• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.01a
• /
• pp.31-33
• /
• 2022

쇼핑몰 리뷰 생성기는 사용자로 하여금 사용자를 대신해서 리뷰를 생성할 수 있는 기술이고, 옷 상태, 배송 상태, 사이즈와 관련된 세 가지의 카테고리를 이용하여 부분마다 점수를 부여하여 점수에 맞는 리뷰를 생성할 수 있도록 하는 기술이다. 해당 리뷰 생성기는 점수마다 생성되는 리뷰가 달라지기 때문에 다양한 리뷰 생성을 원하는 웹, 앱 쇼핑몰 사이트에서 적용이 가능한 기술이다. 본 논문에서는 KoGPT2를 이용한 리뷰 생성과 카테고리와 점수에 따른 다르게 생성되는 리뷰의 방식을 제안한다. 그리고 두 방식을 결합한 리뷰 생성의 방식을 제안한다. 제안하는 방식들은 카테고리고리 마다 학습하는 모델을 다르게 적용하고 있다.

• Information Systems Review
• /
• v.23 no.3
• /
• pp.127-158
• /
• 2021

Many online travel agencies (OTAs) provide average ratings and time-relevant information or the most recently posted reviews regarding hotels to satisfy customers. To identify these two factors' relative influence on behavioral decision-making processes, we conducted two studies: (1) an experimental research design to explore the relative influence of the two on online review consumption and (2) an empirical approach to examine their relative impact on online review generation. The results show that when review posters observe an inconsistency between average ratings and recent reviews, they tend to deviate from the recent reviews regardless of the overall direction (reactance behavior). Meanwhile, review consumers tend to conform to the opinions presented in recent reviews (herding behavior). Additionally, in both cases, the effects are amplified in case of a negative aberration. Based on the findings, this study provides theoretical and practical implications regarding the relative influences of average rating and recently posted reviews and their different impacts on online review consumption and generation.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.745-747
• /
• 2023

여러 분야에서 인공지능 모델을 활용한 추천 방법들이 많이 사용되고 있다. 본 논문에서는 관광지의 대중적이고 정확한 추천을 위해 GPT-3 와 같은 생성 모델로 생성한 가상의 리뷰 문장을 통해 KoBERT 모델을 학습했다. 생성한 데이터를 통한 KoBERT 의 학습 정확도는 0.98, 테스트 정확도는 0.81 이고 실제 관광지별 리뷰 데이터를 활용해 관광지를 분류했다.

• Journal of Intelligence and Information Systems
• /
• v.28 no.4
• /
• pp.347-364
• /
• 2022

Fraudulent companies or sellers strategically manipulate reviews to influence customers' purchase decisions; therefore, the reliability of reviews has become crucial for customer decision-making. Since customers increasingly rely on online reviews to search for more detailed information about products or services before purchasing, many researchers focus on detecting manipulated reviews. However, the main problem in detecting manipulated reviews is the difficulties with obtaining data with manipulated reviews to utilize machine learning techniques with sufficient data. Also, the number of manipulated reviews is insufficient compared with the number of non-manipulated reviews, so the class imbalance problem occurs. The class with fewer examples is under-represented and can hamper a model's accuracy, so machine learning methods suffer from the class imbalance problem and solving the class imbalance problem is important to build an accurate model for detecting manipulated reviews. Thus, we propose an OpenAI-based reviews generation model to solve the manipulated reviews imbalance problem, thereby enhancing the accuracy of manipulated reviews detection. In this research, we applied the novel autoregressive language model - GPT-3 to generate reviews based on manipulated reviews. Moreover, we found that applying GPT-3 model for oversampling manipulated reviews can recover a satisfactory portion of performance losses and shows better performance in classification (logit, decision tree, neural networks) than traditional oversampling models such as random oversampling and SMOTE.

• Knowledge Management Research
• /
• v.24 no.4
• /
• pp.153-176
• /
• 2023

Generative AI, especially conversational AI like ChatGPT, has recently gained traction as a technological alternative for automating customer service. However, there is still a lack of research on whether current generative AI technologies can effectively replace traditional human managers in customer service automation, and whether they are advantageous in some situations and disadvantageous in others, depending on the conditions and environment. To answer the question, "Can generative AI replace human managers in customer service activities?", this study conducted experiments and surveys on customer online reviews of a food delivery platform. We applied the perspective of the elaboration likelihood model to generate hypotheses about whether there is a difference between positive and negative online reviews, and analyzed whether the hypotheses were supported. The analysis results indicate that for positive reviews, generative AI can effectively replace human managers. However, for negative reviews, complete replacement is challenging, and human managerial intervention is considered more desirable. The results of this study can provide valuable practical insights for organizations looking to automate customer service using generative AI.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.01a
• /
• pp.231-232
• /
• 2021

