$\require{mediawiki-texvc}$

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.

오피니언마이닝을 이용한 사용자 맞춤 장소 추천 시스템
Location Recommendation Customize System Using Opinion Mining 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.21 no.11, 2017년, pp.2043 - 2051  

최은정 (Department of Computer Science, Sangmyung University) ,  김동근 (Department of Intelligent Engineering Informations for Human, Sangmyung University)

초록
AI-Helper 아이콘AI-Helper

최근 빅데이터 분야의 높아진 관심과 더불어 빅데이터의 처리를 통한 응용 분야에 대한 관심도 높아지고 있다. 개인의 감성을 파악할 수 있는 오피니언마이닝은 사용자 개인 맞춤 서비스 제공 분야에서 많이 이용되고 있는 빅데이터 처리 기법이다. 이를 바탕으로 본 논문에서는 사용자들의 장소에 대한 텍스트 형태의 리뷰를 오피니언마이닝 기법으로 처리하고 k-means 클러스터링 작업을 통해 사용자의 감성을 분석하였다. 클러스터링 작업으로 분류된 비슷한 범주의 감성을 가진 사용자들끼리 동일한 수치 값을 부여한다. 부여된 수치 값으로 협업 필터링 추천 시스템을 이용해 선호도를 예측하고 예측 값이 높은 장소 순으로 지도위에 마커와 함께 내용을 표시하여 사용자에게 추천내용을 보여줄 수 있는 방안을 제안하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Lately, In addition to the increased interest in the big data field, there is also a growing interest in application fields through the processing of big data. Opinion Mining is a big data processing technique that is widely used in providing personalized service to users. Based on this, in this pap...

