• The Journal of Asian Finance, Economics and Business
• /
• 제10권2호
• /
• pp.83-90
• /
• 2023

This study aims to determine the direct effect of positive online reviews, negative online reviews, the usefulness of online reviews, reviewers' expertise, timeliness of online reviews, the volume of online reviews, and comprehensiveness of online reviews on accommodation booking intentions and also the indirect effect of positive online reviews on the intention of booking accommodations through trust as mediation. Research respondents are users of the accommodation booking application in Yogyakarta. Hypothesis testing was carried out using SEM (Partial Least Square). Data was collected by distributing questionnaires to 135 respondents. The results of this study indicate that the Usefulness of Online Reviews, Volume of Online Reviews, and Comprehensiveness of Online Reviews have a direct positive and significant influence on the accommodation booking Intention of booking application users in Yogyakarta. The variables of Negative Online Reviews and Timeliness of Online Reviews have negative and significant influences on the accommodation booking Intention of booking application users in Yogyakarta. Positive Online Reviews and Reviewer Expertise variables are not significant in this study. At the same time, the Trust variable has a full mediation relationship in an indirect relationship between the Positive Online Reviews variables and the accommodation booking Intention of booking application users in Yogyakarta.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권5호
• /
• pp.1702-1716
• /
• 2015

Customer product reviews have become great influencers of purchase decision making. To assist potential customers, online stores provide various ways to sort customer reviews. Different methods have been developed to identify and recommend useful reviews to customers, primarily using feedback provided by customers about the helpfulness of reviews. Most of the methods consider the preferences of all users to determine whether reviews are helpful, and all users receive the same recommendations.

• 한국전자거래학회지
• /
• 제16권4호
• /
• pp.125-137
• /
• 2011

전자 상거래 사이트의 상품 리뷰는 구매 예정자들에게 유용한 정보로 활용될 수 있지만, 방대한 양으로 인해 사용자가 모든 리뷰를 읽는 것은 불가능에 가깝다. 이를 보완하고자 전자 상거래 사이트들은 상품이나 그 특징에 대한 별점 통계, 유용한 리뷰 분류 등을 사용자의 참여나 수작업을 통해 제공하고 있다. 오피니언 마이닝(opinion mining) 혹은 감성 분석(sentiment analysis)은 이러한 일련의 과정을 자동화하는 연구로서, 상품 리뷰의 사용자 의견을 대상으로 그 의견이 긍정적인지, 부정적인지 판단한 후 요약하여 제공한다. 하지만 기존의 감성 분석은 구매예정자에게 유용한 정보, 즉 상품평의 극성을 판별하거나, 상품 특징별 평가 요약 등에만 초점을 맞추고 있어, 상대적으로 의견 정보의 활용도가 낮아지는 문제가 있다. 실제 상품 리뷰에는 상품의 평가 외에도 제품이 가지고 있는 문제점, 고객의 불만 등이 제시되어 있으며, 이를 관리자가 효과적으로 분석하여 의사 결정에 지원에 활용하고자 하는 요구가 늘어나고 있다. 이에 본 논문은 다양한 종류의 의견 정보를 파악하여 데이터 웨어하우스에 저장한 후, 의견 정보를 온라인에서 동적으로 분석하고 통합 처리하는 모델링 방안을 제시한다. 또한 이를 활용하여 실제 전자 상거래 사이트의 한 종류인 어플리케이션 판매 사이트의 리뷰에 대한 분석을 수행하였다.

• International Journal of Computer Science & Network Security
• /
• 제23권11호
• /
• pp.83-92
• /
• 2023

The majority of product users rely on the reviews that are posted on the appropriate website. Both users and the product's manufacturer could benefit from these reviews. Daily, thousands of reviews are submitted; how is it possible to read them all? Sentiment analysis has become a critical field of research as posting reviews become more and more common. Machine learning techniques that are supervised, unsupervised, and semi-supervised have worked very hard to harvest this data. The complicated and technological area of feature engineering falls within machine learning. Using deep learning, this tedious process may be completed automatically. Numerous studies have been conducted on deep learning models like LSTM, CNN, RNN, and GRU. Each model has employed a certain type of data, such as CNN for pictures and LSTM for language translation, etc. According to experimental results utilizing a publicly accessible dataset with reviews for all of the models, both positive and negative, and CNN, the best model for the dataset was identified in comparison to the other models, with an accuracy rate of 81%.