본 논문에서는 딥러닝 모델 중 Keras 기반 LSTM 모델과 KoGPT-2 모델을 이용하여 학습한 결과를 바탕으로 카테고리 별 키워드 기반의 배달 음식점 리뷰를 생성하는 방법을 제안한다. 데이터는 주로 맛, 양, 배달, 가격으로 구성되어 있으며 이를 카테고리 별로 구분하였다. 또한 새롭게 생성된 텍스트는 의미와 문맥을 판단하여 기존 리뷰 데이터와 비슷하게 구현하였다. 모델마다 성능을 비교하기 위해 정량적, 정성적 평가를 진행하였다.

• KIISE Transactions on Computing Practices
• /
• v.22 no.7
• /
• pp.338-343
• /
• 2016

Today, opinion reviews on the Web are often used as a means of information exchange. As the importance of opinion reviews continues to grow, the number of issues for opinion spam also increases. Even though many research studies on detecting spam reviews have been conducted, some limitations of gold-standard datasets hinder research. Therefore, we introduce a new dataset called "Paraphrased Opinion Spam (POS)" that contains a new type of review spam that imitates truthful reviews. We have noticed that spammers refer to existing truthful reviews to fabricate spam reviews. To create such a seemingly truthful review spam dataset, we asked task participants to paraphrase truthful reviews to create a new deceptive review. The experiment results show that classifying our POS dataset is more difficult than classifying the existing spam datasets since the reviews in our dataset more linguistically look like truthful reviews. Also, training volume has been found to be an important factor for classification model performance.

• Journal of KIISE
• /
• v.45 no.2
• /
• pp.126-133
• /
• 2018

The recommender system (RS) has emerged as a solution to overcome the constraints of excessive information provision and to maximize profit and reputation for information providers. Although the RS can be implemented with various approaches, there is no study on how to appropriately utilize the information generated from the review of the recommended object. We propose a method to improve the performance of RS by using cluster information generated from online review. We implemented the proposed method and experimented with real data, and confirmed that the performance is significantly improved compared to the existing approaches.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.433-438
• /
• 2021

대화 시스템은 크게 사용자와 시스템이 특정 목적 혹은 자유 주제에 대해 대화를 진행하는 것으로 구분된다. 최근 자유주제 대화 시스템(Open-Domain Dialogue System)에 대한 연구가 활발히 진행됨에 따라 자유 주제를 기반으로 하는 상담 대화, 일상 대화 시스템의 독성 발화 제어 생성에 대한 연구의 중요성이 더욱 커지고 있다. 이에 본 논문에서는 대화 모델의 독성 응답 생성을 제어하기 위해 일상 대화 데이터셋으로 학습된 BART 모델에 Plug-and-Play Language Model 방법을 적용한다. 공개된 독성 대화 분류 데이터셋으로 학습된 독성 응답 분류기를 PPLM의 어트리뷰트(Attribute) 모델로 활용하여 대화 모델의 독성 응답 생성을 감소시키고 그 차이를 실험을 통해 정량적으로 비교한다. 실험 결과 어트리뷰트 모델을 활용한 모든 실험에서 독성 응답 생성이 감소함을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.04a
• /
• pp.993-996
• /
• 2015

인터넷 블로그를 이용한 맛집 마케팅은 외식 산업에서 상당한 영향력을 발휘하고 있다. 사람들은 블로그를 이용해 많은 맛집 리뷰를 작성 및 검색하고 있다. 그런데 사람들이 맛집 리뷰를 검색하면, 검색 엔진에서는 검색어에 대한 정확도 및 시간순으로 검색 결과를 정렬해 주기 때문에 같은 식당에 대한 포스트들이 분산되어 검색된다. 따라서 사람들은 수많은 맛집 리뷰가 섞여있는 검색 결과를 보고 그중 한 식당을 선택하는 것에 어려움을 느낄 수 있다. 이때, 같은 식당에 대한 리뷰를 모아서 보여준다면 어떤 식당에 대한 리뷰가 존재하는지 일목요연하게 볼 수 있으며, 한 식당에 대한 다양한 의견을 참고하여 가고자 하는 식당을 선택하는데 도움이 된다. 따라서 본 논문에서는 블로그의 맛집 포스트를 클러스터링 하는 시스템을 제안하였다. 시스템을 통해 생성된 클러스터의 평가 결과, 정확률, 난수 색인, 순수도는 90% 이상의 높은 값을 보였다.