[논문]텍스트마이닝을 활용한 사용자 요구사항 우선순위 도출 방법론 : 온라인 게임을 중심으로

정미연; 허선우; 백동현

doi:10.11627/jkise.2020.43.3.112

텍스트마이닝을 활용한 사용자 요구사항 우선순위 도출 방법론 : 온라인 게임을 중심으로
Analysis of User Requirements Prioritization Using Text Mining : Focused on Online Game 원문보기

Journal of Korean Society of Industrial and Systems Engineering = 한국산업경영시스템학회지, v.43 no.3, 2020년, pp.112 - 121

정미연 (한양대학교 일반대학원 경영컨설팅학과) , 허선우 (한양대학교 일반대학원 경영컨설팅학과) , 백동현 (한양대학교 경상대학 경영학부)

Abstract ▼ AI-Helper

Recently, as the internet usage is increasing, accordingly generated text data is also increasing. Because this text data on the internet includes users' comments, the text data on the Internet can help you get users' opinion more efficiently and effectively. The topic of text mining has been actively studied recently, but it primarily focuses on either the content analysis or various improving techniques mostly for the performance of target mining algorithms. The objective of this study is to propose a novel method of analyzing the user's requirements by utilizing the text-mining technique. To complement the existing survey techniques, this study seeks to present priorities together with efficient extraction of customer requirements from the text data. This study seeks to identify users' requirements, derive the priorities of requirements, and identify the detailed causes of high-priority requirements. The implications of this study are as follows. First, this study tried to overcome the limitations of traditional investigations such as surveys and VOCs through text mining of online text data. Second, decision makers can derive users' requirements and prioritize without having to analyze numerous text data manually. Third, user priorities can be derived on a quantitative basis.

주제어

AI 본문요약
AI-Helper

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

문제 정의

따라서 lambda 값이 커지면 커질수록 해당 토픽들의 단어만 나오고, 작으면 전체의 토픽 단어 대비 특이한 단어들이 많이 나올 수 있다. 본 논문에서는 기본적으로 lambda값을 1로 두고 분석하고자 한다.
품질관리 기법은 제조업, 서비스업 등에서 문제 해결을 위한 도구로 주로 사용되며[22], Montgomery[16]는 품질과 연관되어 이슈를 해결하는 과정에서 가장 효과적인 기법 세트라고 언급하기도 했다. 본 논문은 이러한 품질관리 기법 중 매트릭스 데이터 해석도와 특성요인도를 활용해 사용자의 요구사항 우선순위를 도출하고자 하였다.
본 연구는 텍스트마이닝 기법을 활용하여 사용자 요구사항과 요구사항들의 우선순위를 도출하는 방법론을 제안하였다. 방법론의 타당성을 검증하기 위해 게임 커뮤니티를 대상으로 1년간의 약 15만 건에 대해 사례를 적용하여 사용자의 요구사항을 추출하고, 1년을 3개월씩 4개의 기간으로 나누어 중요성과 긴급성을 계산하여 우선순위를 도출하였다.
본 연구의 목적은 제품이나 서비스에 대한 고객의 의견을 인터넷에서 크롤링 한 뒤 텍스트마이닝 기법을 통해 고객의 요구사항을 추출하고, 요구사항의 우선순위 도출 및 요인분석을 진행하여 고객 요구사항의 근본적인 내용이 무엇인지 파악하는 새로운 고객 요구사항 도출 방법론을 제안하는 것이다. 본 연구에서 제안하는 방법론은 사용자 요구사항 도출 및 우선순위 계산에서 텍스트마이닝 기법과 전통적인 품질관리 기법을 접목하는 새로운 학문적 시도를 하였다.

