인터넷의 발달과 휴대용 기기의 발달로 사용자들이 데이터를 생산하고, 공유하는 일들이 매우 자연스럽고 쉬운 일이 되었다. e-마켓플레스로 대변되는 온라인 쇼핑몰에서도 사용자들의 데이터 생산과 공유가 리뷰의 형식으로 활발하게 이루어지고 있다. 리뷰의 형식은 보통 정해진 형식이 없는 비 정형데이터인 텍스트와 제품에 대한 고객의 평점으로 이루어져있다. 이와 같이 형태로 적극적으로 공유된 정보들은 구매에 중요한 요소로 사용되고 있다. 본 논문에서는 이렇게 누적된 리뷰 데이터를 학습하여 고객의 평점을 예측하는 딥 러닝(Deep learning) 모델을 작성하고자 한다. 학습에 필요한 ...
인터넷의 발달과 휴대용 기기의 발달로 사용자들이 데이터를 생산하고, 공유하는 일들이 매우 자연스럽고 쉬운 일이 되었다. e-마켓플레스로 대변되는 온라인 쇼핑몰에서도 사용자들의 데이터 생산과 공유가 리뷰의 형식으로 활발하게 이루어지고 있다. 리뷰의 형식은 보통 정해진 형식이 없는 비 정형데이터인 텍스트와 제품에 대한 고객의 평점으로 이루어져있다. 이와 같이 형태로 적극적으로 공유된 정보들은 구매에 중요한 요소로 사용되고 있다. 본 논문에서는 이렇게 누적된 리뷰 데이터를 학습하여 고객의 평점을 예측하는 딥 러닝(Deep learning) 모델을 작성하고자 한다. 학습에 필요한 입력데이터 즉 고객의 특성에 관한 일반적인 정보는 쇼핑몰 내부에 있고, 개인 정보가 포함되어 있기 때문에 사용하기 어려운 문제점이 있다. 이를 극복하기 위해 리뷰 자체에서 고객의 특징(feature)을 추출하는 방법을 사용하였다. 비정형 리뷰 데이터에서 텍스트 마이닝 기법을 사용하여 정형화된 고객의 특징을 추출하였다. 실험 대상 제품은 11번가 쇼핑몰에서 하나의 화장품을 선정하였다. 최적의 딥 러닝 모델을 찾기 위하여 Drop-Out 및 Rectified Linear hidden Unite(ReLU)를 사용하며 결과를 평가하였다. 딥 러닝의 예측 결과는 고객 평점을 기반으로 하여 좋음, 보통, 나쁨 3가지를 출력 하도록 실험을 진행하였다. 실험을 통해 완성된 딥 러닝 모델이 출력하는 좋은, 보통, 나쁨 3가지 결과와 실제 고객이 입력 한 평점을 비교하였다. 실험 결과 90%의 정확도를 보였다.
인터넷의 발달과 휴대용 기기의 발달로 사용자들이 데이터를 생산하고, 공유하는 일들이 매우 자연스럽고 쉬운 일이 되었다. e-마켓플레스로 대변되는 온라인 쇼핑몰에서도 사용자들의 데이터 생산과 공유가 리뷰의 형식으로 활발하게 이루어지고 있다. 리뷰의 형식은 보통 정해진 형식이 없는 비 정형데이터인 텍스트와 제품에 대한 고객의 평점으로 이루어져있다. 이와 같이 형태로 적극적으로 공유된 정보들은 구매에 중요한 요소로 사용되고 있다. 본 논문에서는 이렇게 누적된 리뷰 데이터를 학습하여 고객의 평점을 예측하는 딥 러닝(Deep learning) 모델을 작성하고자 한다. 학습에 필요한 입력데이터 즉 고객의 특성에 관한 일반적인 정보는 쇼핑몰 내부에 있고, 개인 정보가 포함되어 있기 때문에 사용하기 어려운 문제점이 있다. 이를 극복하기 위해 리뷰 자체에서 고객의 특징(feature)을 추출하는 방법을 사용하였다. 비정형 리뷰 데이터에서 텍스트 마이닝 기법을 사용하여 정형화된 고객의 특징을 추출하였다. 실험 대상 제품은 11번가 쇼핑몰에서 하나의 화장품을 선정하였다. 최적의 딥 러닝 모델을 찾기 위하여 Drop-Out 및 Rectified Linear hidden Unite(ReLU)를 사용하며 결과를 평가하였다. 딥 러닝의 예측 결과는 고객 평점을 기반으로 하여 좋음, 보통, 나쁨 3가지를 출력 하도록 실험을 진행하였다. 실험을 통해 완성된 딥 러닝 모델이 출력하는 좋은, 보통, 나쁨 3가지 결과와 실제 고객이 입력 한 평점을 비교하였다. 실험 결과 90%의 정확도를 보였다.
With the development of the Internet and portable devices, it became very normal and easy for users to produce and share data. In online shopping malls, which are represented by e-marketplaces, users are actively producing and sharing data like reviews. Reviews are usually made up of customer-rated ...
With the development of the Internet and portable devices, it became very normal and easy for users to produce and share data. In online shopping malls, which are represented by e-marketplaces, users are actively producing and sharing data like reviews. Reviews are usually made up of customer-rated ratings and non-formal text data. Information that is actively shared in this form is used as an important factor in purchasing. In this thesis, we intend to create a deep learning model that predicts customer ratings by learning accumulated data. The input data necessary for learning is in the inside of the shopping mall, and there is a problem to use because the personal information is included. To overcome this, we use a method to extract customer characteristics from a review. We extracted the characteristics of the customer by using the text mining technique in the unstructured review data. One product was chosen from the “11th” shopping mall. In order to find the optimum deep-running model, we used Drop-Out and Rectified Linear hidden Unite (ReLU). Based on the customer ratings, the results of the Deep Learning predictions were tested to produce three good, medium, and poor results. We compared the three results of the good, normal, and bad that the deep learning model outputs with the actual customer ratings. The experimental results showed 90% accuracy.
With the development of the Internet and portable devices, it became very normal and easy for users to produce and share data. In online shopping malls, which are represented by e-marketplaces, users are actively producing and sharing data like reviews. Reviews are usually made up of customer-rated ratings and non-formal text data. Information that is actively shared in this form is used as an important factor in purchasing. In this thesis, we intend to create a deep learning model that predicts customer ratings by learning accumulated data. The input data necessary for learning is in the inside of the shopping mall, and there is a problem to use because the personal information is included. To overcome this, we use a method to extract customer characteristics from a review. We extracted the characteristics of the customer by using the text mining technique in the unstructured review data. One product was chosen from the “11th” shopping mall. In order to find the optimum deep-running model, we used Drop-Out and Rectified Linear hidden Unite (ReLU). Based on the customer ratings, the results of the Deep Learning predictions were tested to produce three good, medium, and poor results. We compared the three results of the good, normal, and bad that the deep learning model outputs with the actual customer ratings. The experimental results showed 90% accuracy.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.