~60 (2018)
- T. D. Nguyen, "An empirical study on sentiment analysis for Vietnamese", 2014 International Conference on Advanced Technologies for Communications (ATC 2014), pp.309~314 (2014)