Cloud Service Evaluation Techniques Using User Feedback based on Sentiment Analysis

감정 분석 기반의 사용자 피드백을 이용한 클라우드 서비스 평가 기법

  • 윤동규 (부산대학교 전기전자컴퓨터공학과) ;
  • 김웅수 (부산대학교 전기전자컴퓨터공학과) ;
  • 박준석 (부산대학교 물류혁신네트워킹연구소) ;
  • 염근혁 (부산대학교 전기컴퓨터공학부)
  • Published : 2018.09.30

Abstract

As cloud computing has emerged as a hot trend in the IT industry, various types of cloud services have emerged. In addition, cloud service broker (CSB) technology has emerged to alleviate the complexity of the process of selecting the desired service that user wants among the various cloud services. One of the key features of the CSB is to recommend the best cloud services to users. In general, CSB can use a method to evaluate a service by receiving feedback about a service from users in order to recommend a cloud service. However, since each user has different criteria for giving a rating, there is a problem that reliability of service evaluation can be low when the rating is only used. In this paper, a method is proposed to supplement evaluation of rating based service by applying machine learning based sentiment analysis to cloud service user's review. In addition, the CSB prototype is implemented based on proposed method. Further, the results of comparing the performance of various learning algorithms is proposed that can be used for sentiment analysis through experiments using actual cloud service review as learning data. The proposed service evaluation method complements the disadvantages of the existing rating-based service evaluation and can reflect the service quality in terms of user experience.

클라우드 컴퓨팅이 IT 업계의 화두로 부상하면서 다양한 유형의 클라우드 서비스들이 나타났고, 다수의 클라우드 서비스들 중 사용자가 원하는 서비스를 선택하는 과정의 복잡성을 해소하기 위해 클라우드 서비스 브로커 기술이 (Cloud Service Broker, CSB)등장하였다. CSB의 핵심적인 기능 중 하나는 사용자에게 최적의 클라우드 서비스를 추천해주는 것이다. 일반적으로 CSB에서 클라우드 서비스 추천을 위해 서비스 사용자들로부터 서비스에 대한 평점을 피드백으로 받아 서비스를 평가하는 방법을 사용할 수 있다. 그러나 사용자마다 평점을 매기는 기준이 다양하므로 평점만으로 서비스를 평가하기에는 신뢰도가 떨어진다는 문제점이 존재한다. 본 논문에서는 클라우드 서비스 사용자의 리뷰에 기계 학습 기반의 감정 분석(Sentiment Analysis) 기법을 적용하여 평점 기반 서비스 평가를 보완하는 방법과 이를 적용하여 구현한 CSB의 프로토타입을 제시한다. 또한 실제 클라우드 서비스 리뷰를 학습 데이터로 사용한 실험을 통해 감정분석에 사용될 수 있는 여러 학습 알고리즘의 성능을 비교한 결과를 제시한다. 본 논문에서 제안하는 서비스 평가 기법은 기존의 평점 기반 서비스 평가의 단점을 보완하며 사용자 경험 측면의 서비스 품질을 반영할 수 있다.

Keywords

References

  1. NIST Cloud Computing Standards Roadmap, https://www.nist.gov/sites/default/files/documents/itl/cloud/NIST_SP-500-291_Version-2_2013_June18_FINAL.pdf
  2. Ja-Ryoung Choi, Jungsoo Hwang and Soon-Bum Lim, "Design of User Feedback Interface for Dynamic Updating of E-Book Content", International Journal of Multimedia and Ubiquitous Engineering, Vol. 10, No. 11, pp. 359-368, 2015.
  3. Emitza Guzman and Walid Maalej, "How Do Users Like This Feature? A Fine Grained Sentiment Analysis of App Review", IEEE 22nd International Requirements Engineering Conference, pp. 153-162, 2014.
  4. 이태원, 홍태호, "Support Vector Machine을 이용한 온라인 리뷰의 용어기반 감성분류모형", Information Systems Review, 제 17권 1호, pp. 49-64, 2015. https://doi.org/10.14329/isr.2015.17.1.049
  5. Lie Qu, Yan Wang and Mehmet A Orgun, "Cloud Service Selection Based on the Aggregation of User Feedback and Quantitative Performance Assessment", IEEE International Conference on Services Computing, pp. 152-159, 2013.
  6. https://youtube.googleblog.com/2009/09/five-stars-dominate-ratings.html
  7. Walaa Medhat, Ahmed Hassan and Hoda Korashy, "Sentiment analysis algorithms and applications: A survey", Ain Shams Engineering Journal, Vol. 5, No. 4, pp. 1093-1113, 2014. https://doi.org/10.1016/j.asej.2014.04.011
  8. Asma Musabah Alkalbani, Ahmed Mohamed Ghamry, Farookh Khadeer Hussain and Omar Khadeer Hussain, "Blue Pages: Software as a Service Data Set", IEEE International Conference on Broadband and Wireless Computing, Communication and Applications, pp. 269-274, 2015.