KR20180080492A - 사용자 리뷰를 이용한 상품 평가 시스템 및 방법 - Google Patents

Abstract

본 발명은 사용자 리뷰를 이용한 상품 평가 시스템 및 방법에 관한 것으로, 보다 상세하게는 상품별로 다르게 추출되어지는 각 상품에 대한 특징들을 자동으로 추출하고 각 특징에 가중치에 의한 평점을 부여하여 온라인 쇼핑몰 사용자에게 상품의 특징을 쉽게 파악하여 구매 결정에 도움을 주는 서비스 제공이 가능하도록 한 사용자 리뷰를 이용한 상품 평가 시스템 및 방법에 관한 것으로, 본 발명의 사용자 리뷰를 이용한 상품 평가 시스템 및 방법은 사용자 리뷰에 나타난 상품에 대한 특징 및 그에 대한 구체적인 평가를 정량화할 수 있도록 상품에 대한 기존 사용자의 리뷰에 나타난 명사와 감성어를 분석하여 상품의 보다 세부적인 특징을 추출하고 해당 특징에 평점을 이용한 가중치를 부여하여 제공하도록 하여 상품을 구매하려는 사용자에게 보다 상세하고 유용한 결과를 제공할 수 있도록 하였다.

Description

사용자 리뷰를 이용한 상품 평가 시스템 및 방법{RATING SYSTEM AND METHOD FOR GOODS USING USER'S REVIEWS}

본 발명은 사용자 리뷰를 이용한 상품 평가 시스템 및 방법에 관한 것으로, 보다 상세하게는 상품별로 다르게 추출되어지는 각 상품에 대한 특징들을 자동으로 추출하고 각 특징에 가중치에 의한 평점을 부여하여 온라인 쇼핑몰 사용자에게 상품의 특징을 쉽게 파악하여 구매 결정에 도움을 주는 서비스 제공이 가능하도록 한 사용자 리뷰를 이용한 상품 평가 시스템 및 방법에 관한 것이다.

인터넷 쇼핑몰에서 상품을 구매하는데 있어 이전 구매자가 남긴 리뷰나 평점을 중요한 정보로 참고하는 것은 보편화 되어 있다. 그러나 사용자가 기존 구매자의 리뷰를 모두 읽고 상품에 대한 정보를 파악하기에는 너무나도 많은 리뷰가 제공된다. 또한, 각 상품에 대해 부여된 평점이 상품의 어떤 특징에 대해 부여된 것인지 알 수 없다. 따라서 기존 시스템에서 상품의 특징을 파악하기에는 이러한 문제점들이 있다.

첫째, 상품에 대해 다른 사용자가 남긴 리뷰를 모두 읽고 그 상품의 특징에 대한 정보를 얻기에는 많은 시간이 필요하다. 일예로 생활가전에 해당하는 청소기의 경우 기존 시스템에서는 각 상품당 상품의 특징을 파악하려면 1,000여개가 넘는 리뷰를 모두 읽어야 하는 문제점이 있다. 국가통계포털의 조사에 따르면, 현재 약 1,100개의 각종 온라인쇼핑몰이 운영 중이며 해마다 그 수는 증가하고 있다고 한다. 또한, 상품에 대한 만족도를 리뷰로 표현하는 사용자들이 늘고 있어 리뷰의 개수는 수없이 많으며, 앞으로는 더더욱 증가할 것이다. 그러므로 리뷰를 일일이 읽으면서 상품에 대한 특징을 파악하고 구매 결정을 내리는 것은 점점 더 어려운 일이 될 것이다.

둘째, 기존 방식에서는 사용자가 부여한 평점이 각 상품의 어떤 특징에 의해서 부여된 것인지 알 수 없다. 상품 비교 포털 사이트를 살펴보면 각상품에 대한 특정 사용자가 부여한 평점만 존재할 뿐, 각 상품의 다양한 특징에 대해 세분화된 평점을 부여하는 체계를 제공하지 않는다. 예로 들면, 이 리뷰를 남긴 사용자는 5라는 평점을 부여하였다. 이러한 5점이라는 평점이 '가격', '배송', '디자인' 등의 다양한 특징에 대해 동일한 만족도를 느꼈다고 판단하여 부여된 것이 아니라는 것은 분명하다. 그러나 사용자가 남긴 리뷰를 읽어서는 사용자는 어떤 특징에 대해 만족을 느껴서 5점이라는 평점을 부여하였는지 알 수 없다. 그렇기 때문에 '배송'에 대해서는 5점, '가격'에 대해서는 4점, '디자인'에 대해서는 5점과 같이 사용자가 부여한 평점이 상품의 많은 특징 중 어떠한 특징에 의해서 부여된 평점인지 구분할 필요가 있다.

셋째, 기존 방식으로는 상품에 대한 특징을 파악하기에 어려움을 느낄 수 있다. '디자인', '성능', '색상' 등의 상품의 특징이 출현하는 리뷰별로 분류하여 보여주고 있지만, 이마저도 리뷰 및 평점을 단순히 '최신 순'이나 '평점이 높은 순'으로 보여줌으로써, 상품에 대한 만족도가 높은 구매자의 리뷰가 상대적으로 상단에 위치하기 때문에 상품의 장점만을 부각시키는 면이 있어 특징을 균형있게 파악하기 쉽지 않다.

