온라인 강의리뷰 유용성 예측: LDA와 머신러닝을 활용하여 (Predicting the usefulness of online lecture reviews: using LDA and machine learning)

서지정보

· 발행기관 : 한국데이터정보과학회
· 수록지 정보 : 한국데이터정보과학회지 / 35권 / 2호 / 229 ~ 237페이지
· 저자명 : 권경민, 이신행, 이명진, 이한준

초록

온라인 리뷰 사이트에서는 너무 많은 리뷰로 인한 정보 과다 문제가 빈번히 발생한다. 이에 리뷰어 투표를 통하여 유용한 리뷰를 추천하고 있으나 한계점이 있다. 이에 본 연구에서는 강의 리뷰 사이트를 대상으로 리뷰의 유용성을 예측하는 모델을 제안한다. 이를 위하여 온라인 강의리뷰 44,845건을 수집하고 Latent Dirichlet allocation (LDA)를 활용하여 각 리뷰에 포함된 토픽들의 비중을 포함한 다양한 변수들을 추출하여 머신러닝 알고리즘을 통해 학습시켰다. 구축한 모델 중 중 XGBoost 기반의 모델이 정확도 기준 87.96%로 가장 우수한 성능을 보였다. 본 연구의 접근 방식과 결과는 온라인 리뷰 사이트에서 정보 과다 문제를 해결하기 위한 의미있는 시사점을 줄 수 있을 것으로 기대한다.

영어초록

In online review sites, the problem of information overload due to too many reviews frequently occurs. Accordingly, useful reviews are recommended through reviewer voting, but there exist limitations. Therefore, this study proposes a model to predict the usefulness of reviews on lecture review sites. To this end, we collected 44,845 online lecture reviews and used Latent Dirichlet Allocation (LDA) to extract various variables, including the proportion of topics included in each review, and learn them through machine learning algorithms. Among the models we developed, the XGBoost-based model showed the best performance with an accuracy of 87.96 percent. The approach and results of this study are expected to provide meaningful implications for solving the problem of information overload in online review sites.

참고자료

· 없음