http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 이흠철 (검색결과 15 건)
- 무료
- 기관 내 무료
- 유료
-
리뷰 일관성을 이용한 BERT-CNN 기반 리뷰 유용성 예측 모델 개발
이흠철,정다솜,류동엽,김재경 한국지능정보시스템학회 2024 지능정보연구 Vol.30 No.1
최근 온라인 리뷰의 수가 급증함에 따라 소비자들은 자신의 구매 결정에 도움이 되는 유용한 리뷰를 찾는 데 어려움을 겪고 있다. 이로 인해 소비자에게 유의미한 리뷰를 식별하여 제공하는 것이 중요해짐에 따라 리뷰 유용성 예측에 관한 다양한 연구가 지속적으로 진행되고 있다. 그러나 대부분의 연구는 리뷰 텍스트의 의미론적 특성을 추출하는 데 중점을 두었고 이에 수반되는 평점 정보를 예측 작업에 반영하지 않았다. 따라서 본 연구는 이러한 평점 정보를 리뷰 유용성 예측에 도입하고 리뷰 텍스트와 평점 간의 일관성을 바탕으로 예측하였다. 본 연구에서 제안한 BERTexCon(BERT-CNN text and rating consistency model for review helpfulness prediction)은 Feature Encoder와 Consistency Extraction 두 가지 모듈로 되어있다. Feature Encoder 모듈은 리뷰 텍스트와 평점 정보에서 특성을 추출하는 데 사용하고 Consistency Extraction 모듈은 정보 간의 일관성을 추출하는 데 사용한다. 특히, 본 연구는 BERT-CNN 모델을 활용하여 리뷰 텍스트 중에 실제 유용성에 크게 영향을 미칠 수 있는 특성을 바탕으로 예측 작업을 수행하였다. 본 연구는 Amazom.com에서 수집된 실제 소비자 리뷰를 바탕으로 제안된 BERTexCon 모델의 예측 성능을 측정하였다. 실험 결과를 따르면 본 연구에서 제안한 BERTexCon모델은 기존 연구에서 사용된 여러 모델과 비교했을 때 성능이 가장 우수함을 나타냈다. 따라서 본 연구에서 제안한 방법론은 다양한 전자상거래 플랫폼에서 적용될 수 있고 정교한 리뷰 유용성 예측 서비스를 제공할 수 있다. With the rapid increase in online reviews, consumers struggle to find helpful reviews to help them make purchasing decisions. Therefore, various studies in the review helpfulness prediction have been proposed, demonstrating the importance of identifying and providing meaningful reviews to consumers. However, most studies focused on extracting the semantic features from review texts, the accompanying star ratings are not introduced in the prediction task. Therefore, this study aims to introduce such star rating information and predict review helpfulness from the perspective of review consistency between review texts and star ratings. The BERTexCon (BERT-CNN Text and Rating Consistency Model for Review Helpfulness Prediction) proposed in this study consists of feature encoder and consistency extraction. The feature encoder module is used to extract features from review text and star rating information, and the consistency extraction module is used to extract consistency between the information. Specifically, this study applies the BERT-CNN model to conduct predictions based on main features that can significantly affect helpfulness. To evaluate the prediction performance of the proposed BERTexCon model, this study used real-world online reviews collected from Amazon.com. The experimental results showed that the BERTexCon model performs best compared to the various models applied in previous studies. Therefore, the proposed methodology of this study can be applied to various e-commerce platforms and provide an accurate review helpfulness prediction service.
-
-
Multi-channel CNN 기반 온라인 리뷰 유용성 예측 모델 개발에 관한 연구
이흠철,윤효림,LI QINGLONG,김재경 한국지능정보시스템학회 2022 지능정보연구 Vol.28 No.2
온라인 리뷰는 소비자의 구매 의사결정 과정에서 중요한 역할을 담당하고 있으므로 소비자에게 유용하고 신뢰성이 있 는리뷰를제공하는것이중요하다. 기존의온라인리뷰유용성예측관련연구는주로온라인리뷰의텍스트와평점정 보 간의 일관성을 바탕으로 리뷰 유용성을 예측하였다. 그러나 기존 연구는 평점 정보를 스칼라로 표현했기 때문에 표현 수용력이 제한적이거나 평점 정보와 리뷰 텍스트 정보와의 상호작용을 제한적으로 학습하는 한계가 존재한다. 본 연구에 서는 기존 연구의 한계점을 보완하기 위해 리뷰 텍스트와 평점 정보 간의 상호작용을 효과적으로 학습할 수 있는 CNN-RHP(CNN based Review Helpfulness Prediction) 모델을 제안하였다. 먼저, 리뷰 텍스트의 의미론적 특성을 추출하 기 위해 multi-channel CNN을 적용하였다. 다음으로, 평점 정보는 텍스트 특성과 동일한 차원을 나타내는 독립된 고차원 임베딩 특성 벡터로 변환하였다. 최종적으로 요소별(Element-wise) 연산을 통해 리뷰 텍스트와 평점 정보 간의 일관성을 학습하였다. 본 연구에서는 제안된 CNN-RHP 모델의 성능을 평가하기 위해 Amazom.com에서 수집된 온라인 소비자 리 뷰를 사용하였다. 실험 결과, 본 연구에서 제안한 CNN-RHP 모델이 기존 연구에서 제안된 여러 모델과 비교했을 때 우수 한 예측 성능을 나타내는 것을 확인하였다. 본 연구의 결과는 온라인 전자상거래 플랫폼에서 소비자들에게 리뷰 유용성 예측 서비스를 제공할 때 유의미한 시사점을 제공할 수 있다.