사용자 리뷰를 분석하는 연구는 많은 연구가 진행되어 왔다. 그러나 대부분의 연구들은 리뷰에 대한 긍정 및 부정을 평가하는 방법을 제안하는데 그치고 있다. 인용문헌 [1][2][3]의 경우에는 사용자의 리뷰 또는 댓글을 분석하여 각 문장에서 출현하는 명사들을 특징을 추출하여 내용을 요약하여 보여주는 연구였다. 인용문헌 [3] 및 [4]의 연구에서는 한국어 문장을 분석한 연구로 온라인 쇼핑몰의 사용자 리뷰를 분석하여 리뷰를 요약해주는 연구를 수행하였다. 사용자의 리뷰를 분석하여 상품의 특징이라고 판단되는 명사들을 추출하고, 이러한 명사들이 속한 리뷰의 평점과 해당 상품의 전체 평점과의 비교를 통해 긍정 및 부정 사전을 구축하여 특징을 분류하는 형태의 연구이다. 또한 인용문헌 [5] 연구의 경우 리뷰를 분석하여 상품의 특징을 추출하여 의미가 비슷한 것끼리 그룹화하여 사용자의 리뷰를 분류하는 연구를 진행하였다. 그러나, 상기 문헌을 포함한 종래 사용자 리뷰분석 연구는 상품별로 많이 언급된 특징을 추출하거나 각 특징에 가중치를 부여한 연구는 없었다.

본 출원인은 상기 종래 기술의 문제를 해결하고자 사용자 리뷰문서를 형태소분석기를 이용하여 사용자 의견에 대한 랭킹산정방법에 대한 특허를 출원한 바 있다. 본 출원인의 대한민국 특허출원 제10-2015-0008803호에는 인터넷을 통해 접근가능한 상품 또는 서비스에 대한 타 사용자의 리뷰를 맞춤화하여 순위에 따라 나열하여 보여주는 사용자 의견 랭킹 산정방법에 있어서, ⅰ)일사용자의 검색어 입력을 받아 서버에서 타 사용자의 리뷰 문서를 일반 검색엔진을 이용하여 검색하는 단계; ⅱ)형태소 분석기를 이용하여 상기 리뷰 문서에서 형태소를 분석하고 불용어를 필터링하여 형태소를 추출하는 단계,; ⅲ)추출된 형태소에 대하여 미리 제작된 긍정적 및 부정적 폴라리티 사전을 참조하여 각 형태소에 부여된 폴라리티 값을 모두 합산하고 전체 형태소의 개수로 나누어 의견점수를 산출하는 단계 및; ⅳ)상기 의견점수와 일반 검색 엔진의 유사도 점수를 합한 다음 정규화하여 동일 상품 또는 서비스에 대한 정규화한 합산점수가 높은 순서대로 순위를 부여하는 단계를 포함한 폴라리티 기반 사용자 의견 랭킹 산정방법이 개시되어 있다.

대한민국 특허출원 제10-2015-0008803호

[1] Minqing Hu, Bing Liu "Mining and Summarizing Customer Reviews" KDD(2004) [2] Meishan Hu, Aixin Sun and Ee-Peng Lim "Comments-Oriented Blog Summarization by Sentence Extraction" (CIKM 2007) [3] 이우철, 이현아, 이공주 "효율적인 리뷰 분석을 위한 어휘 통계 정보 기반 평가항목 추출 시스템" 정보처리학회논문지(2009) [4] 이윤정, 지정훈, 우균, 조환규 "인터넷 게시물의 댓글 분석 및 시각화" 한국콘텐츠학회논문지(2009) [5] 송종석, 이수원 "리뷰 극성 분류를 위한 특징별 서술어 긍정/부정 사전 자동 구축" 정보과학회논문지(2011) [6] Zhongwu Zhai, Bing Liu, Hua Xu, Peifa Jia, "Clustering Product Features for Opinion Mining" ACM(2011)

따라서, 본 발명이 이루고자 하는 기술적 과제는 상품에 대한 기존 사용자의 리뷰를 분석하고 상품의 세부적인 특징을 추출하여 해당 특징에 평점을 이용한 가중치를 부여하여 제공하도록 하여 상품을 구매하려는 사용자에게 보다 상세하고 유용한 상품 평가 방법 및 시스템을 제공하는 것이다.