주제어

#오피니언 마이닝   #감성 분석   #협업 필터링   #추천 시스템  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 장소 추천 서비스는 분석된 감성 정보를 이용하여 사용자와 비슷한 감성을 가진 다른 사용자의 선호도가 높았던 장소들을추천할 수 있다. 따라서 기존의 장소 추천 기법보다 더 만족스러운 결과를 얻을 수 있도록 하였다.
  • 본 논문에서는 R을 이용하여 장소 데이터 중 음식점 리뷰 데이터를 수집하고 수집한 데이터의 오피니언 마이닝과 클러스터링 작업을 진행하여 사용자가 원하는 적절한 장소의 추천 시스템에 대하여 설계하고자 한다. 장소 추천 시스템의 정확도와 사용자 만족도 향상을 위해 사용자의 감성 어휘를 총 4가지 영역에서 분류하였다.
  • 본 논문에서는 기존의 다른 추천 시스템에서 사용자의 만족도나 감성 파악의 측면에서 미흡했던 부분에 대한 해결을 위해 사용자 리뷰를 이용한 감성 어휘 추출과 감성 분석을 통한 시스템을 설계하고 분석된 감성들을 처리할 수 있는 시스템 설계로 보완하였다는 측면에 의의를 둔다.
  • 같은 감성 군집내의 장소 목록들만을 결과화면에 보여줌으로써 사용자는 좀 더 높은 만족도의 결과를 얻을 수 있다. 본 논문에서는 특정 지역의 음식점 정보를 이용한 장소 추천을 진행을 위해 특정 지역의 음식점 25개를 선정하여 리스트로 정리하고 각 음식점의 리뷰를 20개씩 크롤링 하였다.
  • 본 연구에서는 감성분석을 통한 감성 군집의 결과를 이용하여 협업 필터링 추천 시스템에 적용할 수 있는 방안을 연구하였다. 사용자의 감성을 분석하여 기존의 협업필터링 추천 시스템에 적용하였다는 측면에서 사용자에 대한 만족도를 더욱 높일 수 있도록 하였다.
  • 이러한 방식으로 분류된 각 범주의 감성언어들을 바탕으로 사용자가 원하는 맞춤 장소 추천 서비스에 이용할 수 있는 방안의 설계를 목적으로 하고 있다. 본 연구에서는 클러스터링 작업의 수행을 통해 각 군집을 묶을 수 있는 기준 값을 이용하여 사용자들 사이의 감성유사도를 계산하고 사용자가 원하는 알맞은 장소를 추천할 수 있는 서비스를 개발 하고자 한다. 장소 추천 서비스는 분석된 감성 정보를 이용하여 사용자와 비슷한 감성을 가진 다른 사용자의 선호도가 높았던 장소들을추천할 수 있다.
  • 수집하고자 하는 데이터가 있는 URL을 입력하면 해당 웹페이지의 크롤링이 가능하다. 사용자들의 의견 파악의 정확도를 높이기 위해 사용자들이 입력한 평점 지수와 리뷰 문장이 동시에 수집 가능하도록 한다. 웹을 통해 수집한 텍스트 형태의 데이터를 R의 Konlp 라이브러리 패키지를 통해R-Studio에서 형태소 분석을 진행하였다[12-14].
  • 긍정의 정도와 부정의 정도, 중립의 정도를 통하여 한글의 특성상 동일한 어휘의 쓰임에도 전체 문장은 완전히 다른 의미를 보일 수 있기 때문에 형태소 분석이 실시된 각 단어들 사이의 연관도검사를 수행한다. 이는 미리 구축해 놓은 감성사전을 이용한 실제 장소 리뷰 데이터의 긍정과 부정정도의 수치계산과 제시된 주제어의 연관도 수행의 결과가 어느정도의 관련을 보이는지 계산하여 긍정적 의미의 단어가 부정적 의미로 쓰였는지, 반대로 부정적 의미의 단어가 긍정적 감정을 나타내기 위해 쓰였는지의 확인과 더불어 미리 구축된 감성 사전의 수정 필요 여부를 알아보기 위하여 진행하였다. 이와 같은 작업을 통해 리뷰 데이터 분석에 대한 정확성을 더 높였다.
  • 본 연구에서는 SO-PMI 방식을 통해 리뷰의 긍정 단어, 부정 단어를 파악하고 각 사용자별 리뷰의 긍정적 의미, 부정적 의미의 단어 사용 개수를 파악하여 리뷰의 긍정도, 부정도, 중립도를 계산하였다. 이러한 계산을 바탕으로 사용자의 리뷰를 추천 시스템에 적용할 수 있는 새로운 방안을 연구하였다.
  • 장소 추천 시스템의 정확도와 사용자 만족도 향상을 위해 사용자의 감성 어휘를 총 4가지 영역에서 분류하였다. 이러한 방식으로 분류된 각 범주의 감성언어들을 바탕으로 사용자가 원하는 맞춤 장소 추천 서비스에 이용할 수 있는 방안의 설계를 목적으로 하고 있다. 본 연구에서는 클러스터링 작업의 수행을 통해 각 군집을 묶을 수 있는 기준 값을 이용하여 사용자들 사이의 감성유사도를 계산하고 사용자가 원하는 알맞은 장소를 추천할 수 있는 서비스를 개발 하고자 한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
감성분석이란? 감성분석(sentiment analysis)은 텍스트마이닝 분석의 한 분야로 특정 문서의 긍정, 부정, 중립 등에 대한감정을 추측하고 분류한다[3]. 각 문서의 최소단위인 단어의 감성극성(sentimentpolarity)에 기반으로 감성분석이 이루어진다[3].
오피니언마이닝 기반의 사용자 맞춤 장소 추전 시스템의 개선할 점은 무엇인가? 더 나아가 현재의 시스템의 경우 특정 지역의 음식점에만 한정하여 정보를 제공하였지만 나아가 전국의 음식점 뿐 아니라 다른 여행지나 특정 장소에 대한 정보제공도 이루어 질 수 있도록 응용작업이 필요할 것으로 보인다.
추천 시스템은 크게 어떤 방법들이 있는가? 추천 시스템은 사용자의 선호와 기호에 알맞게 필터링하여 선호도가 높을 거 같은 콘텐츠를 제안하는 시스템이다. 추천 시스템은 크게 협업 필터링 추천방법과 내용 기반 추천 방법으로 나뉜다[9]. 협업 필터링은 특정 아이템에 대해 유사한 성향을 보였던 사용자들은 다른 아이템에 대해서도 유사한 성향을 보일 것이라는 가정을 바탕으로 추천을 수행한다[10].
질의응답 정보가 도움이 되었나요?

