본문 바로가기
KERD
논문KCI 등재

대형 언어 모델을 활용한 한국어 식품 리뷰 분석: 감성분석과 다중 라벨링을 통한 식품안전 위해 탐지 연구

Korean Food Review Analysis Using Large Language Models: Sentiment Analysis and Multi-Labeling for Food Safety Hazard Detection

조완섭|이경희|최은선
사)한국빅데이터학회 (KOREA BIGDATA SOCIETY)|2024.06|한국빅데이터학회 학회지 (The Korea Journal of BigData)|제9권 제1호|pp. 75-88|DOI 10.36498/kbigdt.2024.9.1.75

0

조회

0

다운로드

0

인용

0

참고문헌

키워드

감성분석Food SafetySentiment AnalysisLarge Language ModelBERT대형언어모델식품안전Fine Tuning다중라벨링Multi-labeling

초록

최근 온라인 플랫폼에서 구입한 육회를 섭취한 후 식중독 증상을 호소하거나 방울토마토에서 쓴맛이 난다는리뷰가 뉴스에 등장한 사례가 있다. 이것은 정부 기관, 식품 제조업체나 유통업체가 온라인 플랫폼의 식품리뷰를 분석하여 식품 위해를 탐지함으로써 소비자 식품안전 위험을 관리할 수 있음을 시사한다. 본 연구는감성분석과 대형 언어 모델을 활용하여 식품 리뷰를 분석하고, 부정적인 리뷰를 탐지하여 주요 식품안전 위해(식중독, 변질, 화학적 이취, 이물질)를 다중 라벨링하는 분류 모델을 제안한다. 감성 분류 모델에서는‘funnel’ 모델이 낮은 False Positive 비율로 부정 리뷰의 오분류 가능성을 최소화하는 데 효과적이었다. 식품안전 위해 다중 라벨링 모델은 GPT-3.5 보다 GPT-4 Turbo를 활용한 것이 재현율과 정확도 모두 96% 이상으로 높은 성능을 보였다. 정부 기관, 식품 제조업체나 유통업체는 제안된 모델을 사용하여 소비자리뷰를 실시간으로 모니터링하고, 잠재적인 식품안전 문제를 조기에 탐지함으로써 위험을 관리할 수 있다. 이와 같은 시스템은 기업의 브랜드 평판을 보호하고, 소비자 보호를 강화하며, 궁극적으로는 소비자의건강과 안전을 증진시키는 결과를 가져올 수 있다.

Abstract

Recently, there have been cases reported in the news of individuals experiencing symptoms of food poisoning after consuming raw beef purchased from online platforms, or reviews claiming that cherry tomatoes tasted bitter. This suggests the potential for analyzing food reviews on online platforms to detect food hazards, enabling government agencies, food manufacturers, and distributors to manage consumer food safety risks. This study proposes a classification model that uses sentiment analysis and large language models to analyze food reviews and detect negative ones, multi-labeling key food safety hazards (food poisoning, spoilage, chemical odors, foreign objects). The sentiment analysis model effectively minimized the misclassification of negative reviews with a low False Positive rate using a ‘funnel’ model. The multi-labeling model for food safety hazards showed high performance with both recall and accuracy over 96% when using GPT-4 Turbo compared to GPT-3.5. Government agencies, food manufacturers, and distributors can use the proposed model to monitor consumer reviews in real-time, detect potential food safety issues early, and manage risks. Such a system can protect corporate brand reputation, enhance consumer protection, and ultimately improve consumer health and safety.

참고문헌 (20)

