텍스트 마이닝과 제품 리뷰의 유용성 투표 정보를 활용한 개인화된 리뷰 유용성 지표 예측 방안

국문 초록 (Abstract)

전자상거래의 활성화로 제품에 대한 고객의 경험을 바탕으로한 리뷰가 고객들의 구매 의사결정에 중요한 영향을 미치고 있다. 하지만, 한 제품에 대한 리뷰가 너무 많고 여러 제품에 대한 리뷰를 모두 읽고 구매의사결정을 내리는 것은 무척 힘든 일이 되었다. 따라서, 전자상거래 사이트들은 고객들의 의사결정에 도움을 주기 위하여 다양한 방법으로 유용한 리뷰를 선정하여 고객들에게 제시하고 있다. 대부분은 제품에 대한 평균 평점, 전체 평가자 수, 평가점수의 분포, 가장 유용성이 높은 리뷰, 가장 최근 리뷰 등을 제공하고있다. 이를 위해 고객 리뷰에 대해 유용한 지에 대한 투표를 통해 유용성 값을 파악하고 있다. 사용자들의 피드백에 근거하여 다양한 방안으로 유용한 리뷰를 추천하기 위한 방안들이 제시되어왔다. 크게 리뷰의 콘텐츠 및 작성자 정보를 활용한 방안과 리뷰에 대한 투표 정보만을 활용한 방안으로 나누어 볼 수 있다.
본 연구에서는 리뷰에 포함된 단어들이 유용한 리뷰와 유용하지 않은 리뷰를 나누는 데 역할을 하리라는 가정하에 제시된 정보이득 기반 알고리즘을 개인화 리뷰 추천에 활용하는 방안을 제시하였고, 기존의 정보이득 방안과 성과를 비교하였다. 실험에 활용된 자료는 Amazon.com에서 경험재, 탐색재 상품 8개를 선택하였으며, 각 상품별로 유용성 값이 다른 6개의 리뷰를 선정하였다. 172명의 실험자들이 참여하여 각 리뷰에 대해 유용성 값을 매겼으며, 이를 활용하여 각 리뷰별 유용성 지표를 산출하였다. 전체 사용자의 선호를 고려한 기존의 정보이득 알고리즘과 본 논문에서 제시한 개인화 정보이득 알고리즘의 성과를 위 자료를 통해 비교하였다. 학습자료의 비율과 추천 리뷰의 개수를 달리하는 반복실험을 수행하였는데 어떤 경우에도 개인화 정보이득 알고리즘의 성과가 높거나 같았다.
정보이득 알고리즘은 추천 대상이 되는 리뷰에 대한 유용성 투표값을 활용하지 않기 때문에 이를 활용하는 다른 알고리즘과의 성과도 비교하였다. 추천 대상이 되는 리뷰에 대한 유용성 투표가 충분히 이루어졌고, 개인의 리뷰에 대한 유용성 투표도 충분하다면 기존의 개인화 기법인 협업 필터링의 적용이 더 높은 성과를 보이나 리뷰에 대한 유용성 투표가 충분하지 않은 상황에서는 정보이득 알고리즘의 활용이 적절하다. 전자상거래 사이트의 고객리뷰에 대한 평가 상황에 따른 리뷰 추천 알고리즘 적용방안에 대해서도 제시하였다.

다국어 초록 (Multilingual Abstract)

With the rapid growth of online shoppings, customer reviews are greatly influencing on decision makings of purchases. However, there are so many products on a storefront and many reviews on a product. Thus, it is impossible to read all the reviews for comparing diverse products. Thus, online stores provide ways of sorting customer reviews or selected reviews for helping customers. Usually they show average ratings, total numer of ratings, distribution of ratings, most helpful reviews, and most recent reviews. They collect feedbacks on reviews by providing a vote button for measuring helpfulness of the reviews. Diverse methods to recommend helpful reviews by utilizing the helpfulness information or the feedbacks from customers were devised. Simply, these can be classified whether they utilize contents or votes of customer reivews. Structrure, semantic, and style of reviews were considered to predict helpfulness of reviews. In addition, information and experience of reviewers were utilized.
In this paper, we provide a personalized review recommendation method based on information gain from reviews. Information gain values of words in reviews were calculated based on the contribution of the words for being a helpful review or not. However, the values are calculated from all users’