• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제65차 동계학술대회논문집 30권1호
• /
• 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.

• 경영정보학연구
• /
• 제23권3호
• /
• pp.127-158
• /
• 2021

많은 온라인 여행 대행사(OTA; online travel agencies)들은 고객 만족을 위해 호텔에 대하여 평균 평점과 함께 가장 최근에 게시된 리뷰 정보를 제공하고 있다. 이 두 가지 정보(평균 평점 및 최근 게시된 리뷰)가 행동 의사 결정 과정에 미치는 상대적 영향을 확인하기 위해, 본 논문에서는 두 가지 연구를 수행하였다. 첫째로, 실험 연구 설계를 사용하여 온라인 리뷰 소비에서 두 가지 정보의 상대적 영향을 조사하였고, 둘째로, 온라인 리뷰 생성에 대한 상대적 영향을 경험적 접근방식을 통해 확인하였다. 분석 결과, 리뷰 생성의 경우, 사람들은 평균 평점과 최근 리뷰의 불일치를 관찰할 때(일시적 이상현상이 있을 때), 방향에 관계없이 최근 리뷰에서 벗어나려는 경향(반응 행동)을 보였다. 한편, 리뷰소비자는 일시적 이상 현상에서 최근 게시된 리뷰의 의견에 순응하려는 경향(군집 행동)을 보였다. 그리고 두 경우 모두, 최근 게시된 리뷰가 부정적일 때 그 효과가 커짐을 확인하였다. 이 결과를 바탕으로, 본 연구는 평균 평점과 최근 게시된 리뷰라는 두 가지 정보 사이의 상대적 영향과 이들이 온라인 리뷰 소비와 생성에 미치는 다른 영향에 대한 이론적 및 실제적 시사점을 제공하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• 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.

• 지능정보연구
• /
• 제28권4호
• /
• pp.347-364
• /
• 2022

고객의 구매 의사결정에 영향을 주는 온라인 리뷰의 부적절한 조작을 통해 이익을 얻고자 하는 기업 또는 온라인 판매자들 때문에, 리뷰의 신뢰성은 온라인 거래에서 매우 중요한 이슈가 되었다. 온라인 쇼핑몰 등에서 온라인 리뷰에 대한 소비자들의 의존도가 높아짐에 따라 많은 연구들이 조작된 리뷰를 탐지하는 방법에 개발하고자 하였다. 기존의 연구들은 온라인 리뷰를 기반으로 정상 리뷰와 조작된 리뷰를 대상으로 기계학습으로 이용함으로써 조작된 리뷰를 탐지하는 모형을 제시하였다. 기계학습은 데이터를 이용하여 이진분류 문제에서 탁월한 성능을 보여왔으나, 학습에 충분한 데이터를 확보할 수 있는 환경에서만 이러한 성능을 기대할 수 있었다. 조작된 리뷰는 학습용으로 사용할 수 있는 데이터가 충분하지 못하며, 이는 기계학습이 충분한 학습을 할 수 없다는 치명적 약점으로 내포하게 된다. 본 연구에서는 기계학습이 불균형 데이터 셋으로 인한 학습의 저하를 방지할 수 있는 방안으로 부족한 조작된 리뷰를 인공지능을 이용하여 생성하고 이를 기반으로 균형된 데이터 셋에서 기계학습을 학습하여 조작된 리뷰를 탐지하는 방안을 제시하였다. 파인 튜닝된 GPT-3는 초거대 인공지능으로 온라인 플랫폼의 리뷰를 생성하여 데이터 불균형 문제를 해결하는 오버샘플링 접근방법으로 사용되었다. GPT-3로 생성한 온라인 리뷰는 기존 리뷰를 기반으로 인공지능이 작성한 리뷰로써, 본 연구에서 사용된 로짓, 의사결정나무, 인공신경망의 성능을 개선시키는 것을 SMOTE와 단순 오버샘플링과 비교하여 실증분석을 통해서 확인하였다.