  1. 부정⋅불량식품 소비자신고 동향보고서, "식품안전정보원", ~ (2022)
  2. 이상아, "A small-scale Korean-specific BERT language model", Journal of KIISE, 47(7), pp.682~692 (2020)[DOI]
  3. 안정국, "집단지성을 이용한한글 감성어 사전 구축", 지능정보연구, 21(2), pp.49~67 (2015)[DOI]
  4. 소진수, "음식점 리뷰 감성분석을 통한 세부 평가항목별 평점 예측", 한국컴퓨터정보학회논문지, 25(6), pp.81~89 (2020)
  5. 최혜선, "A case study on text analysis using meal kit product review data", 한국콘텐츠학회논문지, 22(5), pp.1~14 (2022)[DOI]
  6. 최준영, "자연어처리 모델을이용한 이커머스 데이터 기반 감성 분석 모델구축", 한국융합학회논문지, 11(11), pp.33~39 (2020)[DOI]
  7. 정재윤, "워드 임베딩과 단어 네트워크분석을 활용한 비지도학습 기반의 문서 다중범주 가중치 산출", 대한산업공학회지, 44(6), pp.442~451 (2018)[DOI]
  8. Shin Bee, "Analysis on review data of restaurants in Google Maps through text mining : Focusing on sentiment analysis", Journal of Multimedia Information System, 9(1), pp.61~68 (2022)[DOI]
  9. M. I. Hossain Junaid, "Bangla Food Review Sentimental Analysis using Machine Learning", 2022 IEEE 12th Annual Computing and Communication Workshop and Conference (CCWC), pp.0347~0353 (2022)
  10. N. Islam, "Sentiment Analysis on Food Review using Machine Learning Approach", 2021 International Conference on Artificial Intelligence and Smart Systems (ICAIS), pp.157~164 (2021)
  11. 정민경, "텍스트마이닝을 활용한 식품유통 플랫폼에 대한 소비자 인식 분석-토픽모델링 기법을 중심으로", 외식경영연구, 24, pp.71~100 (2021)[DOI]
  12. 백세희, "제주시의 지속가능한 여행 활성화를 위한 지역화폐‘탐나는전’ 가맹점의 리뷰 데이터 분석", 한국빅데이터학회 학회지, 7(2), pp.113~128 (2022)[DOI]
  13. Tang, T., "Fine-tuning BERT for multi-label sentiment analysis in unbalanced code-switching text", IEEE Access, 8, pp.193248~193256 (2020)
  14. 노동훈, "특허상담자동분류의 성능 향상 방안 연구 : 트랜스포머기반 인공지능 모델 버트(BERT)를 활용", 지식재산연구, 19(1), pp.159~177 (2024)[DOI]
  15. 이원민, "감성 및 감정 단어마스킹 기반 BERT와 GPT 파이프라인 방식을통한 감정 문장 생성", 한국정보기술학회논문지, 19(9), pp.29~40 (2021)[DOI]
  16. Peskine, Y., "Definitions matter : Guiding GPT for multi-label classification", Findings of the Association for Computational Linguistics: EMNLP 2023, pp.4054~4063 (2023)
  18. 서혜진, "딥러닝을 활용한감정 분석 과정에서 필요한 데이터 전처리 및형태 변형", 영어학, 20, pp.42~63 (2020)
  20. "BERT: Pre-training of deep bidirectional transformers for language understanding"[URL]

관련 논문AI추천

온라인 리뷰에 반영된 고객들의 레스토랑 식품안전 인식 이 온라인 리뷰의 유용성에 미치는 영향김하니, 최영배한국호텔리조트학회 · 호텔리조트연구2022 · 제21권 제2호대규모 언어 모델을 사용한 제로샷 한국어 감성 분석: 사전 학습된 언어 모델과의 비교권순찬, 이동희, 장백철한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2024 · 제29권 제2호앙상블 기법을 활용한 온라인 음식 상품 리뷰 감성 분석김한민, 박경보한국디지털정책학회 · 디지털융복합연구2019 · 제17권 제4호맛집 소비자 리뷰 분석을 통한 데이터 감성 예측김봉현중소기업융합학회 · 산업과 과학2025 · 제4권 제3호N-gram 프레임워크 기반 F&B 분야 감성사전 구축 연구남건욱, 문예령, 손가은, 이한진한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2024 · 제29권 제10호음식점 리뷰 감성분석을 통한 세부 평가항목별 평점 예측소진수, 신판섭한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2020 · 제25권 제6호

이 간행물의 다른 논문 (14건)

모빌리티 데이터 기반의 생활권 설정을 위한 분석방법론 연구조범철, 권기훈pp. 1-16ChatGPT의 지속 사용 의도에 관한 연구조상리, 이동영, 정석찬pp. 17-30호텔 수요 예측을 위한 전역/지역 모델을 선택적으로 활용하는 시계열 예측 모델정경호, 안현철, 박기현pp. 31-47고객 리뷰를 통한 NLP 기반 데이터 기술 활용: 고객 인사이트 도출과 쿠션 제품 개선 방안 연구우수한, 조미연, 조은비, 임설아pp. 49-60토마토 잎 병해 분류를 위한 최소 라벨 데이터 활용: YOLOv8 기반 재귀적 학습 방식을 통한 접근이준혁, 김남형pp. 61-73
원문 보기