온라인 고객리뷰에 대한 속성기반 오피니언 마이닝을 활용한 추천시스템의 개선
Improvement of recommendation system using attribute-based opinion mining of online customer reviews
0
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
본 논문에서는 속성기반 오피니언 마이닝(ABOM)을 적용한 협업 필터링의 정확도 성능을 개선할수 있는 알고리즘을 제안한다. 실험을 위해 국내 스마트폰 사용자의 스마트폰 앱에 대한 총 1,227건의 온라인 소비자 리뷰 데이터가 분석에 사용되었다. KKMA(꼬꼬마)분석기를 이용하여 형태소 분석및 KOSAC를 사용하여 감성어 분석 후 LDA 토픽 모델링을 사용하여 속성 추출한 가중치 값을 부여한 리뷰별로 토픽 모델링 결과를 이용하여 협업필터링의 평점과 감성스코어의 평점을 합산한 평균값 정확도 오차를 계산한 통계모형 성능 평가인 MAE, MAPE, RMSE를 사용하였다. 실험을 통해 추천 알고리즘 중 전통적인 협업필터링과 LDA 속성 추출과 감성분석을 결합한 속성기반 오피니언 마이닝(Aspect-Based Opinion Mining, ABOM) 기법을 결합하여 온라인 고객의 앱 평점(APP_Score) 대한정확도를 예측하였다. 분석 결과 전통적인 협업필터링을 구현한 평점의 정확도 보다 속성기반 오피니언 마이닝 CF를 적용한 평점의 예측 정확도가 더 우수한 것으로 나타났다.
Abstract
In this paper, we propose an algorithm that can improve the accuracy performance of collaborative filtering using attribute-based opinion mining (ABOM). For the experiment, a total of 1,227 online consumer review data about smartphone apps from domestic smartphone users were used for analysis. After morpheme analysis using the KKMA (Kkokkoma) analyzer and emotional word analysis using KOSAC, attribute extraction is performed using LDA topic modeling, and the topic modeling results for each weighted review are used to add up the ratings of collaborative filtering and the sentiment score. MAE, MAPE, and RMSE, which are statistical model performance evaluations that calculate the average accuracy error, were used. Through experiments, we predicted the accuracy of online customers' app ratings (APP_Score) by combining traditional collaborative filtering among the recommendation algorithms and the attribute-based opinion mining (ABOM) technique, which combines LDA attribute extraction and sentiment analysis. As a result of the analysis, it was found that the prediction accuracy of ratings using attribute-based opinion mining CF was better than that of ratings implementing traditional collaborative filtering.
참고문헌 (16)
- 이륜경, "딥러닝을 이용한 온라인 리뷰 기반 다속성별 추천 모형 개발", 정보시스템연구, 28(1), pp.97~114 (2019), 한국정보시스템학회[DOI]
- 최준연, "추천 시스템의 예측 정확도 향상을 위한 고객 평가정보의 신뢰도 활용법", 한국콘텐츠학회 논문지, 13(7), pp.379~385 (2013), 한국콘텐츠학회[DOI]
- 장경애, "인터넷 감정기호를 이용한 긍정", 부정 말뭉치구축 및 감정분류 자동화, 2015, pp.42(4), 512~521[DOI]
- Ewa Maslowska, "Do customer reviews drive purchase decisions? The moderating roles of review exposure and price", Decision Support Systems, 98, pp.1~9 (2017), Elsevier BV[DOI]
- 이종화, "오피니언 마이닝을 통한 국내와 수입 의류 제품에 대한 고객평판 연구", 인터넷전자상거래연구, 15(3), pp.223~234 (2015), 한국인터넷전자상거래학회
- Herlocker, J. L., "An algorithmic framework for performing collaborative filtering", Proc. of the 22nd International ACMSIGIR Research and Development Conference on Information Retrieval, pp.230~237 (1999)
- 최슬비, "사용자 간 신뢰관계 네트워크 분석을 활용한 협업 필터링 알고리즘의 예측 정확도 개선", 지능정보연구, 22(3), pp.113~127 (2016), 한국지능정보시스템학회[DOI]
- Kim Schouten, "Survey on Aspect-Level Sentiment Analysis", IEEE Transactions on Knowledge and Data Engineering, 28(3), pp.813~830 (2015), Institute of Electrical and Electronics Engineers (IEEE)[DOI]
- D. M. Blei, "Latent Dirichlet Allocation", Journal of Machine Learning Research, 3, pp.993~1022 (2003)
- C. Chiru, "Comparison between LSA-LDA-Lexical Chains", Proceedings of the 10th International Conference on Web Information Systems and Technologies, 2, pp.255~262 (2014)
- M. Hu, "Mining and Summarizing Customer Reviews", Proceedings of the 10th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD’04), pp.168~177 (2004)
- 전병국, "사용자 리뷰 마이닝을 결합한 협업 필터링 시스템: 스마트폰 앱 추천에의 응용", 지능정보연구, 21(2), pp.1~18 (2015), 한국지능정보시스템학회
- G. Shani, "Recommender Systems Handbook", pp.257~297 (2011), Springer
- T. Chai, "Root mean square error (RMSE) or mean absolute error (MAE)? – Arguments against avoiding RMSE in the literature", Geoscientific Model Development, 7(3), pp.1247~1250 (2014), Copernicus GmbH[DOI]
- P. Cremonesi, "Performance of Recommender Algorithms on Top-N Recommendation", Proceedings of the 4th ACM Conference on Recommender Systems, pp.39~46 (2010)
- Jonathan L. Herlocker, "Evaluating collaborative filtering recommender systems", ACM Transactions on Information Systems, 22(1), pp.5~53 (2004), Association for Computing Machinery (ACM)[DOI]