메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김현숙 (배재대학교)
저널정보
한국생활과학회 한국생활과학회지 한국생활과학회지 제32권 제6호
발행연도
2023.12
수록면
767 - 782 (16page)
DOI
10.5934/kjhe.2023.32.6.767

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Fashion products should encompass a wide variety of styles to suit individual preferences. Therefore, online retailers should identify diverse consumer preferences and satisfaction-dissatisfaction factors early through online review analysis. This enhances consumer satisfaction and improves product planning and marketing efficiency. However, product reviews often cover multiple topics within a single document, and due to the extensive nature of unstructured data with varying expressions and lengths, it is challenging to effectively harness them for practical purposes. The objective of this study was to categorize fashion product reviews and to create sentiment prediction models for establishing systematic analysis. The specific research includes: first, classifying online fashion product reviews; and second, building a sentiment prediction model and validating it. The Amazon review dataset 2018 including 881,895 data entries was used. Fashion product reviews were categorized into three groups using the k-means clustering algorithm; "Size & Fit," "Quality & Price," and "Appearance." Validation of significance was conducted using ANOVA mean analysis, post hoc analysis, and silhouette score. To construct sentiment prediction models for fashion product online reviews, various embeddings and algorithms were combined and tested. Embeddings included Count Vectorization, TF-IDF, and Word2Vec, while algorithms comprised SVC, logistic regression, random forest classifier, bagging classifier, and multinomial NB. Comparative analysis against a bi-directional sequence LSTM model revealed that the bi-directional LSTM model achieved the highest accuracy of 0.94. In conclusion, this study proposed models for categorizing fashion product reviews and establishing a sentiment prediction model, thus providing a schema for efficient review-based product planning and marketing strategies.
#Online review #Fashion product #Sentiment prediction #K-means clustering #LSTM #온라인리뷰 #패션상품 #감성 예측 #k-평균군집화

목차

Abstract
Ⅰ. 서론
Ⅱ. 이론적 배경
Ⅲ. 연구모델 및 연구방법
Ⅳ. 결과 및 논의
Ⅴ. 결론 및 제언
REFERENCES

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

온라인 패션상품 리뷰 분류
김현숙 가정과삶의질학회 학술발표대회 자료집 2023 .06
윤리적 소비를 위한 바이콧과 보이콧에 영향을 미치는 요인
고대균 ,  이민주 ,  함수빈 한국생활과학회지 2024 .02
중국 중고거래 플랫폼 이용에 관한 연구 : 계획행동이론 및 플랫폼 특성을 중심으로
주자홍 ,  류미현 한국생활과학회지 2023 .10
코로나19 확산에 따른 외식에 대한 소비자 인식 분석: 토픽모델링 및 네트워크 분석의 활용
신서영 ,  이범준 호텔경영학연구 2021 .12

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-089266959