Earticle

초록

한국어

본 연구는 온라인 리뷰의 유용성을 예측하기 위해 텍스트 의미와 구조 정보를 통합한 BERT-CNN 기반 딥러닝 모델을 제안한다. 자원 효율성이 높은 사전학습 언어모델인 DistilBERT, ALBERT, TibyBERT를 활용하여 문맥 임베딩을 생성하고, 이를 CNN 구조와 결합해 문장 내 지역적 의미 패턴을 효과적으로 포착하였다. 또한 텍스트에서 추출한 복잡성, 가독성, 감정/감성 등의 설계 기반 특성과 사용자 및 비즈니스 메타데이터를 통합하여 임베딩만으로는 포착하기 어려운 도메인 특성을 보완하였다. 제안한 CNN 기반 하이브리드 모델은 사전학습 언어모델 단독 구조보다 전반적으로 높은 예측 성능을 보였다. 특히 TinyBERT-CNN 모델은 가장 높은 성과를 나타내어 경량 모델의 효율성과 실용성을 입증하였다. DistilBERT 및 ALBERT 기반 모델 역시 언어적 특성과 메타데이터의 결합을 통해 단일 모델 대비 정확도와 정밀도가 향상되었으며, 이는 수치화된 언어 특성과 메타데이터가 문맥 임베딩 기반 모델을 보완할 수 있음을 보여준다.

목차

Abstract
1. 서론
2. 관련 연구
1) 리뷰 유용성 연구
2) BERT를 활용한 리뷰 유용성 연구
3) CNN을 활용한 리뷰 유용성 연구
3. 연구 프레임워크
4. 실험
1) 데이터
2) 변수 설명
3) 실험설계
5. 실험결과
6. 결론
References

키워드

저자

• 김태이 [ 부산대학교 경영학과 ]
• 홍태호 [ 부산대학교 경영학과 ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국경영정보학회 정기 학술대회 [KMIS Conference]

• 간기

  반년간

• 수록기간

  1990~2025

• 십진분류

  KDC 325 DDC 658