• Journal of Information Technology Applications and Management
• /
• 제31권3호
• /
• pp.93-104
• /
• 2024

This study conducts an in-depth analysis of user reviews from three leading metaverse platforms - Minecraft, Roblox, and Zepeto - using advanced topic modeling techniques to uncover key factors for business success. By examining a substantial dataset of user feedback, we identified and categorized the main themes and concerns expressed by users. Our analysis revealed that common issues across all platforms include technical functionality problems, user engagement and interest, payment concerns, and connection difficulties. Specifically, Minecraft users highlighted the importance of adventure and creativity, Roblox users expressed significant concerns about security and fraud, and Zepeto users focused heavily on the fairness of the in-game economy. The findings suggest that for metaverse platforms to achieve sustained success, they must prioritize the resolution of technical issues, enhance features that foster user engagement, ensure reliable connectivity, and address platform-specific concerns such as security for Roblox and payment fairness for Zepeto. These insights provide valuable guidance for developers and business strategists, emphasizing the need for robust technical infrastructure, engaging and diverse content, seamless user access, and transparent and fair economic systems. By addressing these key areas, metaverse platforms can improve user satisfaction, build a loyal user base, and secure long-term success in an increasingly competitive market.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제11권5호
• /
• pp.2484-2498
• /
• 2017

Various types of social media make the people share their personal experience in different ways. In some social networking sites. Some users post their reviews, some users can support these reviews with comments, and some users just rate the reviews as kind of support or not. Unfortunately, there is rare explicit negative comments towards other reviews. This means if there is a link between two users, it must be positive link. Apparently, the negative link is invisible in these social network. Or in other word, the negative links are redundant to positive links. In this work, we first discuss the feature extraction from social media data and propose new method to compute the distance between each pair of comments or reviews on social media. Then we investigate whether we can predict negative links via regression analysis when only positive links are manifested from social media data. In particular, we provide a principled way to mathematically incorporate multi-facet data in a novel framework, Constructing Negative Links, CsNL to predict negative links for discovering the hidden information. Additionally, we investigate the ways of solution to general negative link predication problems with CsNL and its extension. Experiments are performed on real-world data and results show that negative links is predictable with multi-facet of social media data by the proposed framework CsNL. Essentially, high prediction accuracy suggests that negative links are redundant to positive links. Further experiments are performed to evaluate coefficients on different kernels. The results show that user generated content dominates the prediction performance of CsNL.

• 한국콘텐츠학회논문지
• /
• 제15권1호
• /
• pp.418-426
• /
• 2015

스마트폰 사용자들은 맛집 추천 앱을 통해 음식점을 선택하며, 이용자 후기를 중요한 의사결정 정보로 활용한다. 이러한 변화 속에서 앱 서비스 제공자와 광고주는 이용자 후기의 중요성을 인식하고는 있으나, 다양한 이용자 후기가 실제적으로 고객의 구매행동에 어떠한 영향을 주는지에 대해서는 이해가 부족한 상황이다. 따라서 본 연구에서 부정적 이용 후기를 중심으로 음식점 방문의도에 미치는 영향의 정도가 의사결정 유형에 따라 차이가 있는지를 확인하고자 하였다. 이를 위해 맛, 서비스, 분위기의 부정적 이용 후기 속성에 따른 3가지 시나리오를 개발하여 실험을 진행하였다. 그 결과, 부정적 이용 후기의 속성에 따라 음식점 방문 의도에 미치는 영향이 다른 것을 확인하였으며, 의사결정 유형에 따라 부정적 이용 후기의 영향이 다른 것을 부분적으로 확인하였다. 본 연구 결과는 맛집 추천 앱 서비스 제공자와 광고주가 부정적 이용 후기에 대한 적절한 관리 방안 수립 시에 활용할 수 있을 것으로 기대한다.

