$\require{mediawiki-texvc}$

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.

LDA를 이용한 온라인 리뷰의 다중 토픽별 감성분석 - TripAdvisor 사례를 중심으로 -
Multi-Topic Sentiment Analysis using LDA for Online Review 원문보기

정보시스템연구 = The Journal of information systems, v.27 no.1, 2018년, pp.89 - 110  

홍태호 (부산대학교 경영학과) ,  니우한잉 (부산대학교 경영학과) ,  임강 (부산대학교 경영학과) ,  박지영 (국민대학교 비즈니스 IT 전문대학원 BK21 플러스 사업팀)

Abstract ▼ AI-Helper 아이콘AI-Helper

Purpose There is much information in customer reviews, but finding key information in many texts is not easy. Business decision makers need a model to solve this problem. In this study we propose a multi-topic sentiment analysis approach using Latent Dirichlet Allocation (LDA) for user-generated con...

주제어

#User generated content   #Multi-topic   #Sentiment analysis   #Customer reviews   #Latent Dirichlet Allocation  

질의응답

핵심어 질문 논문에서 추출한 답변
LDA란 무엇인가? LDA(Latent Dirichlet Allocation)는 비지도 학습 알고리즘으로 수많은 비구조적 문서에서 단어들 간 관련성에 따라 토픽별로 분류하는 확률적 토픽모델링 알고리즘이며(Blei et al. 2003), <그림1>은 LDA의 문서생성과정을 도 식화한 것이다.
본 연구의 한계는 무엇인가? 본 연구의 한계는 다음과 같다. 첫째는 연구에 사용된 고객 리뷰의 언어와 관련된 것으로 본 연구에서는 다른 언어는 고려하지 않고 영어 리뷰만을 사용하여 제안모형을 만들고 분석 및 평가를 수행하였는데, 모형의 일반화를 고려할 때 다른 언어 기반의 리뷰 또한 분석되어야 의미가 있을 것으로 생각된다. 둘째는 감성사전에 대한 것으로 사전적 의미에 기초한 감성사전은 언어가 사용되는 상황이나 환경에 대한 이해 없이 일반적인 의미에만 의존한다는 한계를 가지고 있다. 따라서 연구 대상에 적합한 맞춤식 감성사전을 만들어 활용하는 방법도 모색 되어야 할 것이며, 사전적 의미에 기초한 범용 감성사전과 분석결과를 비교하는 작업도 필요 할 것이다.
문서수준의 감성분석에서 긍정 및 부정 의견, 감성을 표현하는 문서를 분류하기 위한 기준은 무엇인가? 감성분석 수준은 문서수준의 감성분석 (Document-level sentiment analysis), 문장수준의 감성분석(Sentence-level sentiment analysis), 그리고 차원 또는 토픽수준의 감성분석(Aspect -level sentiment analysis) 등이 있다(Liu, 2015; Ren and Hong, 2017). 문서수준의 감성분석은 긍정적 또는 부정적인 의견 및 감성을 표현하는 문서를 분류하기 위해 문서 내 특정 용어들을 기반으로 감성을 표현하는 빈도수가 판별 기준이 된다. 문장수준의 감성분석은 문서에 포함된 문장이 긍정적인지 부정적인지에 대해 분석한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (38)

  1. 김상겸, 장성용, "토픽모델링을 이용한 국내 산업경영공학 연구동향 분석," 한국경영공학회지, 제21권, 제3호, 2016, pp. 71-95. 

  2. 김재봉, 김형중, "주가지수 방향성 예측을 위한 도메인 맞춤형 감성사전 구축방안," 한국디지털콘텐츠학회 논문지, 제18권, 제3호, 2017, pp. 585-592. 

  3. 김진화, 변현수, 이승훈, "온라인 리뷰를 활용한 사용자 이해 및 서비스 가치 증대," 정보시스템연구, 제20권, 제2호, 2011, pp. 21-36. 