상기 기술적 과제를 달성하기 위하여, 본 발명은 웹으로부터 각 상품과 관련된 상품명, 상품분류, 리뷰 및 평점을 크롤링하는 크롤러와,; 상기 크롤러로부터 수집한 리뷰에 대하여 문장으로 분할하고 비단어를 제거하며 각 문장에 대하여 상품 특징이 되는 m 개의 명사(상기 m은 10 이하의 자연수)와 상기 명사에 부속된 감성어인 형용사 및 부사를 추출하는 형태소 분석 모듈, 하기 감성어 점수 데이터베이스를 참조하여 상기 감성어에 대한 점수를 부여하는 감성어 점수 부여 모듈 및 하기 식 1에 의해 도출되는 각 문장 점수(sentense score), 상기 각 문장 점수와 해당 리뷰에 주어진 평점을 곱한 후 상품 특징 출현빈도로 나눈 값인 식 2로 정의되는 특징 점수(feature score), 상기 특징 점수의 총합인 하기 식 3의 전체 특징점수(sum feature score) 및 전체 특징점수를 정규화한 하기 식 4의 정규화 특징점수(sum feature score′, 식에서 N은 평점의 만점에 해당하는 임의의 수)를 계산하는 점수계산 모듈을 포함한 테스트 데이터 구축부와,; 상기 상품의 특징이 되는 m 개의 명사(상기 m은 10 이하의 자연수)및 상기 점수계산 모듈에서 계산된 점수를 저장하는 테스트 데이터베이스와,; 상기 크롤러로부터 수집한 리뷰를 통해 통계적으로 미리 선정한 n 개의 감성어(상기 n은 100 이하의 자연수) 및 상기 선정한 감성어에 대한 긍정 및 부정의 정도를 0 내지 1 범위의 값으로 그 점수를 저장한 감성어 점수 데이터베이스 및; 상기 테스트 데이터베이스에서 해당 상품의 특징 및 정규화 특징점수를 추출하여 결과를 도출하는 특징추출모듈을 포함한 사용자 리뷰를 이용한 상품 평가 시스템을 제공한다.

[식 1]

[식 2]

[식 3]

[식 4]

또한, 본 발명은 상기 감성어에 대한 긍정 및 부정의 정도를 0 내지 1 범위의 값으로 한 것은 사용자 설문조사를 통해 정한 것을 특징으로 한 사용자 리뷰를 이용한 상품 평가 시스템을 제공한다.

또한, 본 발명은 상기 특징추출모듈에 표시하는 상품 특징 및 정규화 특징점수가 상품 특징의 출현빈도를 기준으로 내림차순으로 표시한 것을 특징으로 한 사용자 리뷰를 이용한 상품 평가 시스템을 제공한다.

또한, 본 발명은 상기 사용자 리뷰를 이용한 상품 평가 시스템을 이용하여, ⅰ)웹으로부터 각 상품과 관련된 상품명, 상품분류, 리뷰 및 평점을 크롤링하는 단계,; ⅱ)상기 크롤링한 리뷰에 대하여 문장으로 분할하고 비단어를 제거하며 각 문장에 대하여 상품 특징이 되는 m 개의 명사(상기 m은 10 이하의 자연수)와 상기 명사에 부속된 감성어인 형용사 및 부사를 추출하는 단계; ⅲ)상기 추출된 감성어에 대하여 통계적으로 미리 선정한 n 개의 감성어(상기 n은 100 이하의 자연수) 및 상기 선정한 감성어에 대한 긍정 및 부정의 정도를 0 내지 1 범위의 값으로 그 점수를 저장한 감성어 점수 데이터베이스를 조회하여 감성어 점수를 구하는 단계,; ⅳ)하기 식 1에 의해 도출되는 각 문장 점수(sentense score), 상기 각 문장 점수와 해당 리뷰에 주어진 평점을 곱한 후 상품 특징 출현빈도로 나눈 값인 식 2로 정의되는 특징 점수(feature score), 상기 특징 점수의 총합인 하기 식 3의 전체 특징점수(sum feature score) 및 전체 특징점수를 정규화한 하기 식 4의 정규화 특징점수(sum feature score′, 식에서 N은 평점의 만점에 해당하는 임의의 수)를 순차적으로 계산하고 테스트 데이터베이스에 저장하는 단계 및; ⅴ)상기 테스트 데이터베이스에서 해당 상품의 특징 및 정규화 특징점수를 추출하여 특징추출모듈에 도출하는 단계를 포함한 사용자 리뷰를 이용한 상품 평가방법을 제공한다.

[식 1]

[식 2]

[식 3]

[식 4]

또한, 본 발명은 상기 감성어에 대한 긍정 및 부정의 정도를 0 내지 1 범위의 값으로 한 것은 사용자 설문조사를 통해 정한 것을 특징으로 한 사용자 리뷰를 이용한 상품 평가 방법을 제공한다.

또한, 본 발명은 상기 특징추출모듈에 표시하는 상품 특징 및 정규화 특징점수는 상품 특징의 출현빈도를 기준으로 내림차순으로 표시한 것을 특징으로 한 사용자 리뷰를 이용한 상품 평가 방법을 제공한다.

본 발명의 사용자 리뷰를 이용한 상품 평가 시스템 및 방법은 사용자 리뷰에 나타난 상품에 대한 특징 및 그에 대한 구체적인 평가를 정량화할 수 있도록 상품에 대한 기존 사용자의 리뷰에 나타난 명사와 감성어를 분석하여 상품의 보다 세부적인 특징을 추출하고 해당 특징에 평점을 이용한 가중치를 부여하여 제공하도록 하여 상품을 구매하려는 사용자에게 보다 상세하고 유용한 결과를 제공할 수 있도록 하였다.