• 한국IT서비스학회지
• /
• 제14권4호
• /
• pp.159-169
• /
• 2015

Customer reviews are one of the important sources for purchase decision makings in online stores. Online stores have tried to provide useful reviews in product pages to customers. To assess the usefulness of customer reviews before other users have voted enough on the reviews, diverse aspects of reviews were utilized in prevous studies. Style and semantic information were utilized in many studies. This study aims to test diverse alogrithms and datasets for identifying a proper classification method and threshold to classify useful reviews. In particular, most researches utilized ratio type helpfulness index as Amazon.com used. However, there is another type of usefulness index utilized in TripAdviser.com or Yelp.com, count type helpfulness index. There was no proper threshold to classify useful reviews yet for count type helpfulness index. This study used reivews and their usefulness votes on restaurnats from Yelp.com to devise diverse datasets and applied text mining approaches to classify useful reviews. Random Forest, SVM, and GLMNET showed the greater values of accuracy than other approaches.

• 한국문헌정보학회지
• /
• 제46권2호
• /
• pp.115-132
• /
• 2012

이 연구의 목적은 차세대 도서관 목록에서 이용자 서평 기능의 이용 현황 및 서지레코드에서 연결될 수 있는 외부 정보원의 이용자 서평의 영향 가능성을 살펴보는 것이다. 2012년 2월 16일부터 4월 4일 사이에 2010년에 출간된 열권의 책을 대상으로 WorldCat에서 소장도서관, 이용자 서평, 태그 및 독서 리스트의 현황 및 변동 추이, 그리고 서지레코드에 연결된 Amazon.com과 GoodReads.com의 이용자 서평 현황을 살펴보았다. WorldCat에서 아직 이용자 참여 기능의 활용도는 매우 낮았으며, 이용자 서평보다는 태그나 독서 리스트를 통한 참여가 더 많았다. 같은 책들에 대한 아마존과 굿리즈의 이용자 서평 참여도는 매우 높았고, 아마존에서 한 권의 책과 관련된 이용자 서평 사례 분석은 이용자 참여 기능이 왜곡될 수 있는 가능성을 암시하였다. 아직은 초기 단계인 도서관 목록에 대한 이용자 참여 기능의 확산 및 안정화 추이의 지속적 관찰, 그리고 이 기능이 이용자의 자료 선택에 미치는 영향의 심층적, 체계적 분석이 필요하다.

• 지능정보연구
• /
• 제21권2호
• /
• pp.1-18
• /
• 2015

협업 필터링은 학계나 산업계에서 우수한 성능으로 인해 많이 사용되는 추천기법이지만, 정량적 정보인 사용자들의 평가점수에만 국한하여 추천결과를 생성하므로 간혹 정확도가 떨어지는 문제가 발생한다. 이에 새로운 정보를 추가로 고려하여, 협업 필터링의 성능을 개선하려는 연구들이 지금까지 다양하게 시도되어 왔다. 본 연구는 최근 Web 2.0 시대의 도래로 인해 사용자들이 구입한 상품에 대한 솔직한 의견을 인터넷 상에 자유롭게 표현한다는 점에 착안하여, 사용자가 직접 작성한 리뷰를 참고하여 협업 필터링의 성능을 개선하는 새로운 추천 알고리즘을 제안하고, 이를 스마트폰 앱 추천 시스템에 적용하였다. 정성 정보인 사용자 리뷰를 정량화하기 위해 본 연구에서는 텍스트 마이닝을 활용하였다. 구체적으로 본 연구의 추천시스템은 사용자간 유사도를 산출할 때, 사용자 리뷰의 유사도를 추가로 반영하여 보다 정밀하게 사용자간 유사도를 산출할 수 있도록 하였다. 이 때, 사용자 리뷰의 유사도를 산출하는 접근법으로 중복 사용된 색인어의 빈도로 산출하는 방안과 TF-IDF(Term Frequency - Inverse Document Frequency) 가중치 합으로 산출하는 2가지 방안을 제시한 뒤 그 성능을 비교해 보았다. 실험결과, 제안 알고리즘을 통한 추천, 즉 사용자 리뷰의 유사도를 추가로 반영하는 알고리즘이 평점만을 고려하는 전통적인 협업 필터링과 비교해 더 우수한 예측정확도를 나타냄을 확인할 수 있었다. 아울러, 중복 사용 단어의 TF-IDF 가중치의 합을 고려했을 때, 단순히 중복 사용 단어의 빈도만을 고려했을 때 보다 조금 더 나은 예측정확도를 얻을 수 있음도 함께 확인할 수 있었다.