1051 0

Full metadata record

DC FieldValueLanguage
dc.description.abstract개인에게 맞춤형 서비스를 제공하는 것이 중요해지면서 개인화 추천 시스템 관련 연구들이 끊임없이 이루어지고 있다. 추천 시스템 중 협업 필터링은 학계 및 산업계에서 가장 많이 사용되고 있다. 다만 사용자들의 평점 혹은 사용 여부와 같은 정량적인 정보에 국한하여 추천이 이루어져 정확도가 떨어진다는 문제가 제기되고 있다. 이와 같은 문제를 해결하기 위해 현재까지 많은 연구에서 정량적 정보 외에 다른 정보들을 활용하여 추천시스템의 성능을 개선하려는 시도가 활발하게 이루어지고 있다. 리뷰를 이용한 감성 분석이 대표적이지만, 기존의 연구에서는 감성 분석의 결과를 추천 시스템에 직접적으로 반영하지 못한다는 한계가 있다. 이에 본 연구는 리뷰에 나타난 감성을 수치화하여 평점에 반영하는 것을 목표로 한다. 사용자가 직접 작성한 리뷰를 감성 수치화하여 정량적인 정보로 변환해 추천시스템에 직접 반영할 수 있는 새로운 알고리즘을 제안한다. 이를 위해서는 정성적인 정보인 사용자들의 리뷰를 정량화 시켜야 하므로 본 연구에서는 텍스트 마이닝의 감성 분석 기법을 통해 감성 수치를 산출하였다. 데이터는 영화 리뷰를 대상으로 하여 도메인 맞춤형 감성 사전을 구축하고, 이를 기반으로 리뷰의 감성점수를 산출한다. 본 논문에서 사용자 리뷰의 감성 수치를 반영한 협업 필터링이 평점만을 고려하는 전통적인 방식의 협업 필터링과 비교하여 우수한 정확도를 나타내는 것을 확인하였다. 이후 제안된 모델이 더 개선된 방식이라고 할 근거를 확보하기 위해 t-test 검증을 시도했고 제안된 모델이 더 우수하다는 결론을 도출하였다. 본 연구는 평점만으로 사용자의 감성을 판단한 기존의 선행연구들이 가지는 한계를 극복하고자 리뷰를 수치화하여 기존의 평점 시스템보다 사용자의 의견을 더 정교하게 추천시스템에 반영시켜 정확도를 향상시켰다. 이를 기반으로 다양한 분석을 시행한다면 추천의 정확도가 더 높아질 것으로 기대된다.; As the importance of providing customized services to individuals becomes important, researches on personalized recommendation systems are constantly being carried out. Collaborative filtering is one of the most popular systems in academic and industrial. However, there is a problem that recommendation is limited to quantitative information such as users' ratings or usage, and the accuracy is lowered. To solve these problems, many studies have been actively attempted to improve the performance of the recommendation system by using other information besides the quantitative information. Although the sentiment analysis using the review is representative, existing research has a limitation that it does not directly reflect the results of the sentiment analysis directly to the recommendation system. The purpose of this study is to quantify the sentiment shown in the reviews and reflect them in the ratings. We propose a new algorithm that can convert the user's own review into empirical quantitative information and reflect it directly to the recommendation system. In order to do this, quantitative evaluation of user’s qualitative information should be quantified. In this study, sentiment score was calculated through sentiment analysis technique of text mining. Based on the data, a domain specific sentiment dictionary is constructed for the movie review, and the sentiment score of the review is calculated based on this. In this paper, we confirmed that the collaborative filtering that reflects the sentiment score of the user review shows better accuracy than the conventional method of collaborative filtering that only considers the rating. We then tried t-test validation to ensure that the proposed model was a better approach and concluded that the proposed model is better. In this study, to overcome limitations of previous researches that judge user 's sentiment with only ratings, the review was numerically evaluated and the user's sentiment was more refined in the recommendation system than the existing rating system to improve the accuracy. Based on the quantified data, it is expected that the accuracy of recommendation will be higher if various analyzes that have not been done before are carried out.-
dc.title평점과 리뷰의 감성 수치를 결합한 추천시스템 정확도 향상-
dc.title.alternativeImproved accuracy of recommendation system by combining ratings and sentiment score of reviews-
dc.contributor.alternativeauthorJI YEON HYUN-
Appears in Collections:
GRADUATE SCHOOL[S](대학원) > BUSINESS INFORMATICS(비즈니스인포매틱스학과) > Theses (Master)
Files in This Item:
There are no files associated with this item.
RIS (EndNote)
XLS (Excel)


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.