$\require{mediawiki-texvc}$

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.

마켓 인사이트를 위한 상품 리뷰의 다차원 분석 방안
Multi-Dimensional Analysis Method of Product Reviews for Market Insight 원문보기

지능정보연구 = Journal of intelligence and information systems, v.26 no.2, 2020년, pp.57 - 78  

박정현 (한양대학교 경영학부) ,  이서호 (한양대학교 경영학부) ,  임규진 (한양대학교 경영학부) ,  여운영 (한양대학교 비즈니스인포매틱스학과) ,  김종우 (한양대학교 경영대학 경영학부)

초록
AI-Helper 아이콘AI-Helper

인터넷의 발달로, 소비자들은 이커머스에서 손쉽게 상품 정보를 확인한다. 이때 활용되는 상품 리뷰는 사용자 경험을 토대로 작성되어 구매의사결정의 효율성을 높일 뿐만 아니라 상품 개발에 도움을 주기도 한다. 하지만, 방대한 양의 상품 리뷰에서 관심있는 평가차원의 세부내용을 파악하는 데에는 많은 시간과 노력이 소비된다. 예를 들어, 노트북을 구매하려는 소비자들은 성능, 무게, 디자인과 같은 평가차원에 대해 각 차원별로 비교 상품의 평가를 확인하고자 한다. 따라서 본 논문에서는 상품 리뷰에서 다차원 상품평가 점수를 자동적으로 생성하는 방안을 제안하고자 한다. 본 연구에서 제시하는 방안은 크게 2단계로 구성된다. 사전준비 단계와 개별상품평가 단계로, 대분류 상품군 리뷰를 토대로 사전에 생성된 차원분류모델과 감성분석모델이 개별상품의 리뷰를 분석하게 된다. 차원분류모델은 워드임베딩과 연관분석을 결합함으로써 기존 연구에서 차원과 단어들의 관련성을 찾기 위한 워드임베딩 방식이 문장 내 단어의 위치만을 본다는 한계를 보완한다. 감성분석모델은 정확한 극성 판단을 위해 구(phrase) 단위로 긍부정이 태깅된 학습데이터를 구성하여 CNN 모델을 생성한다. 이를 통해, 개별상품평가 단계에서는 구 단위의 리뷰에 준비된 모델들을 적용하고 평가차원별로 종합함으로써 다차원 평가점수를 얻을 수 있다. 본 논문의 실험에서는 대분류 상품군 리뷰 약 260,000건으로 평가모델을 구성하고, S사와 L사의 노트북 리뷰 각 1,011건과 1,062건을 실험데이터로 활용한다. 차원분류모델은 구로 분해한 개별상품 리뷰를 6개 평가차원으로 분류했고, 기존 워드임베딩 방식보다 연관분석을 결합한 모델의 정확도가 13.7% 증가했음을 볼 수 있었다. 감성분석모델은 문장보다 구 단위로 학습한 모델이 평가차원을 면밀히 분석함으로써 29.4% 더 높은 정확도를 보임을 확인했다. 본 연구를 통해 판매자, 소비자 모두가 상품의 다차원적 비교가 가능하다는 점에서 구매 및 상품 개발에 효율적인 의사결정을 기대할 수 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

With the development of the Internet, consumers have had an opportunity to check product information easily through E-Commerce. Product reviews used in the process of purchasing goods are based on user experience, allowing consumers to engage as producers of information as well as refer to informati...

주제어

#연관분석   #감성분석   #이커머스   #워드임베딩   #텍스트마이닝   #극성탐지  

표/그림 (9)

질의응답

핵심어 질문 논문에서 추출한 답변
이커머스와 같은 사이트에서 제공하는 리뷰는 어떤 기능을 하나요? 소비자들은 효율적인 구매의사결정을 위해 기존 사용자의 경험이 담긴 리뷰를 확인하며, 리뷰를 통해 자신이 원하는 상품에 대한 정보를 확인하게 된다(Kovacs, 2008). 즉, 이커머스와 같은 사이트에서 제공하는 리뷰들은 소비자와 판매자 간의 정보 격차를 줄일 뿐만 아니라 자신의 후기를 남김으로써 타인에게 의견을 공유할 수 있는 소통 도구가 되고 있다. 이와 같이 리뷰는 오늘날 의사결정뿐만 아니라 온라인 네트워크를 통해 소통의 기회를 제공하는 도구가 되어 그 중요성과 가치가 더욱 커지고 있다(Henry et al, 2004).
상품 리뷰를 효과적으로 다차원 분석하기 위한 텍스트 마이닝 연구가 진행되어 온 이유는 무엇인가? 마켓 센싱을 위해서는 자사뿐만 아니라 경쟁사 상품과의 비교가 필수적이며, 이는 리뷰 데이터를 다차원적으로 활용하여 자사와 타사 상품간의 입체적인 비교 분석이 이뤄져야 한다. 그러나 대부분의 이커머스에서 제공되는 평가는 평가차원별 비교 분석 정보가 아니므로, 제조 기업과 판매자가 경쟁사에 비해 어떤 차원에서 우위에 있는지 강, 약점을 파악하고 이를 효율적으로 판단하는 데에 한계가 있다.
온라인에서 구매하는 상품의 단점은 무엇인가요? 스마트폰의 대중화와 인터넷의 발달, IT기술의 발전을 통해 사람들은 쉽고 빠르게 정보를 확인하고 온라인을 통한 편리한 구매가 가능해졌다. 하지만 온라인에서 구매하는 상품은 실물을 확인할 수 없다는 아쉬움과 상품 품질에 대한 불확실성이 존재한다(Lee, 2011). 소비자들은 효율적인 구매의사결정을 위해 기존 사용자의 경험이 담긴 리뷰를 확인하며, 리뷰를 통해 자신이 원하는 상품에 대한 정보를 확인하게 된다(Kovacs, 2008).
질의응답 정보가 도움이 되었나요?

