도움말

온라인 쇼핑몰의 상품평 자동분류를 위한 감성분석 알고리즘

A Sentiment Analysis Algorithm for Automatic Product Reviews Classification in On-Line Shopping Mall
한국전자거래학회지 제14권 제4호, 2009.11, 19-33 (15 pages)
인용정보 복사
Quick View Quick View
구매하기 6,000원
인용하기
이용수 : 1,021건
피인용수 : 2건
분야내 활용도 : 1%
자세히 보기 >

· 이용수 : 2010년부터 집계한 원문다운로드수

· 피인용수 : DBpia 논문 가운데 해당 논문을 인용한 논문수

· 분야내 활용도 : 최근 24개월간 DBpia 이용수를 기준으로 산출 / 0%에 가까울 수록 활용도가 높고, 100%에 가까울 수록 활용도가 낮음

초록
급속한 전자상거래의 발전으로 인하여 온라인상으로 상품을 구매하고 그에 대한 평가를 작성하는 것이 일반적인 구매 패턴이 되었다. 기존 구매자들의 상품평들은 다른 잠재적인 소비자들의 상품 구입을 이끌어내는데 큰 동기가 된다. 사용자가 작성한 상품평은 하나의 상품에 대해 실제 사용자의 좋고 나쁨에 대한 감정을 표현한 결과로, 개개인에 따라 긍정 또는 부정적인 의견으로 나눠진다. 상품평 중에서 소비자가 원하는 정보를 얻기 위해서는 이들을 일일이 수작업으로 확인해야하지만, 온라인 쇼핑몰에 상품평이 대용량으로 축적된 환경에서 이러한 작업은 비효율적일 수밖에 없다. 본 논문에서는 오피니언 마이닝 기술을 이용하여 제품 사용자의 주관적 의견을 자동으로 분류할 수 있는 감성분석 알고리즘을 제시한다. 본 논문에서 제시하는 알고리즘은 온라인 쇼핑몰에 등록된 개별 상품평을 대상으로 긍정 및 부정 의견으로 판단하여 요약된 결과를 제공하는 기능을 한다. 본 논문에서는 또한 제안된 알고리즘을 바탕으로 개발된 상품평 자동분석 시스템을 소개하고, 알고리즘의 효율성을 검증하기 위한 실험결과도 제시한다.

With the continuously increasing volume of e-commerce transactions, it is now popular to buy some products and to evaluate them on the World Wide Web. The product reviews are very useful to customers because they can make better decisions based on the indirect experiences obtainable through the reviews. Product Reviews are results expressing customer’s sentiments and thus are divided into positive reviews and negative ones. However, as the number of reviews in on-line shopping increases, it is inefficient or sometimes impossible for users to read all the relevant review documents. In this paper, we present a sentiment analysis algorithm for automatically classifying subjective opinions of customer’s reviews using opinion mining technology. The proposed algorithm is to focus on product reviews of on-line shopping, and provides summarized results from large product review data by determining whether they are positive or negative.
Additionally, this paper introduces an automatic review analysis system implemented based on the proposed algorithm, and also present the experiment results for verifying the efficiency of the algorithm.

목차
초록
ABSTRACT
1. 서론
2. 관련연구
3. 상품평 자동분류
4. 구현 및 실험
5. 결론
참고문헌
저자소개
키워드

논문의 주요 키워드를 제공합니다. 키워드를 클릭하여 관련 논문을 확인해 보세요!

참고문헌 (16)

현재 논문의 참고문헌을 찾아 신청해주세요!