도 1은 본 발명에 따른 사용자 리뷰를 이용한 상품 평가 시스템에 대한 전체적인 시스템 아키텍쳐
도 2는 본 발명의 사용자 리뷰를 이용한 상품 평가 방법을 설명하기 위한 이해도
도 3은 크롤러를 이용하여 수집한 복수의 리뷰에서 감성어를 추출한 결과
도 4는 본 발명의 일실시예에 있어 크롤러를 이용하여 수집한 리뷰에서 형태소 분석기를 사용하여 상품의 특징인 명사 및 감성어를 분류한 결과
도 5는 본 발명의 사용자 리뷰를 이용한 상품 평가 방법에 적용된 리뷰의 문장 구조와 감성어의 분류를 설명하기 위한 구성도

이하에서 본 명세서에 첨부된 도면을 참조하여 본 발명을 상세히 설명한다.

본 발명의 사용자 리뷰를 이용한 상품 평가 시스템은 웹으로부터 각 상품과 관련된 상품명, 상품분류, 리뷰 및 평점을 크롤링하는 크롤러와,; 상기 크롤러로부터 수집한 리뷰에 대하여 문장으로 분할하고 비단어를 제거하며 각 문장에 대하여 상품 특징이 되는 m 개의 명사(상기 m은 10 이하의 자연수)와 상기 명사에 부속된 감성어인 형용사 및 부사를 추출하는 형태소 분석 모듈, 하기 감성어 점수 데이터베이스를 참조하여 상기 감성어에 대한 점수를 부여하는 감성어 점수 부여 모듈 및 하기 식 1에 의해 도출되는 각 문장 점수(sentense score), 상기 각 문장 점수와 해당 리뷰에 주어진 평점을 곱한 후 상품 특징 출현빈도로 나눈 값인 식 2로 정의되는 특징 점수(feature score), 상기 특징 점수의 총합인 하기 식 3의 전체 특징점수(sum feature score) 및 전체 특징점수를 정규화한 하기 식 4의 정규화 특징점수(sum feature score′, 식에서 N은 평점의 만점에 해당하는 수)를 계산하는 점수계산 모듈을 포함한 테스트 데이터 구축부와,; 상기 상품의 특징이 되는 m 개의 명사(상기 m은 10 이하의 자연수) 및 상기 점수계산 모듈에서 계산된 점수를 저장하는 테스트 데이터베이스와,; 상기 크롤러로부터 수집한 리뷰를 통해 통계적으로 미리 선정한 n 개의 감성어(상기 n은 100 이하의 자연수) 및 상기 선정한 감성어에 대한 긍정 및 부정의 정도를 0 내지 1 범위의 값으로 그 점수를 저장한 감성어 점수 데이터베이스 및; 상기 테스트 데이터베이스에서 해당 상품의 특징 및 정규화 특징점수를 추출하여 결과를 도출하는 특징추출모듈을 포함한다.

[식 1]

[식 2]

[식 3]

[식 4]

또한, 본 발명의 사용자 리뷰를 이용한 상품 평가 방법은 상기 사용자 리뷰를 이용한 상품 평가 시스템을 이용하여, ⅰ)웹으로부터 각 상품과 관련된 상품명, 상품분류, 리뷰 및 평점을 크롤링하는 단계,; ⅱ)상기 크롤링한 리뷰에 대하여 문장으로 분할하고 비단어를 제거하며 각 문장에 대하여 상품 특징이 되는 m 개의 명사(상기 m은 10 이하의 자연수)와 상기 명사에 부속된 감성어인 형용사 및 부사를 추출하는 단계; ⅲ)상기 추출된 감성어에 대하여 통계적으로 미리 선정한 n 개의 감성어(상기 n은 100 이하의 자연수) 및 상기 선정한 감성어에 대한 긍정 및 부정의 정도를 0 내지 1 범위의 값으로 그 점수를 저장한 감성어 점수 데이터베이스를 조회하여 감성어 점수를 구하는 단계,; ⅳ)상기 식 1에 의해 도출되는 각 문장 점수(sentense score), 상기 각 문장 점수와 해당 리뷰에 주어진 평점을 곱한 후 상품 특징 출현빈도로 나눈 값인 상기 식 2로 정의되는 특징 점수(feature score), 상기 특징 점수의 총합인 상기 식 3의 전체 특징점수(sum feature score) 및 전체 특징점수를 정규화한 상기 식 4의 정규화 특징점수(sum feature score′, 식에서 N은 평점의 만점에 해당하는 임의의 수)를 순차적으로 계산하고 테스트 데이터베이스에 저장하는 단계 및; ⅴ)상기 테스트 데이터베이스에서 해당 상품의 특징 및 정규화 특징점수를 추출하여 특징추출모듈에 도출하는 단계를 포함한다.

본 발명의 사용자 리뷰를 이용한 상품 평가 시스템 및 방법은 크게 크롤러와 리뷰 데이터 구축, 특징 추출 영역으로 구분할 수 있고, 크롤러 영역에서는 상품 비교 사이트로부터 상품의 이름, 분류, 리뷰, 평점을 수집한다. 리뷰 데이터 구축 영역에서는 형태소 분석 모듈을 통해 형태소 분석을 수행하며, 감성어 점수 부여 모듈을 통해 감성어 점수 부여를 수행하고, 점수 계산 모듈을 통해 각 문장의 점수와 특징의 점수를 계산한다. 다음으로 특징 추출 영역에서는 특징 추출 모듈을 통해 상품의 특징을 추출하게 된다.

