지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 이건창
- 발행연도
- 2018
- 저작권
- 성균관대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (4)
2019
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 온라인 리뷰에 대한 기업들의 관심이 높다. 소비자들이 온라인 쇼핑을 이용할 때뿐만 아니라 오프라인 매장에서도 스마트폰으로 리뷰를 검색하여, 의사결정을 하기 때문이다. 소비자들은 전문 판매원보다 실구매자가 남긴 온라인 리뷰를 더욱 신뢰한다. 본연구는 감성분석에서 가장 효율적인 속성 선택 방법과 분류기의 조합을 찾는 것을 목표로 한다. 이를 위해 텍스트 마이닝 관점에서 텍스트에 포함된 긍정, 부정을 분류하는 오피니언 마이닝과 화남, 놀람, 슬픔 등을 분류하는 이모션 마이닝을 수행하였다. 연구의 목적을 실증하기 위해 온라인 상에 공개된 apparel, book, DVD, electronic, kitchen 총 5가지 상품군의 리뷰 텍스트를 수집하고, 텍스트의 TF-IDF를 계산하고 Bag-of-Words형태로 구성하여 상품 리뷰 속성 셋을 구성하였다. 이후 속성 선택을 사용하여 텍스트의 오피니언과 이모션을 잘 설명할 수 있는 속성을 고르고, 선택된 속성을 분류기에 학습하여 분류 성과를 측정하였다. 오피니언 마이닝의 결과 오피니언 마이닝의 분류 정확도는 Information Gain 방법으로 속성을 선택하고, 앙상블 분류기의 한 종류인 Stacking을 사용하는 것이 5가지 상품에 대해 가장 높은 성능을 보였다. Information Gain 속성 선택은 오피니언 분류 성능은 Stacking 외의 다른 분류기에서도 더 높은 성능을 달성하였다.
목차
목 차제1장 서 론 11. 연구 배경 1제2장 연구배경 및 기존 문헌연구 31. 감성 분석(Sentiment Analysis) 32. Feature Selection 52.1 Information Gain 72.2 상관관계 속성 선택 방법(CFS) 82.3 ReliefF 93. Machine Learning Classifier 103.1 Logistic Regression(LR) 103.2 Naive Bayes Network(NBN) 113.3 Neural network(NN) 123.4 Random Subspace(RS) 133.5 Random Forest(RF) 133.6 Decision Tree(DT) 143.7 Support Vector Machine(SVM) 153.8 Bagging 153.9 Stacking 154. 평가지표 165. 감성 분류 관련연구 185.1 오피니언 마이닝 관련연구 195.2 이모션 마이닝 관련연구 21제3장 오피니언 마이닝 231. 데이터 232. 분석결과 243. 통계검증 27제4장 이모션 마이닝 281. 데이터 282. 분석 결과 293. 통계검증 33제5장 결론 및 향후 연구 34참 고 문 헌 37ABSTRACT 40
최근 본 자료
댓글(0)
0