Earticle

초록

영어

This study proposes a personalized movie recommendation system that filters out negatively reviewed films based on sentiment analysis and recommends content using a hybrid approach that incorporates keyword and genre information. Sentiment classification is performed using the pre-trained Korean language model KcELECTRA, and movies with a negative review ratio exceeding a predefined threshold (e.g., 60%) are excluded from the recommendation pool. Keywords are expanded using Word2Vec embeddings and a domain-specific association dictionary, and the recommendation ranking is determined based on the density of related reviews. When keyword-based recommendation is infeasible, high-rated movies within the selected genre are provided as alternatives. Experimental results show that, across two conditions(noisy/clean), the proposed method achieved Precision 0.424, Recall 1.000, F1 0.582/0.564, and a Neg-Filter-Rate of 8.873%/9.224%.

한국어

본 연구는 사용자 리뷰에 포함된 감성 정보를 기반으로 부정적인 평가가 집중된 영화를 사전에 제거하고, 키워드 및 장르 정보를 활용하여 하이브리드 방식으로 영화를 추천하는 시스템을 제안한다. 감성 분석은 사전학습된 한국어 분류 모델 (KcELECTRA)을 활용하며, 부정 리뷰 비율이 일정 기준 이상(예: 60%)인 영화는 추천 후보군에서 제외된다. 키워드는 Word2Vec 임베딩과 도메인 지식 기반 연관어 사전을 통해 확장되며, 관련 리뷰의 밀도를 기준으로 추천 순위가 결정된다. 키워드 기반 추천이 어려운 경우, 입력 장르를 바탕으로 평균 평점 상위 영화를 대체 추천한다. 실험 결과, 제안 방식은 두 조 건(noisy/clean)에서 Precision 0.424, Recall 1.00, F1 0.582/0.564, Neg-Filter-Rate 8.873%/9.224%를 보였다.

목차

요약
Abstract
1. 서론
2. 선행 연구
2.1 추천 시스템의 기술적 분류
2.2 관련 연구 고찰
3. 연구방법본
4. 분석 결과
5. 논의
6. 결론 및 향후 연구
REFERENCES

키워드

저자

• 이소연 [ Soyeon Lee | 서강대학교 경영학과 MIS 박사과정 ]
• 민금란 [ Keum-Lan Min | (주)포켓메모리 전략실 ]
• 김진화 [ Jinhwa Kim | 서강대학교 경영학과 교수 ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  산업융합연구(구 대한산업경영학회지) [Journal of Industrial Convergence]

• 간기

  월간

• pISSN

  2635-8875

• 수록기간

  2003~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 323 DDC 338