제안 방법

특성요인도를 그릴 때는 최대한 요인이 분리되도록 그려야 결과를 유의하게 해석할 수 있다. 기본적으로 특성요인도의 경우 브레인스토밍을 함께 하며 그리지만 본 연구에서는 정의된 토픽들의 키워드와 본문 내용을 함께 참고하면서 그릴 수 있다.
네 번째, 요구사항 우선순위 도출 단계에서는 3단계에서 추출한 요구사항을 빈도분석과 새로 정의한 매트릭스 데이터 해석도에 매핑하여 변화의 추이를 파악하고, 우선순위 점수를 도출한다.
다섯 번째, 특성요인도를 이용하여 추출된 요구사항의 세부요인을 정리, 분석하고 결과를 시각화한다. 특성요인도를 그릴 때는 최대한 요인이 분리되도록 그려야 결과를 유의하게 해석할 수 있다.
996를 사용하여 토큰화 작업과 한국어 명사형 단어만 추출한다. 단 2음절 이상의 단어들만 추출하도록 하였다. 한 음절의 경우 토픽모델링을 실행했을 때 분석에 의미가 없고 단어 하나는 어떤 의미인지 해석이 불분명하다.
동일한 방법으로 각 기간 별 요구사항 우선순위를 3차에 걸쳐 도출한 뒤, 종합적으로 전체 우선순위를 비교하기 위해 [Table 7]과 같이 각 차수별로 우선순위 점수를 합하여 최종 점수를 도출했다. 최신 경향에 좀 더 가중치를 두고자 연구자가 임의로 1차 0.
대부분 공지사항을 언급하고 있기 때문에 사용자의 의견과는 관계가 없다고 판단하였다. 두 번째로는 1차적인 불용어 처리를 진행하였는데, 특수문자와 주소 형태(URL)을 제거하였다. 이들은 문서의 내용과는 아무 관계가 없으므로 불용어로 인식한다.
이 때 부분집합 S는 만들어진 단어 세트 중에서 하나를 선택하도록 만든다. 둘째, 주어진 단어에 대한 확인의 척도로 참조 말뭉치 기반으로 단어의 확률 P를 계산한다. 단어 간의 코사인 유사도를 측정한다.
본 연구는 텍스트마이닝 기법을 활용하여 사용자 요구사항과 요구사항들의 우선순위를 도출하는 방법론을 제안하였다. 방법론의 타당성을 검증하기 위해 게임 커뮤니티를 대상으로 1년간의 약 15만 건에 대해 사례를 적용하여 사용자의 요구사항을 추출하고, 1년을 3개월씩 4개의 기간으로 나누어 중요성과 긴급성을 계산하여 우선순위를 도출하였다.
본 연구에서 제시하는 방법론은 설문조사나 VOC 대신 온라인 텍스트 문건 통해 사용자 입장에서의 요구사항을 파악함으로써 기존의 수동적인 조사의 한계점을 극복하고, 도출된 요구사항에 따른 요인을 특성요인도로 시각화하여 문제를 한 눈에 파악할 수 있도록 만들어준다. 이는 도메인 지식이 없는 의사결정자 입장에서 많은 문건을 읽지 않고도 효율적인 의사결정을 할 수 있도록 도움을 줄 수 있다.
사용자 요구사항 우선순위 도출 방법론은 텍스트마이닝 기법을 활용하여 웹 데이터에서 사용자의 요구사항을 추출하고, 요구사항의 우선순위를 도출하여 기업이 먼저 해결해야 할 요소들의 우선순위를 정해주는 것이다. 본 연구에서 제안하는 방법론은 [Figure 4]와 같이 서비스/제품 선정 및 자료 수집, 자료 전처리, 요구사항 추출, 요구사항 우선순위 도출, 요구사항 세부요인 분석 등 5단계로 이루어져 있다.
본 연구의 목적은 제품이나 서비스에 대한 고객의 의견을 인터넷에서 크롤링 한 뒤 텍스트마이닝 기법을 통해 고객의 요구사항을 추출하고, 요구사항의 우선순위 도출 및 요인분석을 진행하여 고객 요구사항의 근본적인 내용이 무엇인지 파악하는 새로운 고객 요구사항 도출 방법론을 제안하는 것이다. 본 연구에서 제안하는 방법론은 사용자 요구사항 도출 및 우선순위 계산에서 텍스트마이닝 기법과 전통적인 품질관리 기법을 접목하는 새로운 학문적 시도를 하였다.
본 연구에서 제안하는 방법론은 설문조사나 VOC 대신 온라인 텍스트 문건 통해 사용자 입장에서의 요구사항을 파악함으로써 기존의 수동적인 조사의 한계점을 극복하고, 도출된 요구사항에 따른 요인을 특성요인도로 시각화하여 문제를 한 눈에 파악할 수 있도록 한다. 이를 통해 제품이나 서비스 개발에 대한 효과적인 의사결정을 할 수 있도록 지원한다.
요구사항이 시간의 흐름에 따라 어떠한 변화가 있는지 알아보기 위하여 전체 분석대상 기간을 4개의 토픽 기간으로 구분하여 분석하였다. 토픽 기간별 해당 문건의 빈도분석 결과는 [Table 5]와 같다.
동일한 방법으로 각 기간 별 요구사항 우선순위를 3차에 걸쳐 도출한 뒤, 종합적으로 전체 우선순위를 비교하기 위해 [Table 7]과 같이 각 차수별로 우선순위 점수를 합하여 최종 점수를 도출했다. 최신 경향에 좀 더 가중치를 두고자 연구자가 임의로 1차 0.2, 2차 0.3, 3차 0.5로 가중치를 부여하고 각 차수에 나온 점수를 곱하여 최종 점수를 계산하였다. 기간별 가중치는 상황에 따라 조정할 수 있다.
커뮤니티 및 게시판 선정 기준은 사용자들이 활발하게 이용하는 사이트로, 본 연구에서는 블리자드 엔터테인먼트 히어로즈 오브 더 스톰 공식 홈페이지의 ‘피드백 게시판’과 한국의 게임 사용자들이 가장 많이 이용하는 인벤 히어로즈 오브 스톰에서 글 수가 가장 많고 다양한 의견을 나누는 자유 게시판을 선정하여 진행하였다.
토픽모델링을 위한 최적의 토픽 개수를 처음에는 알지 못하므로, 본 연구에서는 토픽 개수를 20개로 임의로 설정하여 모델링을 시작하였다. 주제는 PCA 처리되어 있어 각 토픽의 주성분 분석 분포와 상대적인 거리차이를 다차원 척도 기법으로 활용가능하다.

