$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

관계형 다차원모델에 기반한 온라인 고객리뷰 분석시스템의 설계 및 구현
Study on Designing and Implementing Online Customer Analysis System based on Relational and Multi-dimensional Model 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.12 no.4, 2012년, pp.76 - 85  

김근형 (제주대학교 경영정보학과) ,  송왕철 (제주대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

오피니언마이닝 기법은 대량의 고개리뷰들에 나타나는 핵심개체 또는 속성들에 대하여 고객들이 느끼는 긍정 또는 부정의 정도를 계산할 수 있지만, 그 분석능력이 단순하다는 한계가 있다. 본 논문에서는 온라인 고객리뷰들에 대하여 다차원적으로 분석할 수 있는 기법을 제안하였다. 기존의 OLAP기법을 텍스트 데이터형에 적용할 수 있도록 수정하였다. 다차원 분석모델은 명사축과 형용사축, 문서축으로 구성되는 3차원 공간 개념을 4개의 관계형 테이블로 실체화 한 것이다. 다차원 분석모델은 기존의 오피니언마이닝, 정보요약, 클러스터링 알고리즘들을 융합할 수 있는 새로운 틀이라는 점에서 그 가치가 있다. 본 논문에서 제안한 다차원 분석모델과 알고리즘들을 실제로 구현하여 온라인 고객리뷰에 대한 복잡한 분석을 수행할 수 있음을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Through opinion mining, we can analyze the degree of positive or negative sentiments that customers feel about important entities or attributes in online customer reviews. But, the limit of the opinion mining techniques is to provide only simple functions in analyzing the reviews. In this paper, we ...

주제어

#다차원 분석모델   #오피니언마이닝   #정보요약   #클러스터링   #연관규칙탐사   #관계형 모델  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 기존의 OLAP가 정 형화된 데이터(structured data)에 용될 수 있는 분석 기법인데 반하여, 본 논문에서는 비정형화된 텍스트 데 이터(unstructured data)에 OLAP기술을 용함으로써 오피니언마이닝 뿐만 아니라 고객리뷰들의 특징추출  클러스터링 기능까지 제공할 수 있는 새로운 분석방 법론을 제안하고자 한다.
본문요약 정보가 도움이 되었나요?

참고문헌 (19)

  1. B. Liu, M. Hu, and J. Cheng, "Opinion observer: analyzing and comparing opinions on the Web," Proc. of the 14th international conference on WWW, pp.10-14, 2005. 

  2. C. Scaffidi, K. Bierhoff, E. Chang, M. Felker, H. Ng, and C. Jin, "Red Opal: Product-Feature Scoring from Reviews," Proc. of the 8th ACM conference on Electronic commerce, pp.11-15, 2007. 

  3. X. W. Ding and Bing Lui, "The Utility of Lingusitic Rules in Opinion Mining," SIGR, pp.811-812, 2007. 

  4. X. W. Ding, "A Holistic Lexicon-Based Appro ach to Opinion Mining," Proc. of the inter national conference on web search and web mining, pp.231-240, 2008. 

  5. E. Courses and T. Surveys, "Using SentiWordNet for multilingual sentiment anal ysis," Data Engineering Workshop ICDEW, pp.102-110, 2008. 

  6. M. Q. Hu and Bing Liu, "Mining and Summarizing Customer Reviews," KDD'04, pp.168-177, 2004. 

  7. W. Y. Kim, J. S. Ryu, K. I. Kim, U. M. Kim, "A Method for Opinion Mining of Product Reviews using Association Rules," ICIS, pp.270-274, 2009. 

  8. A. Pak and P. Paroubek, "Twitter as a Corpus for Sentiment Analysis and Opinion Mining," In Proceedings of the European Language Resources Association, pp.1321-1326, 2010. 

  9. Ismael S. Silva, JanainaGomide, Adriano Veloso, Wagner Meira Jr., and Renato Ferreira, "Effective Sentiment Stream Analysis with Self-Augmenting Training and Demand-Driven Projection," SIGIR, pp.475-484, 2011. 

  10. Guang Giu, Bing Liu, J. J. Bu and Chun Chen, "Expanding DomainSentiment Lexicon through Double Propagation," Proc. of 21th IJCAI-09, pp.1199-1204, 2009. 

  11. Lei Zhang, Bing Liu, S. H. Lim, and Eamonn O'Brien-Strain, "Extracting and Ranking Product Features in Opinion Documents," Proceedings of the 23rd International Conference on Computational Linguistics, pp.1462-1470, 2010 

  12. G. Salton, A. Singhal, C. Buckley, and M. Mitra, "Automatic Text Decomposition using Text Segments and Text Themes," ACM Conference on Hypertext, pp.1-13, 1995. 

  13. B. Boguraev and C. Kennedy, "Salience-Based Content Characterization of Text Documents," Proc. of the ACL'97/EACL'97 Workshop on Intelligent Scalable Text Summarization, 1997. 

  14. Fabrizio Sebastiani, "Machine Learning in Automated Text Categorization," ACM Computing Surveys, Vol.34, No.1, pp.1-47, 2002. 

    상세보기 crossref

  15. K. R. Larsen and D. E. Monarchi, "A Mathematical Approach to Categorization and Labeling of Qualitative Data: The Latent Categorization Method," Sociological Methodology, Vol.34, No.1, pp.349-392, 2004. 

    상세보기 crossref

  16. Manu Konchady, Text Mining Application Programming, Thomson Charles River Media, 2006. 

  17. http://nlp kookmin.ac.kr /HAM/kor/download.html 

  18. 강승식, 한국어 형태소분석과 정보검색, 홍릉과학출판사, 2003. 

  19. 김근형, "종속성 네트워크 기반의 온라인 고객리뷰 분석시스템의 설계 및 구현", 한국콘텐츠학회논문지, 제10권, 제11호, pp.30-37, 2010. 

    원문보기 상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로