테스트 데이터 집합을 확보하기 위하여 웹 페이지 테스트 도구를 이용하여 가격 비교 사이트에서 상품의 정보와 상품에 대해 사용자가 작성한 리뷰와 평점을 수집한다. 가격 비교 사이트는 온라인 쇼핑 시 이용되는 대표적인 쇼핑몰들의 리뷰와 평점을 종합해주는 사이트이기 때문에 비교적 많은 리뷰와 평점을 수집할 수 있다. 본 발명의 일실시예에서는 가격 비교사이트인 '비비'를 활용하였다. 사용자들은 다양한 상품에 대해 리뷰를 남기고 평점을 매겼고, 그중에서 특히 '가전/디지털' 항목에서 가장 많은 리뷰가 존재하여 '가전/디지털' 항목의 상품명, 세부 분류, 리뷰, 평점을 크롤러를 이용하여 크롤링한다. 크롤링하고자 하는 온라인 쇼핑몰 시스템에서 제공하는 리뷰가 '더 보기' 버튼과 같은 웹 브라우저 상의 액션이 이루어져야 모든 리뷰의 목록을 볼 수가 있다. 따라서 이러한 액션들을 자동으로 수행할 수 있는 웹 페이지 테스트 툴인 Selenium(SeleniumHQ Browser Automation (http://www.seleniumhq.org))을 이용하였다. 이 툴은 웹 페이지 내에 태그명이나 HTML 태그 내에 있는 텍스트를 크롤링하는 기능들이 포함되어 있어 실험의 테스트 데이터를 구축하는데 적합하다고 판단하였다. 크롤러는 Python 환경에서 상품의 URL을 통해 웹 브라우저를 실행시키고 HTML 태그명을 이용하여 상품의 이름, 상품의 분류, 리뷰, 평점을 수집한다. 이 과정에서 상품의 분류를 비교하여 '가전/디지털'에 해당하는 상품의 데이터만 수집한다.

그 다음, 크롤링하여 얻은 리뷰데이터에 대해서 형태소 분석기를 이용하여 형태소 분석을 수행하였다. 본 발명에 있어서 상기 형태소 분석기는 특별히 제한되는 것은 아니며, 본 발명의 실시예에서는 꼬꼬마 형태소 분석기(꼬꼬마 형태소 분석기 http://kkma.snu.ac.kr/)를 이용하였다. 꼬꼬마 형태소 분석기에서 분석하는 형태소의 품사 태그 표는 하기 표 1과 같다.

본 발명에서 제안하는 방법은 각 문장의 점수를 계산하여 상품의 특징에 대한 점수를 계산한다. 이때, 문장의 요소 중 역접어가 포함될 경우 두 개의 문장으로 간주하여 구분한다. 예를 들어, '-하고', '-는데', '-으나', '-지만' 같이 한 개의 문장안에서 긍정과 부정이 바뀔 수 있는 요소를 역접어라고 한다. '소음이 심하지 않고 디자인도 이쁘네요' 문장은 '않고'를 기준으로 소음에 대한 내용과 디자인에 대한 두 가지의 내용을 포함하는 문장이다. 마찬가지로, '가격은 비싸지만 배송은 빠릅니다.' 문장은 '-지만'을 기준으로 문장의 내용을 두 가지로 나눌 수 있다. 다음으로, 구분된 문장으로 형태소 분석을 하는 과정에서 비 단어(Nonword)를 판단한다. 예를 들어, 'ㅋㅋㅋ', '^^' 같은 뜻을 갖지 않는 비 단어이거나 특수기호들을 판단하여 제거한다.