참고문헌 (35)

  1. Henry, A., P. Nigel, B. Linda and V. Kevin, "Consumer Behavior - A Strategic Approach. Boston", M. A.: Houghton Mifflin Company, (2004). 

  2. Byun, S., D. Lee and N. Kim, "Methodology for Identifying Issues of User Reviews from the Perspective of Evaluation Criteria: Focus on a Hotel Information Site", Journal of Intelligence and Information Systems, Vol.22, No.3(2016), 23-43. 

  3. Cho, H., S. Kim, J. Lee and J. S. Lee, "Data-Driven Integration of Multiple Sentiment Dictionaries for Lexicon-Based Sentiment Classification of Product Reviews", Knowledge-Based Systems, Vol.71, No.8(2014), 61-71. 

  4. Cho, S. G. and S. B. Kim, "Finding Meaningful Pattern of Key Words in IIE Transactions Using Text Mining", Journal of Korean Institute of Industrial Engineers, Vol.38, No.1(2012), 67-73. 

  5. Choi, J., H. Ryu, D. Yu, N. Kim and Y. Kim, "System Design for Analysis and Evaluation of E-Commerce Products Using Review Sentiment Word Analysis", KIISE Transactions on Computing Practices, Vol.22, No.5(2016), 209-217. 

    상세보기

  6. Collobert, R. and J. Weston, A Unified Architecture for Natural Language Processing: Deep Neural Networks with Multitask Learning, In Proceedings of the 25th international conference on Machine learning, 2008. Available at https://dl.acm.org/doi/abs/10.1145/1390156.1390177 (Accessed 8 March, 2020). 

  7. Gamon, M., A. Aue, S. Corston-Oliver and E. Ringger, "Pulse: Mining Customer Opinions from Free Text", In international symposium on intelligent data analysis, Vol.6, No.12(2005), 121-132. 

  8. Goldberg, Y. and O. Levy, Word2Vec Explained:Deriving Mikolov et al.'s Negative-Sampling Word-Embedding Method, Cornell University, 2014. Available at https://arxiv.org/abs/1402.3722v1 (Accessed 15 March, 2020). 

  9. Hu, H. W., Y. L. Chen and P. T. Hsu, "A Novel Approach to Rate and Summarize Online Reviews according to User-Specified Aspects", Journal of Electronic Commerce Research, Vol.17, No.2(2016), 132-152. 

  10. Jeong, H. H., J. Y. Choi and J. Y. Park, "The Effect of Online Consumer Ratings and Quantity of Reviews on Visiting Intention:Focusing on the Types of Restaurant", Journal of distribution research, Vol.24, No.4(2019), 1-21. 

  11. Jeong, J., K. H. Mo, S. Seo, C. Y. Kim, H. Kim and P. Kang, "Unsupervised Document Multi-Category Weight Extraction based on Word Embedding and Word Network Analysis: A Case Study on Mobile Phone Reviews", Journal of the Korean Institute of Industrial Engineers, Vol.44, No.6(2018), 442-451. 

  12. Ju, M. and S. Youn, "Sentiment Analysis on Movie Reviews Using Word Embedding and CNN", Journal of the Korea Society of Digital Industry and Information Management, Vol.15, No.1(2019), 87-97. 

  13. Kim, B. J. and E. R. Hwang, "The Effect of Product Evaluation Information on the Consumer Decision Making in the On-line Context: The Word of Mouth Effect of Product Review and Consumer Replies", The Korean Academic Society of Business Administration, (2007), 1-26. 

  14. Kim, G. and C. Lee, "Korean Movie Review Sentiment Analysis Using Convolutional Neural Network", In Proc. of the KIISE Korea Computer Congress, (2016), 747-749. 

  15. Kim, J. M. and J. H. Lee, "Text Document Classification based on Recurrent Neural Network Using Word2Vec", Journal of Korean Institute of Intelligent Systems Vol.27, No.6 (2017), 560-565. 

