중립 단어 제거를 퉁한 유용리뷰 분류 정확도 향상 방안에 대한 연구

• 영문명: Increasing Accuracy of Classifying Useful Reviews by Removing Neutral Terms
• 발행기관: 한국IT서비스학회
• 저자명: 이민식(Min Sik Lee) 이홍주(Hong Joo Lee)
• 간행물 정보: 『한국IT서비스학회 학술대회 논문집』2016춘계학술대회, 172~175쪽, 전체 4쪽
• 주제분류: 공학 > 전자/정보통신공학
• 파일형태: PDF
• 발행일자: 2016.05.30

국문 초록

본 연구에서는 온라인 고객 리뷰가 유용한 지, 그렇지 않은 지를 구분하는 문제에서 단어들이 유용리뷰와 유용하지 않은 리뷰에 중복하여 등장하는 정도를 측정한 중립도를 제시한다. 제시한 중립도를 희소성과 함께 분석에 활용하는 단어 선정에 적용한 후에 각 분류 알고리즘의 성과를 비교하였다. Naïve Bayesian과 Information gain을 활용한 방안은 중립도를 활용한 방안이 성과를 향상시켰으며, SVM은 두 개의 데이터 집합 중 하나의 집합에서 성과를 향상시켰다.

목차

1. 서론

2. 본론

3. 결론

[참고문헌]