[논문 리뷰] A framework to discover potential ideas of new product development from crowdsourcing application

Thanh-Cong Dinh, Hyerim Bae외 2명|arXiv (Cornell University)|2015. 02. 25.

Open Source Software Innovations참고 문헌 45인용 수 6

한 줄 요약

이 논문은 텍스트 마이닝과 온라인 학습을 활용하여 커뮤니티 기반 제안에서 잠재력이 높은 제품 아이디어를 반자동으로 식별하는 프레임워크를 제안한다. 텍스트 패턴을 추출하고 사용자 투표와 댓글을 기반으로 아이디어 품질을 평가함으로써, 실제 커뮤니티 기반 데이터를 바탕으로 검증된 바에 따르면 수작업의 양을 크게 줄이고 신제품 개발(NPD) 아이디어 도출 과정의 효율성을 향상시킨다.

ABSTRACT

In this paper, we study idea mining from crowdsourcing applications which encourage a group of people, who are usually undefined and very large sized, to generate ideas for new product development (NPD). In order to isolate the relatively small number of potential ones among ideas from crowd, decision makers not only have to identify the key textual information representing the ideas, but they also need to consider online opinions of people who gave comments and votes on the ideas. Due to the extremely large size of text data generated by people on the Internet, identifying textual information has been carried out in manual ways, and has been considered very time consuming and costly. To overcome the ineffectiveness, this paper introduces a novel framework that can help decision makers discover ideas having the potential to be used in an NPD process. To achieve this, a semi-automatic text mining technique that retrieves useful text patterns from ideas posted on crowdsourcing application is proposed. Then, we provide an online learning algorithm to evaluate whether the idea is potential or not. Finally to verify the effectiveness of our algorithm, we conducted experiments on the data, which are collected from an existing crowd sourcing website.

연구 동기 및 목표

• 대규모이고 정의되지 않은 커뮤니티로부터 온 비정형 아이디어의 막대한 양을 수작업으로 걸러내는 데 도전하는 데 대비하기 위해.
• 커뮤니티 기반 콘텐츠에서 의미 있는 제품 아이디어를 나타내는 핵심 텍스트 패턴을 자동으로 식별하기 위해.
• 사용자가 생성한 피드백(투표와 댓글)을 아이디어 잠재력 평가에 통합하기 위해.
• 시간이 지남에 따라 아이디어 품질을 동적으로 평가할 수 있는 온라인 학습 알고리즘을 개발하기 위해.

제안 방법

• 반자동 텍스트 마이닝 기법을 통해 커뮤니티 기반 플랫폼에 게시된 아이디어에서 유용한 텍스트 패턴을 추출한다.
• 언어적 패턴과 의미적 내용을 분석하여 아이디어 기술서의 주요 특징을 식별한다.
• 진행 중인 사용자 피드백(투표와 댓글)을 기반으로 아이디어 잠재력을 지속적으로 평가하기 위해 온라인 학습 알고리즘을 활용한다.
• 사용자 참여 지표와 텍스트 특징을 함수로 모델링하여 실시간 평가가 가능하도록 한다.
• 자연어 처리 기법과 협업 필터링 원리를 결합하여 아이디어의 잠재력에 따라 순위를 매긴다.
• 이 프레임워크는 실제 NPD를 위한 기존 커뮤니티 기반 웹사이트에서 수집한 실질적 데이터를 기반으로 훈련 및 검증된다.

실험 결과

연구 질문

• RQ1 커뮤니티 기반 아이디어의 핵심 텍스트 패턴을 자동으로 추출하여 의미 있는 제품 개념을 대표할 수 있는가?
• RQ2 사용자 투표와 댓글은 높은 잠재력을 지닌 아이디어를 식별하는 데 어떤 역할을 하는가?
• RQ3 완전한 수작업 검토 없이도 온라인 학습 알고리즘이 아이디어의 잠재력을 효과적으로 순위 매길 수 있는가?
• RQ4 텍스트적 피드백과 사회적 피드백을 통합함으로써 기존 방법에 비해 아이디어 선별 정확도가 어떻게 향상되는가?
• RQ5 제안된 프레임워크는 대규모 NPD 과정에서 아이디어 선별의 시간과 비용을 얼마나 줄일 수 있는가?

주요 결과

• 제안된 프레임워크는 대규모 커뮤니티 기반 데이터에서 잠재력이 높은 제품 아이디어를 식별하는 데 있어 수작업의 양을 크게 줄였다.
• 텍스트 패턴 추출 기법은 혁신적인 아이디어의 주요 특징을 성공적으로 포착하여 아이디어 분류의 정밀도를 향상시켰다.
• 평가 모델에 사용자 투표와 댓글을 통합함으로써, 유망한 아이디어와 저품질 아이디어를 구분하는 데 시스템의 능력이 향상되었다.
• 신규 피드백이 도착함에 따라 온라인 학습 알고리즘이 안정적이고 적응력 있는 성능을 보였다.
• 실제 커뮤니티 기반 데이터를 대상으로 한 실증적 평가 결과, 이 프레임워크는 NPD를 위한 아이디어 선별 과정의 효율성과 정확도를 향상시킨다는 것이 확인되었다.