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
- 연규필
- 발행연도
- 2022
- 저작권
- 호서대학교 논문은 저작권에 의해 보호받습니다.
이용수33
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 다양한 가구 형태의 증가와 코로나바이러스 감염증(COVID-19) 확산으로 인해 밀키트(meal kit) 시장은 빠르게 성장하고 있다. 밀키트 시장이 성장 하면서 다양한 종류의 제품이 출시되고, 제품 특성에 따른 소비자 평가가 다양해지고 있다. 그래서 본 연구는 밀키트 제품 리뷰를 이용하여 밀키트 제품 평가에 영향을 미치는 요인을 파악하고자 한다. 이를 위해 네이버 쇼핑 사이트에서 판매되고 있는 밀키트 제품 리뷰 334,498건을 수집하였으며 데이터 정제 과정을 거처 품사 태깅과 불용어 제거를 진행하였다. 감성 분석 알고리즘으로는 로지스틱 회귀분석(Logistic Regression), 서포트 벡터 머신(Support Vector Machine, SVM), 랜덤 포레스트(Random Forest) 방법의 정확도를 비교한 후 로지스틱 회귀분석 방법을 채택하였다. 로지스틱 회귀분석을 이용한 감성 분석 모델 정확도는 71%로 나타났으며 각각의 긍·부정 단어를 분류하여 밀키트 제품 구매 후 긍정과 부정의 감성을 발생시킨 주요 요인들을 도출하였다. 본 연구의 공헌도는 실무적으로는 실제 사용자 평가를 기반으로 한 밀키트의 새로운 평가 방법으로서 밀키트 제품 개발 시 특정 카테고리, 메뉴, 재료의 긍정 요소를 부각하고 위험 요소에 대해 대비할 수 있는 기초자료로 활용될 수 있을 것으로 보인다. 또한 온라인 리뷰의 파급력이 높아지는 추세에 맞춰 밀키트 제품 리뷰가 전달하는 전반적인 감성을 빠르게 파악하여 잠재 소비자에게 미칠 구전 효과를 관리하는데 활용할 수 있다고 생각된다.
목차
Ⅰ. 서 론 1Ⅱ. 자료 소개 및 전처리 31. 분석 대상 및 수집 데이터 32. 자료 전처리 4가. DTM(Document-Term Matrix) 4나. TF-IDF(Term Frequency-Inverse Document Frequency) 4다. 평점을 이용한 레이블링 5Ⅲ. 텍스트 분석결과 71. 워드클라우드 분석 72. 감성 분석 12가. 기초 통계분석 12나. 분류 알고리즘 23다. 감성 분석결과 29Ⅳ. 논의 및 결론 39참고문헌 40영문초록 41
최근 본 자료
댓글(0)
0