본 발명에서는 형태소 분석으로 얻은 결과 20여개의 품사 중 명사만을 상품에 대한 특징으로 추출한다. 상기 명사는 상품의 특징이 되며, m 개(m은 10 이하의 자연수)를 선정한다. 상기 상품의 특징은 그 개수가 제한되는 것은 아니나, 본 발명자들이 복수의 상품에 대하여 통계적으로 살펴본 바 공통적으로 나타나는 숫자는 20개 이상인 경우가 드물고 카테고리화를 통해 10개 이하, 더욱 바람직하게는 5개 이하로 정할 수 있다. 또한, 형태소 분석으로 얻은 결과 중 형용사 및 부사를 감성을 나타낼 수 있는 품사로 판단하고 이를 감성어(Polarity)라 한다. 형태소 분석을 통해 감성어로 판단되는 형용사와 부사를 추출하여 긍정 및 부정의 정도를 '0∼1'사이의 점수로 점수화하고, 이는 극성을 나타내는 단어이므로 수식에서 'Polarity Score'라고 표기한다. 본 명세서에서는 Polarity Score를 형태소 분석을 통해 얻은 감성어를 종합하고, 이에 대하여 사용자 설문조사를 통해 긍정 및 부정의 정도를 수치화하였다. 구체적으로 해당 감성어에 대해서 사용자들이 느끼는 긍정 및 부정의 정도를 조사함으로써 리뷰를 작성한 사용자가 상품에 대해서 어느 정도의 긍정적 또는 부정적인 의도로 작성하였는지를 파악할 수 있다. 도 3은 크롤러를 이용하여 수집한 복수의 리뷰에서 감성어를 추출한 결과이다. 실험 환경 구축 시, 50여개의 상품의 리뷰와 평점을 차례로 수집하였고, 이 결과 얻어진 형용사 및 부사의 누적 개수는 도 3과 같이 100여개 에서 크게 증가 하지 않는 결과를 보였다. 따라서 본 발명에서는 상기 감성어의 개수를 통계적으로 의미가 있다고 보여지는 영역, 즉 100개의 감성어를 이용하여 설문조사를 하여 그 값을 결정하고 감성어 점수 데이터베이스에 저장을 하게 된다. 감성어에 대한 긍정 및 부정의 정도를 점수화하는 방법은 특별히 제한되지 않는다. 예컨대, 전술한 본 출원인의 대한민국 특허출원 제10-2015-0008803호에 개시된 바와 같이 (-)1 내지 +1 사이의 값으로 할 수도 있고, 백분율로 할 수도 있으며 0 내지 1 사이 값으로 할 수도 있다. 본 발명의 일실시예에서는 그 점수를 0 내지 1 사이 값으로 하였으며 극성을 의미하는 단어이므로 '폴라리티 스코어(Polarity Score)'라고도 한다. 각각의 리뷰에서 문장별로 추출된 감성어에 대하여 위와 같이 통계적으로 미리 선정한 n 개의 감성어(상기 n은 100 이하의 자연수) 및 상기 선정한 감성어에 대한 긍정 및 부정의 정도를 0 내지 1 범위의 값으로 그 점수를 저장한 감성어 점수 데이터베이스를 조회하여 감성어 점수를 구하게 된다. 도 5는 본 발명의 사용자 리뷰를 이용한 상품 평가 방법에 적용된 리뷰의 문장 구조와 감성어의 분류를 설명하기 위한 구성도이다. 본 발명의 사용자 리뷰를 이용한 상품 평가 방법에서는 도 5와 같은 구조로 문장분리와 해당 문장에 자리한 감성어의 선정이 이루어지게 된다.

감성어에 대한 점수를 조회한 후, 하기 식 1에 의해 도출되는 각 문장 점수(sentense score), 상기 각 문장 점수와 해당 리뷰에 주어진 평점을 곱한 후 상품 특징 출현빈도로 나눈 값인 상기 식 2로 정의되는 특징 점수(feature score), 상기 특징 점수의 총합인 상기 식 3의 전체 특징점수(sum feature score) 및 전체 특징점수를 정규화한 상기 식 4의 정규화 특징점수(sum feature score′, 식에서 N은 평점의 만점에 해당하는 임의의 수)를 순차적으로 계산하고 테스트 데이터베이스에 저장하는 단계를 포함한다. 각 문장 점수는 감성어 점수, 즉 Polarity Score의 평균값을 이용하여 하기 식 1과 같이 점수를 구하고, 두 번째 단계에서 사용자가 부여한 평점과 해당 리뷰에 등장하는 특징의 개수, 문장의 점수를 이용하여 특징의 점수를 계산한다. 다음으로, 특징 점수를 모두 합하여 각 특징의 총 점수를 계산하고, 마지막 단계에서 각 특징 점수의 최대값과 최소값을 이용하여 0∼N 사이의 값으로 정규화한다.

[식 1]

그 다음, 각 문장에 포함된 특징의 특징 점수(Feature Score)를 구한다. 각각의 문장에 출현하는 명사를 상품의 특징이라고 판단하고 그 특징에 대한 사용자들의 만족도를 Sentence Score와 상품의 평점을 이용하여 구한다. 특징에 대한 점수를 계산하는 식은 아래 식 2와 같다.

[식 2]

여기서 사용자 평점(User Grade)는 하나의 리뷰에 하나씩 존재하는 평점 혹은 별점을 나타내고 Count는 각 특징이 출현한 하나의 리뷰에서 특징이라고 판단되는 명사의 총 개수이다. 특징점수(Feature Score)를 구하는데 있어 User Grade를 해당 리뷰에 포함된 상품특징인 키워드(keyword)의 개수(Count)로 나누어줌으로써 해당 특징에 대해서는 어느 정도의 비중을 두고 평점을 남겼는지를 판단하고 특징에 대해 가중치를 부여한다.

특정 상품에 출현한 각 특징들의 총 점수는 전체 특징점수(Sum Feature Score)로 표시하고 각각의 리뷰에서 구한 Feature Score의 총 합을 아래와 같은 식 3으로 계산한다.

[식 3]

마지막으로 각 계산한 전체 특징점수(Sum Feature Score)는 아래와 같은 식 4를 이용하여 '0∼N' 사이의 값으로 정규화한다. 정규화 방식에는 최대-최소-정규화(Max-Min Normalization, ) 참조)를 이용하였다. 아래의 식에서 N의 값은 조정해줌으로써 0∼N 사이의 값으로 정규화한다. 하기 식에서 상기 N은 평점의 만점에 해당하는 숫자로, 100분율을 사용할 경우에는 100이되며, 일반적인 상품구매사이트나 상품평가사이트 평점시스템의 경우처럼 5가 될 수도 있다.