대상 데이터

자료 수집은 2017년 8월 1일부터 2018년 9월 8일까지 사용자가 게시판에 직접 업로드한 글들을 대상으로 하였다. Python을 이용하여 공식 홈페이지 내 5,670건, 인벤 커뮤니티에서 152.823건을 수집해 총 158,493건의 텍스트 데이터를 수집하였다.
데이터 분석은 게임회사 블리자드 엔터테인먼트(주)에서 서비스하는 온라인 게임 ‘히어로즈 오브 더 스톰’에 대해 언급하고 있는 커뮤니티 글들을 대상으로 한다.
세 번째로는 도메인 지식이 내포된 단어들을 사용자 단어 사전에 추가한다. 본 연구에서는 85개의 추가적인 단어를 사용하였다. 게임 내 캐릭터들의 이름이 생소하여 분석기가 인지하지 못할 수 있으므로 ‘영웅 이름’과 ‘게임 이름’을 함께 사전에 추가하였다.
자료 수집은 2017년 8월 1일부터 2018년 9월 8일까지 사용자가 게시판에 직접 업로드한 글들을 대상으로 하였다. Python을 이용하여 공식 홈페이지 내 5,670건, 인벤 커뮤니티에서 152.
이를 통해 제품이나 서비스 개발에 대한 효과적인 의사결정을 할 수 있도록 지원한다. 제안하는 방법론의 성능을 검증하기 위하여 인터넷 게임사인 블리자드 사의 특정 게임에 대한 사용자 커뮤니티 및 게시판에 게시된 약 15만 건의 텍스트데이터를 분석하고 결과를 제시하였다.

이론/모형

토픽은 일관성 있고 사람이 해석이 가능하도록 계산해야 한다[17]. 기존 연구에서는 학습이 잘 되었는지 파악하는 Perplexity를 주로 사용하여 값이 가장 낮은 지점의 토픽 개수를 선정하였으나[5], 본 연구에서는 사람의 해석 가능성에 초점을 두어 Topic Coherence를 사용한다. 분석에는 Python 3.
본 연구에서는 문서 내에서 키워드들을 바탕으로 주제를 찾아내는 텍스트 마이닝 기법으로 Blei 등[4]의 LDA(Latent Dirichlet Allocation)를 활용하였다. LDA는 주로 주어진 문서 별로 어떤 주제들이 존재하는지 단어들의 분포를 찾아보는 확률 모델링 기법이다.
기존 연구에서는 학습이 잘 되었는지 파악하는 Perplexity를 주로 사용하여 값이 가장 낮은 지점의 토픽 개수를 선정하였으나[5], 본 연구에서는 사람의 해석 가능성에 초점을 두어 Topic Coherence를 사용한다. 분석에는 Python 3.6에서 제공하는 Gensim 패키지를 사용하였다. 계산 기법 중에 가장 최신이고 해석이 가능한 대답을 내놓는 것이 장점이며, 계산 프레임워크는 다음과 같다.
세 번째, 요구사항 추출 단계에서는 문서 내 요구사항을 도출하기 위해 LDA 방법론을 사용한다. 이를 통해 각 단어들이 하나의 주제로 모이는 것을 사용자 요구사항으로 정의할 수 있으며, 연구자 임의로 주제의 개수를 선정하여 토픽의 양상을 확인해볼 수 있다.