  16. Kim, K. H., B. W. Whang and M. C. Kim, "Algorithm Mining Association Rules by Considering Weight Support", The KIPS Transactions: PartD, Vol.11, No.3(2004), 545-552. 

  17. Kim, M., J. Byun, C. Lee and Y. Lee, "Multi-Channel CNN for Korean Sentiment Analysis", Annual Conference on Human and Language Technology, (2018), 79-83. 

  18. Kovacs, J., "Travel websites usher in new era of guest reviews", Hotel & Motel Management, Vol.223, No.19(2008), 29-55. 

  19. Lee, G., J. Jeong, S. Seo, C. Kim and P. Kang, "Sentiment Classification with Word Localization based on Weakly Supervised Learning with a Convolutional Neural Network", Knowledge-Based Systems, Vol.152, No.7(2018), 70-82. 

  20. Lee, J., "How eWOM reduces uncertainties in decision-making process: using the concept of entropy in information theory", The Journal of Society for e-Business Studies, Vol.16, No.4(2011), 241-256. 

    원문보기 상세보기

  21. Liu, B., M. Hu and J. Cheng, "Opinion Observer:Analyzing and Comparing Opinions on the Web", In Proceedings of the 14th international conference on World Wide Web, (2005), 342-351. 

  22. Mikolov, T., I. Sutskever, K. Chen, G. S. Corrado and J. Dean, "Distributed Representations of Words and Phrases and Their Compositionality", In Advances in neural information processing systems, Vol.26, No.347(2013), 3111-3119. 

  23. Myung, J. S., D. J. Lee and S. G. Lee, "A Korean Product Review Analysis System Using a Semi-Automatically Constructed Semantic Dictionary", Journal of KIISE:Software and Applications, Vol.35, No.6(2008), 392-403. 

  24. Park, H. J., M. C. Song and K. S. Shin, "Sentiment Analysis of Korean Reviews Using CNN:Focusing on Morpheme Embedding", Journal of Intelligence and Information Systems, Vol.24, No.2(2018), 59-83. 

  25. Robinson, R., T. T. Goh and R. Zhang, "Textual Factors in Online Product Reviews: A Foundation for a More Influential Approach to Opinion Mining", Electronic Commerce Research, Vol.12, No.3(2012), 301-330. 

    상세보기

  26. Scaffidi, C., K. Bierhoff, E. Chang, M. Felker, H. Ng and C. Jin, "Red Opal: Product-Feature Scoring from Reviews", In Proceedings of the 8th ACM conference on Electronic commerce, (2007), 182-191. 

  27. Seo, D. S., K. H. Mo, J. S. Park, G. C. Lee and P. S. Kang, "Word Sentiment Score Evaluation based on Graph-Based Semi-Supervised Learning and Word Embedding", The Journal of the Korean Institute of Industrial Engineers, Vol.43, No.5(2017), 330-340. 

  28. Silver, L., Smartphone Ownership Is Growing Rapidly Around the World, but Not Always Equally, Pew Research Center, 2019. Available at https://www.pewresearch.org/global/2019/02/05/smartphone-ownership-is-growing-rapidly-around-the-world-but-not-always-equally/ (Accessed 28 December, 2019). 

  29. Son, S. B. and J. H. Chun, "Product Feature Extraction and Rating Distribution Using User Reviews", Journal of Society for e-Business Studies, Vol.22, No.1(2017), 65-87. 

  30. Song, J. S. and S. W. Lee, "Automatic Construction of Positive/Negative Feature-Predicate Dictionary for Polarity Classification of Product Reviews", Korean Institute of Information Scientists and Engineers, Vol.38, No.3(2011), 157-168. 

  31. Song, M., H. Park and K. S. Shin, "Attention-Based Long Short-Term Memory Network Using Sentiment Lexicon Embedding for Aspect-Level Sentiment Analysis in Korean", Information Processing & Management, Vol.56, No.3(2019), 637-653. 

    상세보기

  32. Tadano, R., K. Shimada and T. Endo, "Multi-Aspects Review Summarization based on Identification of Important Opinions and Their Similarity", In Proceedings of the 24th Pacific Asia Conference on Language, Information and Computation, Vol.26, No.80(2010), 685-692. 

  33. Xu, H., Y. Zhang and R. DeGroof, "A Feature-Based Sentence Model for Evaluation of Similar Online Products 1", Journal of Electronic Commerce Research, Vol.19, No.4 (2018), 320-335. 

  34. Yeon, J. H., D. J. Lee, J. H. Shim and S. G. Lee, "Product Review Data and Sentiment Analytical Processing Modeling", The Journal of Society for e-Business Studies, Vol.16, No.4(2011), 125-137. 

  35. Yu, S. U. and K. H. Kim, "Analysis of Tourism Reviews by Using Multi-Dimensional Ranking Model", Korean Institute of Information Scientists and Engineers, Vol.33, No.3(2017), 3-14. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

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