  1. Liu, B. , 2005 , Opinion observer:analyzing and comparing opinions on the Web , Proceedings of the 14th international conference on WWW : 10 ~ 14

  2. Narayanan, R. , 2009 , Sentiment Analysis of Conditional Sentences , Proceedings of Conference on Empirical Methods in Natural Language Processing (EMNLP-09)

  3. Liu, B. , 2009 , Sentiment Anlaysis and Subjectivity. in Invited Chapter for the Handbook of Natural Language Processing , CRC Press

  4. Scaffidi, C. , 2007 , Red Opal: Product-Feature Scoring from Reviews , Proceedings of the 8th ACM conference on Electronic commerce, 2007 : 11 ~ 15

  5. Hu, M. , 2004 , Mining and sum marizing customer reviews , Proceedings of the tenth ACM SIGKDD 04 : 22 ~ 25

  6. Smrz, P. , 2006 , Using WordNet for Opinion Mining , Proceedings of the Third International WordNet Conference (GWC 2006) : 333 ~ 335

  7. Miao, Q. , 2009 , A sentiment mining and retrieval system , Expert Systems with Applications 36 : 7192 ~ 7198

  8. Xiaowen Ding , 2007 , The Utility of Linguistic Rules in Opinion Mining , SIGIR 2007 : 811 ~ 812

  9. Esuli, A. , 2007 , Page-Ranking WordNet Synsets:An Application to Opinion Mining , Proceedings of ACL-07, the 45th Annual Meeting of the Association of Computational Linguistics : 424 ~ 431

  10. Courses, E. , 2008 , Using SentiWordNet for multilingual sentiment analysis , Data Engineering Workshop ICDEW 2008

  • 처음
  •  
  • 이전
  •  
  • 1
  •  
  • 2
  •  
  • 다음
  •  
  • 마지막
인용된 논문 (2)

알림서비스 신청하고 '인용된 논문' 정보를 메일로 확인 하세요!

제 1 저자의 다른 논문 (44)

장재영 식별저자 저자의 상세정보를 확인해 보세요.

  • 처음
  •  
  • 이전
  •  
  • 1
  •  
  • 2
  •  
  • 3
  •  
  • 4
  •  
  • 5
  •  
  • 다음
  •  
  • 마지막
권호 내 다른 논문 (21)

한국전자거래학회지 제14권 제4호 의 상세정보를 확인해 보세요.

  • 처음
  •  
  • 이전
  •  
  • 1
  •  
  • 2
  •  
  • 3
  •  
  • 다음
  •  
  • 마지막
추천 논문 (10)

DBpia 추천논문과 함께 다운받은 논문을 제공합니다. 논문 초록의 텍스트마이닝과 이용 및 인용 관계 분석을 통해 추천해 드리는 연관논문을 확인해보세요.

DBpia 추천논문

더 많은 추천논문을 확인해 보세요!

함께 다운받은 논문

지표

이용현황

· 이용수

· 이용순위 상위 Top3

자세히 보기 >
No 상위 이용이관 이용수
1 연세대학교 57
2 고려대학교 44
3 충북대학교 39

활용도

· 활용지수

· 논문의 활용도 추이 (주제분야 기준)

자세히 보기 >

: %

2016-09
2016-10
2016-11
2016-12
0
20
40
60
80
100
  • 0%
  • 20%
  • 40%
  • 60%
  • 80%
  • 100%

인용수

상세정보
저작권 정책

누리미디어에서 제공되는 모든 저작물의 저작권은 원저작자에게 있으며, 누리미디어는 각 저작물의 내용을 보증하거나 책임을 지지 않습니다. 단, 누리미디어에서 제공되는 서지정보는 저작권법에 의해 보호를 받는 저작물로, 사전 허락 없이 임의로 대량 수집하거나 프로그램에 의한 주기적 수집 이용, 무단 전재, 배포하는 것을 금하며, 이를 위반할 경우, 저작권법 및 관련법령에 따라 민, 형사상의 책임을 질 수 있습니다.

맨 위로 이동
  • 개인회원으로 로그인하셔야 이용이 가능합니다.
  •  개인회원
  •  기관회원
  • 소속기관
  • 아이디
  • 비밀번호
  • 개인회원가입으로 더욱 편리하게 이용하세요. 일반회원 가입하기

    아이디/비밀번호를 잊으셨나요? 아이디/비밀번호 찾기