[식 4]

이하에서 예를 들어 본 발명을 더욱 상세히 설명한다.

상품의 대상을 '가정용 청소기'로 하여 예를 들어 보기로 한다. 가정용 청소기에 대해 크롤링을 통해 "배송도 빠르고, 디자인 색상 만족하구요, 흡입력도 좋으네요, 아쉬운 점은 연장선 연결 시엔 흡입력이 약한 감이 있네요∼!^^"와 같은 문장의 리뷰를 검색한 경우, 문장 분할을 하게 되면, [(배송도 빠르고), (디자인 색상 만족하구요), (흡입력도 좋으네요), (아쉬운 점은 연장선 연결 시엔 흡입력이 약한 감이 있네요∼!^^)]의 4개의 문장으로 분할된다. 분할된 이들 문장 중 "∼", "!" 및 "^^"은 형태소 분석 과정중 의미가 없는 것으로 보아 비단어에 해당하는 것으로 판단하여 이를 제거하게 된다. 그 후, 형태소 분석기를 이용하여 각각의 문장별로 상품 특징이 되는 명사와 상기 명사에 부속되는 감성어로 나눌 수 있으며, 그 결과는 도 4 및 하기 표 2과 같이 정리할 수 있다.

그 다음, 문장별로 추출된 감성어에 대하여 위와 같이 통계적으로 미리 선정한 100개의 감성어 및 상기 선정한 감성어에 대한 긍정 및 부정의 정도를 0 내지 1 범위의 값으로 그 점수를 저장한 감성어 점수 데이터베이스를 조회하여 감성어 점수를 구하게 된다. 예를 들어, 상기 표 2의 네 번째 문장을 예로 들면 '아쉬-', '약하-'라는 감성어가 각각 1회씩 출현하였고, 이에 대한 감성 분석 과정에서 정의한 Polarity Score가 각각 '0.2점', '0.1점'임을 알 수 있다. 하기 표 3은 상기 문장에 대한 감성어 점수를 조회한 결과이다.

그 후, 각 리뷰에 포함된 문장의 점수인 문장점수(Sentence Score)를 구한다. 전술한 바와 같이, 문장점수는 각 문장에 존재하는 감성을 나타내는 형용사 및 동사의 'Polarity Score'의 합을 감성어의 개수로 나누어 구한다. 예를 들어 표 2의 네 번째 문장을 예로 들면 '아쉬-', '약하-'라는 감성어가 각각 1회씩 출현하였고, 감성 분석 과정에서 정의한 Polarity Score가 각각 '0.2점', '0.1점'이면 Sentence Score는 아래 수식에 따라 (0.2+0.1)/2=0.15가 된다. 예를 들어 도 5와 같이 하나의 상품에 총 3개의 리뷰가 존재하고, 첫 번째 리뷰에는 4개의 문장, 두 번째는 3개의 문장, 세 번째 리뷰에는 5개의 문장이 존재하는 경우 총 12개 문장의 Sentence Score를 구하게 된다. Sentence Score는 각 문장에 존재하는 감성을 나타내는 형용사 및 동사의 'Polarity Score'의 합을 감성어의 개수로 나누어 구한다. 계산을 수행하면, 사용자가 부여한 평점은 4점, 이 리뷰에서 출현한 특징은 8개이고 '배송'이 속한 문장의 문장점수(Sentence Score)는 0.9점, '배송'의 특징점수(Feature Score)는 4.0×1/8×0.9=0.45가 된다. 이와 같은 계산을 모든 리뷰 및 그 문장에 대하여 수행하면 아래 표 4와 같은 결과를 얻는다.

이를 식 4와 같이 정규화(N=5)하고 출현빈도가 높은 순으로 상품 특성 및 정규화 특징점수를 내림차순으로 정리하면 그 결과는 하기 표 5와 같다. 표 5에서는 '배송'이라는 특징이 26회,'디자인'이라는 특징이 16회, '흡입력', '색상' 등의 순서로 정규화화한 별점을 보여준다.

Feature	count	별점
배송	26	5.0
디자인	16	1.25
흡입력	8	2.49
색상	8	1.74
가격	8	3.1
연장	2	0.93
선	2	0.31
연결	1	0.0

이와 같이, 사용자들이 남긴 리뷰에 출현하는 상품의 특징들을 사용자가 매긴 평점과 감성어에 대한 점수에 가중치를 부여한 특징점수로 점수화하여 제공함으로써 사용자들은 이전 상품 구매자들의 소감을 담은 리뷰를 수치화한 상품의 특징을 한눈에 파악할 수 있다.

앞에서 설명된 본 발명의 일실시예는 본 발명의 기술적 사상을 한정하는 것으로 해석되어서는 안 된다. 본 발명의 보호범위는 청구범위에 기재된 사항에 의하여만 제한되고, 본 발명의 기술분야에서 통상의 지식을 가진 자는 본 발명의 기술적 사상을 다양한 형태로 개량 변경하는 것이 가능하다. 따라서 이러한 개량 및 변경은 통상의 지식을 가진 자에게 자명한 것인 한 본 발명의 보호범위에 속하게 될 것이다.

