$\require{mediawiki-texvc}$

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.

설명가능한 그래프 신경망을 활용한 리뷰 콘텐츠 기반의 유용성 예측모형
The Prediction of the Helpfulness of Online Review Based on Review Content Using an Explainable Graph Neural Network 원문보기

지능정보연구 = Journal of intelligence and information systems, v.29 no.4, 2023년, pp.309 - 323  

김은미 (부산대학교 경영연구원) ,  야오즈옌 (부산대학교 경영학과BK21 디지털금융 교육연구단) ,  홍태호 (부산대학교 경영대학)

초록
AI-Helper 아이콘AI-Helper

온라인 리뷰의 역할이 중요해짐에 따라 유용한 리뷰를 선별하기 위해 많은 연구들이 이루어져 왔다. 유용한 리뷰는 고객들이 유용하다고 인지하는 리뷰이며, 평점, 리뷰길이, 리뷰내용 등에 영향을 받는 것으로 많은 연구에서 검증되었다. 유용한 리뷰는 소비자들의 투표에 의한 '좋아요' 수에 의해 결정되며 유용성 투표가 많을수록 소비자의 구매의사결정에 중요한 영향을 미치는 것으로 간주된다. 그러나 최근에 작성되어 많은 고객들에게 노출되지 않은 리뷰는 상대적으로 '좋아요' 수가 적을 수 있으며, 투표에 응하지 않아 '좋아요' 수가 없을 수도 있다. 따라서 유용한 리뷰를 판단하기 위해 '좋아요' 수에 의존하기 보다는 리뷰 내용을 기반으로 유용한 리뷰를 분류하고자 한다. 리뷰의 텍스트는 리뷰 유용성에 가장 큰 영향을 미치는 요인으로, 토픽 모델링, 감정분석 등 텍스트 마이닝 기법을 적용하여 리뷰 텍스트에 포함된 콘텐츠와 감정의 영향을 다양하게 분석하고 있다. 본 연구에서는 글로벌 영화정보 사이트인 IMDb의 영화리뷰를 활용하여 리뷰 콘텐츠 기반의 리뷰 유용성 예측모형을 제안한다. 설명가능한 그래프 신경망인 GNN(Graph Neural Network)을 적용하여 리뷰 유용성 예측모형을 구축하고, 설명가능한 인공지능을 통해 예측모형의 한계인 모형의 해석에 대한 문제를 해결한다. 설명가능한 그래프 신경망은 리뷰들 간의 연결관계도 확인할 수 있어 유용한 리뷰 또는 유용하지 않은 리뷰에 대해 보다 신뢰할 수 있는 정보를 제공할 수 있을 것이라 기대한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

As the role of online reviews has become increasingly crucial, numerous studies have been conducted to utilize helpful reviews. Helpful reviews, perceived by customers, have been verified in various research studies to be influenced by factors such as ratings, review length, review content, and so o...

주제어

#리뷰 유용성   #리뷰 콘텐츠   #예측모형  

참고문헌 (40)

  1. 김성수, 배준호, 이주현, 정희주, 김희웅. (2023).？TeGCN: 씬파일러 신용평가를 위한 트랜스포머 임베딩 기반 그래프 신경망 구조 개발.？지능정보연구, 29(3), 419-437. 

  2. 류동엽, 이흠철, 김재경. (2023). XAI 기법을 이용한 리뷰 유용성 예측 결과 설명에 관한？연구. 지능정보연구, 29(2), 35-56. 

  3. 현우창, 이인수, 서봉원. (2023). 그래프 신경망을？활용한 온라인 의견 사기 탐지. 정보과학회논문지, 50(11), 985-994. 

  4. 홍태호, 원종관, 김은미, 김민수. (2023). 설명 가능한 인공지능과 CNN을 활용한 암호화폐 가격 등락 예측모형. 지능정보연구, 29(2),？129-148. 

  5. Adak, A., Pradhan, B., & Shukla, N. (2022).？Sentiment analysis of customer reviews of food？delivery services using deep learning and？explainable artificial intelligence: Systematic？review. Foods, 11(10), 1500. 

    상세보기

  6. Azzone, M., Barucci, E., Moncayo, G. G., &？Marazzina, D. (2022). A machine learning？model for lapse prediction in life insurance？contracts. Expert Systems with Applications,？191, 116261. 

  7. Cao, Q., Duan, W., & Gan, Q. (2011). Explorng？determinants of voting for the "helpfulness" of？online user reviews: A text mining approach.？Decision Support Systems, 50, 511-521. 

  8. Coussement, K., & Benoit, D. F. (2021). Interpretable？data science for decision making. Decision？Support Systems, 150, 113664. 

    상세보기

  9. Craja, P., Kim, A., & Lessmann, S. (2020). Deep？learning for detecting financial statement fraud.？Decision Support Systems, 139, 113421. 

    상세보기

  10. Du, J., Rong, J., Wang, H., & Zhang, Y. (2021).？Neighbor-aware review helpfulness prediction.？Decision Support Systems, 148, 113581. 

    상세보기

  11. Eslami, S. P., Ghasemaghaei, M., & Hassanein, K.？(2018). Which online reviews do consumers？find most helpful? A multi-method investigation.？Decision Support Systems, 113, 32-42. 

    상세보기

  12. Fan, M., Feng, C., Guo, L., Sun, M., & Li, P. (2019,？May). Product-aware helpfulness prediction？of online reviews. In The world wide web？conference (pp. 2715-2721). 

  13. Fresneda, J. E., & Gefen, D. (2019). A semantic？measure of online review helpfulness and the？importance of message entropy. Decision Support？Systems, 125, 113117. 