참고문헌 (17)

  1. X. Han, "For social information referral techniques Big Data Model," M.S. Theses, Ewha Womans University, Seoul, 2012. 

  2. Ankit Gurura, "Mining User-Aware Uncommon Consecutive TopicPatterns in Report Streams," Asia-pacific Journal of Convergent Research Interchange, vol. 2, no.4, pp. 15-21, December 2016. 

  3. S.H. Lee, J. Choi, J. W. Kim, "Sentiment analysis on movie review through building modified sentiment dictionary by movie genre," Journal of Intelligence and Information Systems, vol. 22, no. 2, pp. 97-113, June 2016. 

    원문보기 상세보기 crossref

  4. J. H. Seo, H. J. Jo, J. T. Choi, "Design for Opinion Dictionary of Emotion Applying Rules for Antonym of the Korean Grammar," Journal of Korean Institute of Information Technology, vol. 13, no. 2, pp. 109-117, Feb. 2015. 

  5. S. E. Kim, E. K. Kim, Y. G. Kim, "Cosmetic Recommendation System using Fuzzy Inference and Building Sentiment Dictionary," Journal of Korean Institute of Intelligent Systems, vol. 27, no. 3, pp. 253-260, June 2017. 

    상세보기 crossref

  6. J. H. Seo, "Design of Opinion Sensitivity Dictionary Model for Big Data Management," Ph. D. dissertation, Incheon University, Incheon, MS, 2014. 

  7. J. H. Lee, H. S. Lee and H. K. Lee, "A Study on Customer Reviews about Domestic and Imported Clothes Products through Opinion Mining," Korea Internet Electronic Commerce Association, vol. 15, no. 3, pp. 223-234, June 2015. 

  8. S. J. Lee, T. R. Jeon, G. D. Baek, S. S. Kim, "A Movie Rating Prediction System of User Propensity Analysis based on Collaborative Filtering and Fuzzy System," Journal of the Korea Institute of Intelligent Systems, vol.19, no.2, April 2009. 

  9. B. Jeong, D. K. Kim, "Design and Implementation of Location Recommending Services using Personal Emotional Information based on Collaborative Filtering," Journal of the Korea Institute of Information and Communication Engineering, vol. 20, no. 8, pp. 1407-1414, Aug. 2016. 

    원문보기 상세보기 crossref

  10. H. C. Shin and S. B. Cho, "A Location-based Collaborative Filtering Recommender using Quadtree," Journal of the Korea Institute of Information and Communication Engineering : Computing Practices and Letters, vol. 19, no. 1, pp. 15-22, Jan. 2013. 

  11. N. I. Woo, "Shopping recommendation system using collaborative filtering," M.S. Theses, Inha University, Incheon, 2014. 

  12. The members of the R Development Core Team. The Renvironment [Internet]. Available:https://www.r-project.org/. 

  13. H. W . Jeon, T. K. Kim. Korean NLP Package [Internet]. Available:https://cran.r-project.org/web/packages/KoNLP/index.html. 

  14. RStudio, Inc. IDE for R [Internet]. Available: https://www.rstudio.com/. 

  15. I. Feinerer, K. Hornik, Artifex Software, Inc. Package 'tm' [Internet]. pp. 40-41. Available:https://cran.r-project.org/web/packages/tm/tm.pdf. 

  16. MangoPlate Co., Ltd. [internet]. Available: https://www.mangoplate.com/. 

  17. C. H. Lee, S. Y. Lee, T. C. Chung and S. H. Yoon, "Application recommender system based on personalized collaborative-filtering using user's emotion information from smartphone," Journal of Korea Institute of Information Scientists and Engineers, vol. 39, no. 1A, pp. 224-226, June 2012. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 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