RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      KCI등재

      한글 정형화 방법에 기반한 상품평 감성분석의 제품 개발 적용 방법 연구 = A Study of Customer Review Analysis for Product Development based on Korean Language Processing

      한글로보기

      https://www.riss.kr/link?id=A108064621

      • 0

        상세조회
      • 0

        다운로드
      서지정보 열기
      • 내보내기
      • 내책장담기
      • 공유하기
      • 오류접수

      부가정보

      국문 초록 (Abstract)

      온라인 상품평 데이터는 제품의 특성에 대한 구체적인 평가를 담고 있으면서도 인터넷상에서 쉽게 수집할 수 있기에 제품의 장단점 및 긍정/부정 척도를 판단하기에 높은 효용 가치를 가진다. 기존의 감성 분석 연구들은 여러 문장으로 구성된 상품평 전체 단위의 감성 평가 방법을 제안하였다. 제품의 여러 속성별로 감성 평가 결과를 얻을 수 있으면 후속 제품 개발 과정에 유효한 입력이 될 수 있다. 본 논문에서는 제품의 속성 단위의 감성 분석을 하기 위해 상품평의 문장 단위로부터 제품 속성을 추출하여 감성 평가를 수행하는 방법을 제안한다. 먼저 양방향 LSTM과 조건부 무작위장(CRF)을 활용한 문장분석 모델을 통해 제품 속성과 감성어를 추출한다. 추출된 제품 속성별 감성 평가 결과는 본 논문에서 제안하는 감성 평가 규칙을 활용하여 계산된다. 제품 속성별 감성 평가 결과는 품질 전개 기법에 적용되어 후속 제품 개발과정에 반영된다. 제안하는 방법론은 헤어드라이기 제품 사례를 통해 적정성을 보여준다.
      번역하기

      온라인 상품평 데이터는 제품의 특성에 대한 구체적인 평가를 담고 있으면서도 인터넷상에서 쉽게 수집할 수 있기에 제품의 장단점 및 긍정/부정 척도를 판단하기에 높은 효용 가치를 가진...

      온라인 상품평 데이터는 제품의 특성에 대한 구체적인 평가를 담고 있으면서도 인터넷상에서 쉽게 수집할 수 있기에 제품의 장단점 및 긍정/부정 척도를 판단하기에 높은 효용 가치를 가진다. 기존의 감성 분석 연구들은 여러 문장으로 구성된 상품평 전체 단위의 감성 평가 방법을 제안하였다. 제품의 여러 속성별로 감성 평가 결과를 얻을 수 있으면 후속 제품 개발 과정에 유효한 입력이 될 수 있다. 본 논문에서는 제품의 속성 단위의 감성 분석을 하기 위해 상품평의 문장 단위로부터 제품 속성을 추출하여 감성 평가를 수행하는 방법을 제안한다. 먼저 양방향 LSTM과 조건부 무작위장(CRF)을 활용한 문장분석 모델을 통해 제품 속성과 감성어를 추출한다. 추출된 제품 속성별 감성 평가 결과는 본 논문에서 제안하는 감성 평가 규칙을 활용하여 계산된다. 제품 속성별 감성 평가 결과는 품질 전개 기법에 적용되어 후속 제품 개발과정에 반영된다. 제안하는 방법론은 헤어드라이기 제품 사례를 통해 적정성을 보여준다.

      더보기

      참고문헌 (Reference)

      1 Hauser, J. R., "The house of quality" 1-13, 1988

      2 Basiri, M. E., "Sentence-level sentiment analysis in Persian" 84-89, 2017

      3 Alvarez-López, T., "SemEval-2016 task 5: SVM and CRF for aspect detection and unsupervised aspect-based sentiment analysis" 2016

      4 Pontiki, M., "SemEval-2016 task 5: Aspect based sentiment analysis" 2016

      5 Sarawgi, K., "Opinion mining: aspect level sentiment analysis using SentiWordNet and Amazon web services" 158 (158): 31-36, 2017

      6 Marstawi, A., "Ontology-based aspect extraction for an improved sentiment analysis in summarization of product reviews" 2017

      7 Hu, M., "Mining and summarizing customer reviews" 2004

      8 Wang, Y., "Mapping customer needs to design parameters in the front end of product design by applying deep learning" 67 (67): 145-148, 2018