후속연구

이와 같은 한계점을 보완하고 좀 더 나은 문서 요약, 추출 기법이 제시된다면 기업의 의사결정에 더욱 더 효과적인 도움을 줄 수 있을 것으로 기대한다.

참고문헌 (22)

Bae, K.T., Quality management is competitivenessquality control tools in work place, Ceramist, 2008, Vol. 11, No. 5, pp. 161-166.
Baldi, P., Lopes, C., Linstead, E., and Bajracharya, S., A Theory of Aspects as Latent Topics, In OOPSLA, 2008.
Bickart, B. and Schindler, R.M., Internet forums as influential sources of consumer information, Journal of Interactive Marketing, 2001, Vol. 15, No. 3, pp. 31-40.

상세보기
Blei, D.M., Ng, A.Y., and Jordan, M.I., Latent dirichlet allocation, The Journal of Machine Learning Research, 2003, Vol. 3, pp. 993-1022.
Chang, J., Gerrish, S., Wang, C., Boyd-Graber, J.L., and Blei, D.M., Reading tea leaves : How humans interpret topic models, In Advances in Neural Information Processing Systems, 2009, pp. 288-296.
Covey, S., The 7 Habits of Highly Effective People, Free Press, 1989.
Cho, S.H., Kim, B.S., Park, M.S., Lee, G.C., and Kang, P.S., Extraction of satisfaction factors and evaluation of tourist attractions based on travel site review comments, Journal of the Korean Institute of Industrial Engineers, 2017, Vol. 43, No. 1, pp. 62-71.

원문보기 상세보기
Fabrizio, Machine learning in automated text categorization, ACM Computing Surveys, 2002, Vol. 34, No. 1, 2002, pp. 1-47.

상세보기
Feldman, R. and Sanger, J., The text mining handbook : advanced approaches in analyzing unstructured data, Cambridge University Press, 2007.
Ishikawa, K., Guide to Quality Control, Tokyo : Asian Productivity Organization, 1968.
Jeong, J.Y., Jeon, Y.S., and Cho, N.W., Analysis of game product review using topic modeling and emotional analysis, Proceedings of the Korean Operations Research and Management Science Society, Yeosu, Korea, 2017, pp. 5692-5703.
Jyothi, N.S. and Parkavi, A., International conference on research advances in integrated navigation systems (RAINS-2016), 2016.
Kao, A. and Poteet, S.R., Natural language processing and text mining, London : Springer, 2007.
Kim, N.G., Lee, D.H., Choi, H.C., and Wong, W.X., Investigations on techniques and applications of text analytics, The Journal of Korean Institute of Communications and Information Sciences, 2017, Vol. 42, No. 2, pp. 471-492.

원문보기 상세보기
Lim, J.H. and Lee, H.C., Comparison of service quality recognition between FSC and LCC using text analysis, Proceedings of Aviation management Society of Korea, 2018, pp. 216-220.
Montgomery, D.C., Introduction to statistical quality control, John Wiley & Sons., Inc., 2007.
Newman, D., Lau, J.H., Grieser, K., and Baldwin, T., Automatic evaluation of topic coherence, In Human Language Technologies : The 2010 Annual Conference of the North American Chapter of the Association for Computational Linguistics (pp. 100-108), Association for Computational Linguistics, 2010.
Oh, Y.J., Jeong, J.Y., and Cho, N.W., Analysis of Game Review Using Word2Vec and LDA, Proceedings of the Korean Operations Research and Management Science Society, Gyeongju, Korea, 2018, pp. 2344-2349.
Park, J.H. and Song, M., A study on the research trends in library and information science in korea using topic modeling, Journal of the Korean Society for Information Management, 2013, Vol. 30, No. 1, pp. 7-32.
Sievert, C. and Shirley, K.E., LDAvis : A method for visualizing and interpreting topics, Proceedings of the Workshop on Interactive Language Learning, Visualization, and Interfaces, 2014, 63-70.
Turney, P.D. and Pantel, P., From frequency to meaning : Vector space models of semantics, In Journal of Artificial Intelligence Research, 2010, Vol. 37, pp. 141-188,

상세보기
Yun, T.H., Kim, C.Y., and Byun, J.H., A study on implementing the QC tools for systematic problem-solving, Journal of the Korean Society for Quality Management, 2009, Vol. 37, No. 2, pp. 68-77.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증