    상세보기

  14. Ghose, A., & Ipeirotis, P. G. (2010). Estimating？the helpfulness and economic impact of product？reviews: Mining text and reviewer characteristics.？IEEE transactions on knowledge and data？engineering, 23(10), 1498-1512. 

  15. Hamilton, W., Ying, Z., & Leskovec, J. (2017). Inductive？representation learning on large graphs. Advances？in neural information processing systems, 30. 

  16. Heng, Y., Gao, Z., Jiang, Y., & Chen, X. (2018).？Exploring hidden factors behind online food？shopping from Amazon reviews: A topic？mining approach. Journal of Retailing and？Consumer Services, 42, 161-168. 

    상세보기

  17. Hosaka, T. (2019). Bankruptcy prediction using？imaged financial ratios and convolutional neural？networks. Expert systems with applications,？117, 287-299. 

  18. Jain, D. K., Rahate, A., Joshi, G., Walambe, R., &？Kotecha, K. (2022). Employing Co-Learning？to Evaluate the Explainability of Multimodal？Sentiment Analysis. IEEE Transactions on？Computational Social Systems. 

  19. Jiang, W., & Luo, J. (2022). Graph neural network？for traffic forecasting: A survey. Expert Systems？with Applications, 207, 117921. 

    상세보기

  20. Kipf, T. N., & Welling, M. (2016). Semi-supervised？classification with graph convolutional networks.？arXiv preprint arXiv:1609.02907. 

  21. Krishnamoorthy, S. (2015). Linguistic features for？review helpfulness prediction. Expert Systems？with Applications, 42(7), 3751-3759. 

    상세보기

  22. Li, Z. (2022). Extracting spatial effects from machine？learning model using local interpretation method:？An example of SHAP and XGBoost. Computers,？Environment and Urban Systems, 96, 101845. 

    상세보기

  23. Liu, J., Chen, Y., Huang, X., Li, J., & Min, G. (2023).？GNN-based long and short term preference？modeling for next-location prediction. Information？Sciences, 629, 1-14. 

  24. Liu, Z., & Park, S. (2015). What makes a useful？online review? Implication for travel product？websites. Tourism management, 47, 140-151. 

  25. Lundberg, S. M., Erion, G. G., & Lee, S. I. (2018).？Consistent individualized feature attribution for？tree ensembles. arXiv preprint arXiv:1802.03888. 

  26. Mohammad, S. M. (2017). Word affect intensities.？arXiv preprint arXiv:1704.08798. 

  27. Mudambi, S. M., & Schuff, D. (2010). Research？note: What makes a helpful online review? A？study of customer reviews on Amazon. com.？MIS quarterly, 34(1), 185-200. 

    상세보기

  28. Olmedilla, M., Martinez-Torres, M. R., & Toral, S.？(2022). Prediction and modelling online reviews？helpfulness using 1D Convolutional Neural？Networks. Expert Systems with Applications,？198, 116787. 

  29. Plutchik, R. (1980). Emotion: A Psychoevolutionary？Synthesis. NY Harper and Row. 

  30. Ribeiro, M. T., Singh, S., & Guestrin, C. (2016,？August). "Why should i trust you?" Explaining？the predictions of any classifier. In Proceedings？of the 22nd ACM SIGKDD international？conference on knowledge discovery and data？mining, 1135-1144. 

  31. Saptono, R., & Mine, T. (2022, October). Best？Approximate Distribution-based Model for？Helpful Vote of Customer Review Prediction.？In 2022 IEEE International Conference on？Systems, Man, and Cybernetics (SMC), 3427-3434. 

  32. Saumya, S., Roy, P. K., & Singh, J. P. (2023).？Review helpfulness prediction on e-commerce？websites: A comprehensive survey. Engineering？Applications of Artificial Intelligence, 126, 107075. 

  33. Saumya, S., Singh, J. P., Baabdullah, A. M., Rana,？N. P., & Dwivedi, Y. K. (2018). Ranking online？consumer reviews. Electronic commerce research？and applications, 29, 78-89. 

    상세보기

  34. Scarselli, F., Gori, M., Tsoi, A. C., Hagenbuchner,？M., & Monfardini, G. (2008). The graph neural？network model. IEEE transactions on neural？networks, 20(1), 61-80. 

  35. Shi, Z., Lee, G. M., & Whinston, A. B. (2016).？Toward a Better Measure of Business Proximity.？MIS quarterly, 40(4), 1035-1056. 

  36. Siering, M., Muntermann, J., & Rajagopalan, B.？(2018). Explaining and predicting online review？helpfulness: The role of content and reviewer-related signals. Decision Support Systems, 108,？1-12. 

    상세보기

  37. Wang, X., Tang, L. R., & Kim, E. (2019). More？than words: Do emotional content and linguistic？style matching matter on restaurant review？helpfulness?. International Journal of Hospitality？Management, 77, 438-447. 

    상세보기

  38. Ying, Z., Bourgeois, D., You, J., Zitnik, M., &？Leskovec, J. (2019). Gnnexplainer: Generating？explanations for graph neural networks. Advances？in neural information processing systems, 32. 

  39. Zheng, T., Lin, Z., Zhang, Y., Jiao, Q., Su, T.,？Tan, H., ... & Law, R. (2023). Revisiting？review helpfulness prediction: An advanced？deep learning model with multimodal input？from Yelp. International Journal of Hospitality？Management, 114, 103579. 

    상세보기

  40. Zhou, J., Cui, G., Hu, S., Zhang, Z., Yang, C., Liu,？Z., ... & Sun, M. (2020). Graph neural networks:？A review of methods and applications. AI？open, 1, 57-81. 

저자의 다른 논문 :

관련 콘텐츠

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