Claims (6)

1. 웹으로부터 각 상품과 관련된 상품명, 상품분류, 리뷰 및 평점을 크롤링하는 크롤러와,;
   상기 크롤러로부터 수집한 리뷰에 대하여 문장으로 분할하고 비단어를 제거하며 각 문장에 대하여 상품 특징이 되는 m 개의 명사(상기 m은 10 이하의 자연수)와 상기 명사에 부속된 감성어인 형용사 및 부사를 추출하는 형태소 분석 모듈, 하기 감성어 점수 데이터베이스를 참조하여 상기 감성어에 대한 점수를 부여하는 감성어 점수 부여 모듈 및 하기 식 1에 의해 도출되는 각 문장 점수(sentense score), 상기 각 문장 점수와 해당 리뷰에 주어진 평점을 곱한 후 상품 특징 출현빈도로 나눈 값인 식 2로 정의되는 특징 점수(feature score), 상기 특징 점수의 총합인 하기 식 3의 전체 특징점수(sum feature score) 및 전체 특징점수를 정규화한 하기 식 4의 정규화 특징점수(sum feature score′, 식 4에서 N은 평점의 만점에 해당하는 수)를 계산하는 점수계산 모듈을 포함한 테스트 데이터 구축부와,;
   상기 상품의 특징이 되는 m 개의 명사(상기 m은 10 이하의 자연수) 및 상기 점수계산 모듈에서 계산된 점수를 저장하는 테스트 데이터베이스와,;
   상기 크롤러로부터 수집한 리뷰를 통해 통계적으로 미리 선정한 n 개의 감성어(상기 n은 100 이하의 자연수) 및 상기 선정한 감성어에 대한 긍정 및 부정의 정도를 0 내지 1 범위의 값으로 그 점수를 저장한 감성어 점수 데이터베이스 및;
   상기 테스트 데이터베이스에서 해당 상품의 특징 및 정규화 특징점수를 추출하여 결과를 도출하는 특징추출모듈을 포함한 사용자 리뷰를 이용한 상품 평가 시스템.
   [식 1]
   

   

   
   [식 2]
   

   

   
   [식 3]
   

   

   
   [식 4]
   

   
2. 제1항에 있어서,
   상기 감성어에 대한 긍정 및 부정의 정도를 0 내지 1 범위의 값으로 한 것은 사용자 설문조사를 통해 정한 것을 특징으로 한 사용자 리뷰를 이용한 상품 평가 시스템.
3. 제1항에 있어서,
   상기 특징추출모듈에 표시하는 상품 특징 및 정규화 특징점수는 상품 특징의 출현빈도를 기준으로 내림차순으로 표시한 것을 특징으로 한 사용자 리뷰를 이용한 상품 평가 시스템.
4. 제1항 내지 제3항 중 어느 한 항의 사용자 리뷰를 이용한 상품 평가 시스템을 이용하여,
   ⅰ)웹으로부터 각 상품과 관련된 상품명, 상품분류, 리뷰 및 평점을 크롤링하는 단계,;
   ⅱ)상기 크롤링한 리뷰에 대하여 문장으로 분할하고 비단어를 제거하며 각 문장에 대하여 상품 특징이 되는 m 개의 명사(상기 m은 10 이하의 자연수)와 상기 명사에 부속된 감성어인 형용사 및 부사를 추출하는 단계;
   ⅲ)상기 추출된 감성어에 대하여 통계적으로 미리 선정한 n 개의 감성어(상기 n은 100 이하의 자연수) 및 상기 선정한 감성어에 대한 긍정 및 부정의 정도를 0 내지 1 범위의 값으로 그 점수를 저장한 감성어 점수 데이터베이스를 조회하여 감성어 점수를 구하는 단계,;
   ⅳ)하기 식 1에 의해 도출되는 각 문장 점수(sentense score), 상기 각 문장 점수와 해당 리뷰에 주어진 평점을 곱한 후 상품 특징 출현빈도로 나눈 값인 식 2로 정의되는 특징 점수(feature score), 상기 특징 점수의 총합인 하기 식 3의 전체 특징점수(sum feature score) 및 전체 특징점수를 정규화한 하기 식 4의 정규화 특징점수(sum feature score′, 식에서 N은 평점의 만점에 해당하는 임의의 수)를 순차적으로 계산하고 테스트 데이터베이스에 저장하는 단계 및;
   ⅴ)상기 테스트 데이터베이스에서 해당 상품의 특징 및 정규화 특징점수를 추출하여 특징추출모듈에 도출하는 단계를 포함한 사용자 리뷰를 이용한 상품 평가방법.
   [식 1]
   

   

   
   [식 2]
   

   

   
   [식 3]
   

   

   
   [식 4]
   

   
5. 제4항에 있어서,
   상기 감성어에 대한 긍정 및 부정의 정도를 0 내지 1 범위의 값으로 한 것은 사용자 설문조사를 통해 정한 것을 특징으로 한 사용자 리뷰를 이용한 상품 평가 방법.
6. 제4항에 있어서,
   상기 특징추출모듈에 표시하는 상품 특징 및 정규화 특징점수는 상품 특징의 출현빈도를 기준으로 내림차순으로 표시한 것을 특징으로 한 사용자 리뷰를 이용한 상품 평가 방법.

Images