Acknowledgement
본 연구는 정부(식품의약품안전처)의 출연연구사업 지원을 받아 수행된 연구임(과제고유번호 : KMDF-RnD 21163수입안517-1)
References
- 식품안전정보원. (2022). 부정.불량식품 소비자신고 동향보고서.
- 이상아, 장한솔, 백연미, 박수지, & 신효필. (2020). A small-scale Korean-specific BERT language model. Journal of KIISE, 47(7), 682-692. https://doi.org/10.5626/JOK.2020.47.7.682
- 안정국 & 김희웅. (2015). 집단지성을 이용한 한글 감성어 사전 구축. 지능정보연구, 21(2), 49-67. https://doi.org/10.13088/jiis.2015.21.2.49
- 소진수 & 신판섭. (2020). 음식점 리뷰 감성분석을 통한 세부 평가항목별 평점 예측. 한국컴퓨터정보학회논문지, 25(6), 81-89.
- 최혜선 & 연규필. (2022). A case study on text analysis using meal kit product review data. 한국콘텐츠학회논문지, 22(5), 1-14. https://doi.org/10.5392/JKCA.2022.22.05.001
- 최준영 & 임희석. (2020). 자연어처리 모델을 이용한 이커머스 데이터 기반 감성 분석 모델 구축. 한국융합학회논문지, 11(11), 33-39. https://doi.org/10.15207/JKCS.2020.11.11.033
- 정재윤, 모경현, 서승완, 김창엽, 김해동, & 강필성. (2018). 워드 임베딩과 단어 네트워크분석을 활용한 비지도학습 기반의 문서 다중범주 가중치 산출. 대한산업공학회지, 44(6), 442-451. https://doi.org/10.7232/JKIIE.2018.44.6.442
- Shin Bee, Ryu Sohee, Kim Yongjun, & Kim Dongwhan.(2022). Analysis on review data of restaurants in Google Maps through text mining: Focusing on sentiment analysis. Journal of Multimedia Information System, 9(1), 61-68. https://doi.org/10.33851/JMIS.2022.9.1.61
- M. I. Hossain Junaid, F. Hossain, U. S. Upal, A. Tameem, A. Kashim and A. Fahmin, "Bangla Food Review Sentimental Analysis using Machine Learning," 2022 IEEE 12th Annual Computing and Communication Workshop and Conference (CCWC), Las Vegas, NV, USA, 2022, pp. 0347-0353, doi: 10.1109/CCWC54503.2022.9720761.
- N. Islam, N. Akter and A. Sattar, "Sentiment Analysis on Food Review using Machine Learning Approach," 2021 International Conference on Artificial Intelligence and Smart Systems (ICAIS), Coimbatore, India, 2021, pp. 157-164, doi: 10.1109/ICAIS50930.2021.9395874.
- 정민경, 권지윤, 이재우, 이유나, & 이새봄. (2021). 텍스트마이닝을 활용한 식품유통 플랫폼에 대한 소비자 인식 분석 - 토픽모델링 기법을 중심으로. 외식경영연구, 24, 71-100. https://doi.org/10.47584/jfm.2021.24.7.71
- 백세희, 김세형, 배미란, & 강주영. (2022). 제주시의 지속가능한 여행 활성화를 위한 지역화폐 '탐나는전' 가맹점의 리뷰 데이터 분석. 한국빅데이터학회 학회지, 7(2), 113-128. https://doi.org/10.36498/KBIGDT.2022.7.2.113
- Tang, T., Tang, X., & Yuan, T. (2020). Fine-tuning BERT for multi-label sentiment analysis in unbalanced code-switching text. IEEE Access, 8, 193248-193256.
- 노동훈, 민재옥, & 우소연. (2024). 특허상담자동분류의 성능 향상 방안 연구: 트랜스포머 기반 인공지능 모델 버트(BERT)를 활용. 지식재산연구, 19(1), 159-177. https://doi.org/10.34122/jip.2024.19.1.7
- 이원민, & 온병원. (2021). 감성 및 감정 단어 마스킹 기반 BERT와 GPT 파이프라인 방식을 통한 감정 문장 생성. 한국정보기술학회논문지, 19(9), 29-40. https://doi.org/10.14801/jkiit.2021.19.9.29
- Peskine, Y., Korencic, D., Grubisic, I., Papotti, P., Troncy, R., & Rosso, P. (2023). Definitions matter: Guiding GPT for multi-label classification. Findings of the Association for Computational Linguistics: EMNLP 2023, pp. 4054-4063. https://doi.org/10.18653/v1/2023.findingsemnlp.267
- Yang, S., Shang, Z., Wang, Y., Deng, D., Chen, H., Cheng, Q., & Wu, X. (2024). Data-free multi-label image recognition via LLM-powered prompt tuning. arXiv preprint arXiv:2403.01209.
- 서혜진, & 신정아. (2020). 딥러닝을 활용한 감정 분석 과정에서 필요한 데이터 전처리 및 형태 변형. 영어학, 20, 42-63.
- https://github.com/kiyoungkim1/LMkor/blob/main/README.md
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. arXiv preprint arXiv:1810.04805v2. https://doi.org/10.48550/arXiv.1810.04805