    원문보기 상세보기

  4. 사공원, 하성호, 박경배, "온라인 후기에 내재된 고객의 감성분석과 LQI 차원별 호텔서비스 품질 평가," 정보시스템연구, 제25권, 제3호, 2016, pp. 217-245. 

    원문보기 상세보기

  5. Blei, D. M., "Probabilistic Topic Models," Communications of the ACM, Vol. 55, No. 4, 2012, pp. 77-84. 

    상세보기 crossref

  6. Blei, D. M., Ng, A. Y., and Jordan, M. I., "Latent dirichlet allocation," Journal of machine Learning research, Vol. 3, Jan, 2003, pp. 993-1022. 

  7. Bravo-Marquez, F., Mendoza, M., and Poblete, B., "Meta-level sentiment models for big social data analysis," Knowledge-Based Systems, Vol. 69, 2014. pp. 86-99. 

    상세보기 crossref

  8. Cao, J., Xia, T., Li, J., Zhang, Y., and Tang, S., "A density-based method for adaptive LDA model selection," Neurocomputing, Vol. 72, No. 7, 2009, pp. 1775-1781. 

    상세보기 crossref

  9. Duan, W., Yu, Y., Cao, Q., and Levy, S., "Exploring the impact of social media on hotel service performance: A sentimental analysis approach," Cornell Hospitality Quarterly, Vol. 57, Vol. 3, pp. 282-296. 

    상세보기

  10. Gao, S., Li, X., Yu, Z., Qin, Y., and Zhang, Y., "Combining paper cooperative network and topic model for expert topic analysis and extraction," Neurocomputing, Vol. 257, No. 27, 2017, pp. 136-143. 

    상세보기 crossref

  11. Gretzel, U., and Yoo, K. H., "Use and impact of online travel reviews," Information and communication technologies in tourism, 2008, pp. 35-46. 

  12. Hu, M., and Liu, B., "Mining and summarizing customer reviews," In Proceedings of the tenth ACM SIGKDD international conference on Knowledge discovery and data mining, ACM, 2004, pp. 168-177. 

  13. Keshavarz, H., and Abadeh, M. S., "ALGA: Adaptive lexicon learning using genetic algorithm for sentiment analysis of microblogs," Knowledge-Based Systems, Vol. 122, 2017, pp. 1-16. 

    상세보기 crossref

  14. Kim, H. D., and Zhai, C., "Generating comparative summaries of contradictory opinions in text," In Proceedings of the 18th ACM conference on Information and knowledge management, 2009, pp. 385-394. 

  15. Li, F., Huang, M., and Zhu, X., "Sentiment Analysis with Global Topics and Local Dependency," In AAAI, Vol. 10, July, 2010, pp. 1371-1376. 

  16. Lin, C., and He, Y., "Joint sentiment/topic model for sentiment analysis," In Proceedings of the 18th ACM conference on Information and knowledge management, 2009, pp. 375-384. 

  17. Litvin, S. W., Goldsmith, R. E., and Pan, B., "Electronic word-of-mouth in hospitality and tourism management," Tourism management, Vol. 29, No.3, 2008, 458-468. 

    상세보기 crossref

  18. Liu, B., "Sentiment analysis and opinion mining," Synthesis lectures on human language technologies, Vol. 5, No. 1, 2012, pp. 1-167. 

    상세보기

  19. Liu, B., Web data mining: exploring hyperlinks, contents, and usage data, Springer Science and Business Media, 2007. 

  20. Lu, B., Ott, M., Cardie, C., and Tsou, B. K., "Multi-aspect sentiment analysis with topic models," In Data Mining Workshops (ICDMW), IEEE 11th International Conference, 2011, pp. 81-88. 

  21. Marrese-Taylor, E., Velasquez, J. D., and Bravo-Marquez, F., "A novel deterministic approach for aspect-based opinion mining in tourism products reviews," Expert Systems with Applications, Vol. 41, No. 17, 2014, pp. 7764-7775. 