-
-
명시적 및 암시적 피드백을 활용한 그래프 컨볼루션 네트워크 기반 추천 시스템 개발
이흠철(Xinzhe Li),김동언(Dongeon Kim),이청용(Qinglong Li),김재경(JaeKyeong Kim) 한국IT서비스학회 2023 한국IT서비스학회지 Vol.22 No.1
With the development of the e-commerce market, various types of products continue to be released. However, customers face an information overload problem in purchasing decision-making. Therefore, personalized recommendations have become an essential service in providing personalized products to customers. Recently, many studies on GCN-based recommender systems have been actively conducted. Such a methodology can address the limitation in disabling to effectively reflect the interaction between customer and product in the embedding process. However, previous studies mainly use implicit feedback data to conduct experiments. Although implicit feedback data improves the data scarcity problem, it cannot represent customers' preferences for specific products. Therefore, this study proposed a novel model combining explicit and implicit feedback to address such a limitation. This study treats the average ratings of customers and products as the features of customers and products and converts them into a high-dimensional feature vector. Then, this study combines ID embedding vectors and feature vectors in the embedding layer to learn the customer-product interaction effectively. To evaluate recommendation performance, this study used the MovieLens dataset to conduct various experiments. Experimental results showed the proposed model outperforms the state-of-the-art. Therefore, the proposed model in this study can provide an enhanced recommendation service for customers to address the information overload problem.
-
XAI 기법을 이용한 리뷰 유용성 예측 결과 설명에 관한 연구
류동엽,이흠철,김재경 한국지능정보시스템학회 2023 지능정보연구 Vol.29 No.2
정보통신 기술의 발전에 따라 웹 사이트에는 수많은 리뷰가 지속적으로 게시되고 있다. 이로 인해 정보 과부하 문제가 발생하여 사용자들은 본인이 원하는 리뷰를 탐색하는데 어려움을 겪고 있다. 따라서, 이러한 문제를 해결하여 사용자에게 유용하고 신뢰성 있는 리뷰를 제공하기 위해 리뷰 유용성 예측에 관한 연구가 활발히 진행되고 있다. 기존 연구는 주로 리뷰에 포함된 특성을 기반으로 리뷰 유용성을 예측하였다. 그러나, 예측한 리뷰가 왜 유용한지 근거를 제시할 수 없다는 한계점이 존재한다. 따라서 본 연구는 이러한 한계점을 해결하기 위해 리뷰 유용성 예측 모델에 eXplainable Artificial Intelligence(XAI) 기법을 적용하는 방법론을 제안하였다. 본 연구는 Yelp.com에서 수집한 레스토랑 리뷰를 사용하여 리뷰 유용성 예측에 관한 연구에서 널리 사용되는 6개의 모델을 통해 예측 성능을 비교하였다. 그 다음, 예측 성능이 가장 우수한 모델에 XAI 기법을 적용하여 설명 가능한 리뷰 유용성 예측 모델을 제안하였다. 따라서 본 연구에서 제안한 방법론은 사용자의 구매 의사결정 과정에서 유용한 리뷰를 추천할 수 있는 동시에 해당 리뷰가 왜 유용한지에 대한 해석을 제공할수 있다.
-
사용자의 세부적인 특성을 반영한 BERT 기반 호텔 추천 시스템 개발
박선우,이흠철,김지현,김재경 한국지능정보시스템학회 2024 지능정보연구 Vol.30 No.1
소셜 웹사이트 및 온라인 플랫폼의 발전으로 인해 추천 시스템에 대한 관심이 증가하고 있으며, 특히 온라인 호텔 플랫 폼에서는 추천 시스템에 대한 중요성이 더욱 강조되고 있다. 대부분의 호텔 추천 시스템은 사용자가 남긴 리뷰 텍스트에서 추출한 Aspect를 기반으로 추천을 제공하는 방식으로 이루어져 있다. 하지만 이러한 방법은 리뷰 텍스트에 내제된 사용자의 세부 특성을 파악하기 어렵고, 포괄적인 Aspect에 기반하여 추천을 제공한다는 한계점이 존재한다. 본 연구에서는 기존 호텔 추천 시스템의 한계를 개선하기 위해 리뷰 텍스트를 기반으로 개인화된 추천을 제공하는 방법론을 제안했다. 구체적으로 본 연구에서는 BERT 모델을 Fine-tuning하고 Attention Mechanism을 도입하여 사용자의 세부적인 특성을 더욱 정확하게 파악하여 추천에 반영했다. 본 연구에서 제안한 모델의 성능을 평가하기 위해 TripAdvisor.com에서 수집한 온라인 리뷰를 사용하여 실험을 진행했고, 제안 모델의 우수함을 검증할 수 있었다. 따라서 본 연구는 리뷰 텍스트에 내제된 사용자 선호도를 효과적으로 파악하여 개인화 추천을 제공할 수 있는 방법론을 제안하여 호텔 추천 시스템 연구의 이론적 및 방법론 측면에 기여했다. The need for recommender systems has grown with the development of social websites and online platforms, which emphasize the significance of online hotel platforms. Most studies on hotel recommender systems have been conducted based on the specific aspects extracted from user-generated review texts. However, such studies face challenges in capturing user-specific preference features contained in review texts and are limited to recommending hotels based on comprehensive aspects. To address such problems, this study proposed a novel methodology to effectively utilize review texts for performing personalized recommendations. Specifically, this study fine-tuned the BERT model and applied an Attention Mechanism to accurately capture user-specific preferences in the recommendations. Moreover, this study used the online reviews dataset collected from TripAdvisor.com to evaluate the recommendation performance of the proposed methodology. The experimental results showed the proposed model outperforms the benchmark models. Therefore, this study can contribute to the theoretical and methodological implications of the hotel recommender systems that effectively capture user-specific preference features contained in review texts to ensure accurately personalized recommendations.
-
-
-
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