• 지식경영연구
• /
• 제24권4호
• /
• pp.153-176
• /
• 2023

최근 생성형 AI, 특히 ChatGPT와 같은 대화형 인공지능이 고객 서비스를 자동화하는 기술적 대안으로 주목받고 있다. 그러나 고객 서비스 자동화에 있어 현재의 생성형 AI 기술이 기존 인간 관리자를 효과적으로 대체할 수 있는지, 조건이나 환경에 따라 어떤 상황에서는 유리하고 다른 상황에서는 불리한지에 대한 연구는 아직 충분히 이루어지지 않은 상태이다. 이러한 배경에서 본 연구는 "고객 서비스 활동과 관련하여 생성형 AI가 인간 관리자를 대체할 수 있는가?"라는 질문에 답하기 위해, 음식 배달 플랫폼의 고객 온라인 리뷰에 대한 실험과 설문조사를 수행하였다. 또한 고객의 온라인 리뷰가 긍정적일 때와 부정적일 때에 따라 차이가 있는지 정교화 가능성 모델의 관점을 적용하여 가설을 도출하고 해당 가설이 지지되는지를 분석을 통해 확인하였다. 분석 결과, 긍정적인 리뷰에 대해서는 생성형 AI가 인간 관리자를 효과적으로 대체할 수 있지만, 부정적인 리뷰에 대해서는 완벽한 대체가 어려워 인간 관리자의 개입이 더 바람직한 것으로 확인되었다. 이러한 본 연구의 결과는 생성형 AI를 이용하여 고객 서비스 자동화하고자 하는 기업들에게 유의미한 실무적인 통찰을 제공해 줄 수 있을 것이다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제63차 동계학술대회논문집 29권1호
• /
• 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.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제22권7호
• /
• pp.338-343
• /
• 2016

웹이 정보 교환의 주된 수단으로 사용되면서, 온라인 리뷰의 중요도가 증가하는 동시에 사용자의 올바른 의사결정을 저해하는 의견 스팸 이슈가 부각되고 있으며, 관련 연구가 활발하게 진행되고 있다. 하지만 분석 및 학습에 필요한 기준 데이터셋의 부족함과 한계점들은 관련 연구의 발전을 더디게 하고 있다. 본 논문에서는 사실 리뷰를 모사한 새로운 형태의 Paraphrased Opinion Spam(POS) 데이터셋을 소개한다. 우리는 실제 스패머들이 스팸을 작성할 때 실제 리뷰를 참고한다는 경향에 착안하여, 실제 리뷰어들이 작성한 리뷰를 의역하는 과정을 통하여 본문에 포함되어 있는 사실 정보와 경험을 담은 스팸 데이터 셋을 생성하였다. 실험 결과, 새롭게 생성된 POS 데이터셋이 언어학적으로 실제 리뷰들과 유사하여 스팸 분류 모델을 이용하여 분류 시 기존의 데이터셋들보다 더 분류하기 힘들다는 것을 발견했다. 또한 데이터의 학습량에 따라서 스팸 리뷰의 분류 정확도가 비례적으로 증가하는 것을 확인함으로써, 데이터의 양이 스팸 분류 모델 성능에 중요한 요소로 작용한다는 것을 확인할 수 있었다.

• 정보과학회 논문지
• /
• 제45권2호
• /
• pp.126-133
• /
• 2018

추천 시스템은 과도한 정보제공으로 인한 정보 수용자의 결정 제약을 극복하고, 정보 제공자에게는 이윤과 평판을 최대화 시킬 수 있는 해결책으로 등장하였다. 추천 시스템은 다양한 접근법으로 구현이 가능하지만, 추천 대상 객체의 리뷰에서 생성되는 다양한 소셜 정보를 적절히 활용하는 방안은 연구되지 못하였다. 본 논문에서는 기존의 접근법과는 다르게 온라인 리뷰에서 생성되는 클러스터 정보를 이용하여 추천 시스템의 성능을 향상시키는 방식을 제안하였다. 제안하는 방식을 구현하고 실제 데이터를 활용하여 실험한 결과 기존의 방식들보다 성능이 월등히 향상됨을 확인하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2021년도 제33회 한글 및 한국어 정보처리 학술대회
• /
• 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.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 춘계학술발표대회
• /
• 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.