    상세보기 crossref

  22. Medhat, W., Hassan, A., and Korashy, H., "Sentiment analysis algorithms and applications: A survey," Ain Shams Engineering Journal, Vol. 5, No. 4, 2014, pp. 1093-1113. 

    상세보기 crossref

  23. Mukherjee, A., and Liu, B., "Aspect extraction through semi-supervised modeling," In Proceedings of the 50th Annual Meeting of the Association for Computational Linguistics: Long Papers, Vol. 1, 2012, pp. 339-348. 

  24. Nguyen, T. H., Shirai, K., and Velcin, J., "Sentiment analysis on social media for stock movement prediction," Expert Systems with Applications, Vol. 42, No. 24, 2015, pp. 9603-9611. 

    상세보기 crossref

  25. Pang, B., and Lee, L., "Opinion mining and sentiment analysis," Foundations and Trends in Information Retrieval, Vol. 2, No. 1-2, 2008, pp. 1-135. 

    상세보기 crossref

  26. Ravi, K., and Ravi, V., "A survey on opinion mining and sentiment analysis: Tasks, approaches and applications," Knowledge-Based Systems, Vol. 89, 2015, pp. 14-46. 

    상세보기 crossref

  27. Ren, G., and Hong, T., "Investigating Online Destination Images Using a Topic-Based Sentiment Analysis Approach," Sustainability, Vol. 9, No. 10, 2017, pp. 1-19. 

  28. Rhee, H. T., and Yang, S. B., "How does hotel attribute importance vary among different travelers? An exploratory case study based on a conjoint analysis," Electronic markets, Vol. 25, No. 3, 2015, pp. 211-226. 

    상세보기 crossref

  29. Shi, Z., Lee, G. M., and Whinston, A. B., "Toward a better measure of business proximity: Topic modeling for industry intelligence," MIS Quarterly, Vol. 40, No. 4, 2015, pp. 1035-1056. 

  30. Song, M., and Kim, S. Y., "Detecting the knowledge structure of bioinformatics by mining full-text collections," Scientometrics, Vol. 96, No. 1, 2013, 183-201. 

    상세보기 crossref

  31. Stringam, B. B., and Gerdes, J. Jr., "An analysis of word-of-mouse ratings and guest comments of online hotel distribution sites," Journal of Hospitality Marketing and Management, Vol. 19, No. 7, 2010, pp. 773-796. 

    상세보기 crossref

  32. Su, Q., Xu, X., Guo, H., Guo, Z., Wu, X., Zhang, X., and Su, Z., "Hidden sentiment association in chinese web opinion mining," In Proceedings of the 17th international conference on World Wide Web. ACM, 2008, pp. 959-968. 

  33. Titov, I., and McDonald, R. T., "A Joint Model of Text and Aspect Ratings for Sentiment Summarization," ACL, Vol. 8, June, 2008, pp. 308-316. 

  34. Wang, H., Zhang, D., Zhai, C., "Structural topic model for latent topical structure analysis," ACL, 2011, pp.1526-1535. 

  35. Xianghua, F., Guo, L., Yanyan, G., and Zhiqiang, W., "Multi-aspect sentiment analysis for Chinese online social reviews based on topic modeling and HowNet lexicon," Knowledge-Based Systems, Vol. 37, 2013, pp. 186-195. 

    상세보기 crossref

  36. Yu, H., Hatzivassiloglou, V., "Towards answering opinion questions: separating facts from opinions and identifying the polarity of opinion sentences," In Proceedings of the Conference on Empirical Methods in Natural Language Processing (EMNLP), 2003. 

  37. Zhao, W., Chen, J. J., Perkins, R., Liu, Z., Ge, W., Ding, Y., and Zou, W., "A heuristic approach to determine an appropriate number of topics in topic modeling," In proceedings of the 12th Annual MCBIOS Conference, 2015. 

  38. Zhu, F., and Zhang, X., "Impact of online consumer reviews on sales: The moderating role of product and consumer characteristics," Journal of marketing, Vol. 74, No. 2, 2010, pp. 133-148. 

    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