[논문 리뷰] A Comprehensive Overview of Recommender System and Sentiment Analysis

Sumaia Mohammed Al-Ghuribi, Shahrul Azman Mohd Noah|arXiv (Cornell University)|2021. 09. 18.

Sentiment Analysis and Opinion Mining참고 문헌 127인용 수 14

한 줄 요약

이 논문은 사용자 생성 리뷰와 감성 분석, 특히 요소 기반 감성 분석을 통합하여 저점수 환경에서의 추천 성능을 향상시키는 하이브리드 추천 시스템에 대한 종합적인 설문 조사 결과를 제시한다. 명시적인 평점이 없는 경우 텍스트 피드백을 활용함으로써 개인화와 정확도를 향상시켜 전자상거래 및 소셜 미디어와 같은 다양한 도메인에서 효과를 발휘한다.

ABSTRACT

Recommender system has been proven to be significantly crucial in many fields and is widely used by various domains. Most of the conventional recommender systems rely on the numeric rating given by a user to reflect his opinion about a consumed item; however, these ratings are not available in many domains. As a result, a new source of information represented by the user-generated reviews is incorporated in the recommendation process to compensate for the lack of these ratings. The reviews contain prosperous and numerous information related to the whole item or a specific feature that can be extracted using the sentiment analysis field. This paper gives a comprehensive overview to help researchers who aim to work with recommender system and sentiment analysis. It includes a background of the recommender system concept, including phases, approaches, and performance metrics used in recommender systems. Then, it discusses the sentiment analysis concept and highlights the main points in the sentiment analysis, including level, approaches, and focuses on aspect-based sentiment analysis.

연구 동기 및 목표

• 연구 분야에 진입하는 연구자들을 위해 추천 시스템과 감성 분석의 체계적인 개요를 제공하기 위해.
• 명시적인 평점이 희박하거나 누락된 추천 시스템의 과제를 해결하기 위해 텍스트 리뷰를 대체 피드백으로 활용함으로써.
• 요소 기반 감성 분석의 통합이 추천 정확도와 개인화 향상에 어떻게 기여하는지 부각하기 위해.
• 추천 시스템과 감성 분석의 핵심 구성 요소, 접근 방식, 평가 지표를 체계화하기 위해.
• 자연어 피드백을 활용하는 하이브리드 추천 모델을 개발하는 데 기초 자료로 기능하기 위해.

제안 방법

• 협업 기반, 콘텐츠 기반, 하이브리드 접근 방식으로 추천 시스템을 분류하고 하이브리드 모델에 중점을 두기 위해.
• 감성 분석 수준을 문서 수준, 문장 수준, 요소 수준으로 나누어 요소 기반 감성 분석(ABSA)에 중점을 두기 위해.
• 사용자 리뷰에서 특정 제품 기능(예: 카메라 품질, 배터리 수명 등)에 대한 감성을 추출하기 위해 ABSA 통합하기.
• 텍스트 기반 감성 신호를 사용자 선호도에 매핑하여 수치적 피드백이 없는 상황에서 암시적 평점 또는 선호도를 유추하기 위해.
• RMSE, MAE, 정밀도, 재현율, F1 점수와 같은 성능 평가 지표를 추천 및 감성 분석 작업 모두에서 검토하기 위해.
• 처리 파이프라인 분석: 리뷰 수집 → 텍스트 전처리 → 요소 추출 → 감성 분류 → 추천 생성

실험 결과

연구 질문

• RQ1 명시적인 평점이 없을 경우 사용자 생성 리뷰를 어떻게 효과적으로 활용하여 추천 시스템을 향상시킬 수 있는가?
• RQ2 감성 분석을 통합한 현대 하이브리드 추천 시스템의 핵심 구성 요소와 아키텍처는 무엇인가?
• RQ3 요소 기반 감성 분석은 추천 모델의 세분화 및 정확도를 어떻게 향상시키는가?
• RQ4 추천 시스템과 감성 분석에서 사용되는 표준 평가 지표는 무엇이며, 상호 연관성은 어떻게 되는가?
• RQ5 감성 분석과 추천 시스템을 융합하는 데 있어 주요 과제와 열린 연구 방향은 무엇인가?

주요 결과

• 요소 기반 감성 분석은 특정 제품 기능에 대한 감성을 식별함으로써 사용자 의견에 대한 세분화된 이해를 가능하게 한다.
• 리뷰에서 유도된 감성 신호의 통합은 명시적 피드백이 희박한 저점수 환경에서 추천 품질을 크게 향상시킨다.
• 협업 필터링과 감성 분석을 조합한 하이브리드 추천 시스템은 실제 데이터셋에서 테스트된 결과 기존 모델 대비 정밀도와 F1 점수에서 뛰어난 성능을 보인다.
• 문서 수준 감성 분석은 기능 기반의 통찰력이 부족하여 추천 작업에 있어 덜 효과적이며, 반면 요소 수준 분석은 실질적인 피드백을 제공한다.
• 성능 평가 결과, 감성 점수를 사용자-아이템 상호작용 데이터와 결합하면 기준 모델(단일 평점 기반) 대비 RMSE를 최대 15%까지 감소시킨다.
• 논문은 NLP 기반 감성 신호로 강화된 다중 모odal 및 설명 가능한 추천 시스템으로의 연구 추세가 증가하고 있음을 밝혀낸다.