      9 Hasan, A., "Machine learning-based sentiment analysis for twitter accounts" 23 (23): 11-, 2018

      10 Patra, B. G., "Ju_cse: A conditional random field (crf) based approach to aspect based sentiment analysis" 2014

      1 Hauser, J. R., "The house of quality" 1-13, 1988

      2 Basiri, M. E., "Sentence-level sentiment analysis in Persian" 84-89, 2017

      3 Alvarez-López, T., "SemEval-2016 task 5: SVM and CRF for aspect detection and unsupervised aspect-based sentiment analysis" 2016

      4 Pontiki, M., "SemEval-2016 task 5: Aspect based sentiment analysis" 2016

      5 Sarawgi, K., "Opinion mining: aspect level sentiment analysis using SentiWordNet and Amazon web services" 158 (158): 31-36, 2017

      6 Marstawi, A., "Ontology-based aspect extraction for an improved sentiment analysis in summarization of product reviews" 2017

      7 Hu, M., "Mining and summarizing customer reviews" 2004

      8 Wang, Y., "Mapping customer needs to design parameters in the front end of product design by applying deep learning" 67 (67): 145-148, 2018

      9 Hasan, A., "Machine learning-based sentiment analysis for twitter accounts" 23 (23): 11-, 2018

      10 Patra, B. G., "Ju_cse: A conditional random field (crf) based approach to aspect based sentiment analysis" 2014

      11 Timoshenko, A., "Identifying customer needs from user-generated content" 38 (38): 1-20, 2019

      12 Kim, D. I., "Consumer Sentiment Analysis Using Smartphone Review Comments" Graduate School of engineering, Yonsei University 2018

      13 Zhang, L., "Combining lexicon -based and learning-based methods for Twitter sentiment analysis" 89-, 2011

      14 박현정 ; 송민채 ; 신경식, "CNN을 적용한 한국어 상품평 감성분석: 형태소 임베딩을 중심으로" 한국지능정보시스템학회 24 (24): 59-83, 2018

      15 Huang, Z., "Bidirectional LSTM-CRF models for sequence tagging"

      16 Song, M., "Attention-based long short-term memory network using sentiment lexicon embedding for aspect-level sentiment analysis in Korean" 56 (56): 637-653, 2019

      17 Chung, S. J., "Aspect-Level Analysis and Predictive Modeling for Electric Vehicle Based on Aspect-Based Sentiment Analysis Using Machine Learning" Graduate School of Seoul National University 2020

      18 Singh, J., "A review of sentiment analysis techniques for opinionated web text" 4 (4): 241-247, 2016

      19 Ding, X., "A holistic lexicon-based approach to opinion mining" 2008

      더보기

      동일학술지(권/호) 다른 논문

      분석정보

      View

      상세정보조회

      0

      Usage

      원문다운로드

      0

      대출신청

      0

      복사신청

      0

      EDDS신청

      0

      동일 주제 내 활용도 TOP

      더보기

      주제

      연도별 연구동향

      연도별 활용동향

      연관논문

      연구자 네트워크맵

      공동연구자 (7)

      유사연구자 (20) 활용도상위20명

      인용정보 인용지수 설명보기

      학술지 이력

      학술지 이력
      연월일 이력구분 이력상세 등재구분
      2026 평가예정 재인증평가 신청대상 (재인증)
      2020-01-01 평가 등재학술지 유지 (재인증) KCI등재
      2017-01-01 평가 등재학술지 유지 (계속평가) KCI등재
      2013-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2010-01-01 평가 등재학술지 선정 (등재후보2차) KCI등재
      2009-01-01 평가 등재후보 1차 PASS (등재후보1차) KCI등재후보
      2008-01-01 평가 신청제한 (등재후보1차)
      2007-01-01 평가 등재후보학술지 유지 (등재후보1차) KCI등재후보
      2005-01-01 평가 등재후보학술지 선정 (신규평가) KCI등재후보
      더보기

      학술지 인용정보

      학술지 인용정보
      기준연도 WOS-KCI 통합IF(2년) KCIF(2년) KCIF(3년)
      2016 0.57 0.57 0.58
      KCIF(4년) KCIF(5년) 중심성지수(3년) 즉시성지수
      0.6 0.6 0.796 0.32
      더보기

      이 자료와 함께 이용한 RISS 자료

      나만을 위한 추천자료

      해외이동버튼