• Journal of Smart Tourism
• /
• 제3권3호
• /
• pp.29-40
• /
• 2023

This research aims to understand the role of online reviews in the local search context by examining the effects of reviews on the representation of tourism businesses on local search platforms (LSPs). By simulating tourists' local searches for restaurants on three LSPs, namely Google, Bing, and Yelp, this study examines how different ranking results are generated across the platforms and how online reviews contribute to the differences. The findings suggest that online reviews are incorporated into LSPs as ranking factors and, thus, affect tourists' decision-making by influencing the information search results in the local search context. As one of the earliest studies on local search, this study discusses how the existing knowledge about the role of online reviews in tourists' decision-making needs to be reevaluated in mobile and more dynamic environments, and offers practical implications for tourism businesses' search engine marketing.

• 지식경영연구
• /
• 제22권1호
• /
• pp.243-267
• /
• 2021

자극에 대한 변화의 과정을 통해 자신의 상태를 나타내는 감성과 어떤 현상에 대해 느끼는 단순한 심리상태를 나타내는 감정은 혼용되어 사용되는 경향이 있으나 그 의미와 쓰임새는 다르다. 본 연구에서는 온라인 소비자들이 다양한 제품과 서비스를 구매하고 사용한 후에 작성한 온라인 리뷰를 통해 감성과 감정을 구분하여 리뷰의 유용성에 어떠한 영향을 미치는지 알아보고자 한다. 최근 온라인 리뷰는 비즈니스 및 소비자에게 매우 중요한 요소로 자리매김하고 있다. 유용한 리뷰는 잠재 고객들의 의사결정 과정에서 핵심적인 역할을 하고 있으며 리뷰 유용성을 통해 평가될 수 있다. 리뷰 유용성은 소비자 개인의 구매 의사결정 문제뿐만 아니라 비즈니스에서 마케팅 전략에 활용됨으로써 실무적 중요성은 점차 커지고 있으며, 학문적으로도 리뷰 유용성의 영향요인을 찾는 연구의 중요성이 커지고 있다. 본 연구에서는 Yelp.com에서 레스토랑에 대한 리뷰를 확보하여 온라인 리뷰의 감성과 감정이 리뷰의 유용성에 어떠한 영향을 미치는지에 대한 연구를 진행하였다. 선행연구를 기반으로 온라인 리뷰에 대한 감성과 감정을 포함한 연구 모형을 구축하였으며, 텍스트 마이닝을 통해 온라인 리뷰의 감성과 감정이 온라인 리뷰의 유용성에 어떠한 영향을 미치는지 분석하고 감정에 대한 영향의 차이가 있는지를 검증하였다. 연구결과에서 부정적인 감성과 감정이 리뷰 유용성에 미치는 영향이 더 크며 이는 부정 편향성 이론과 일치하는 것으로 나타났다. 그리고 각각의 감정이 리뷰 유용성에 미치는 영향이 서로 차이가 있는 것으로 나타났다.

• 지능정보연구
• /
• 제29권2호
• /
• pp.35-56
• /
• 2023

정보통신 기술의 발전에 따라 웹 사이트에는 수많은 리뷰가 지속적으로 게시되고 있다. 이로 인해 정보 과부하 문제가 발생하여 사용자들은 본인이 원하는 리뷰를 탐색하는데 어려움을 겪고 있다. 따라서, 이러한 문제를 해결하여 사용자에게 유용하고 신뢰성 있는 리뷰를 제공하기 위해 리뷰 유용성 예측에 관한 연구가 활발히 진행되고 있다. 기존 연구는 주로 리뷰에 포함된 특성을 기반으로 리뷰 유용성을 예측하였다. 그러나, 예측한 리뷰가 왜 유용한지 근거를 제시할 수 없다는 한계점이 존재한다. 따라서 본 연구는 이러한 한계점을 해결하기 위해 리뷰 유용성 예측 모델에 eXplainable Artificial Intelligence(XAI) 기법을 적용하는 방법론을 제안하였다. 본 연구는 Yelp.com에서 수집한 레스토랑 리뷰를 사용하여 리뷰 유용성 예측에 관한 연구에서 널리 사용되는 6개의 모델을 통해 예측 성능을 비교하였다. 그 다음, 예측 성능이 가장 우수한 모델에 XAI 기법을 적용하여 설명 가능한 리뷰 유용성 예측 모델을 제안하였다. 따라서 본 연구에서 제안한 방법론은 사용자의 구매 의사결정 과정에서 유용한 리뷰를 추천할 수 있는 동시에 해당 리뷰가 왜 유용한지에 대한 해석을 제공할 수 있다.

• 경영정보학연구
• /
• 제25권1호
• /
• pp.27-46
• /
• 2023

최근에는 외식 산업의 발달과 레스토랑 수요의 증가로 인해 레스토랑 추천 시스템 연구가 활발하게 제안되고 있다. 기존 레스토랑 추천 시스템 연구는 정량적인 평점 정보 또는 온라인 리뷰의 감성분석을 통해 소비자의 선호도 정보를 추출하였는데 이는 소비자의 의미론적 선호도 정보는 반영하지 못한다는 한계가 존재한다. 또한, 레스토랑이 포함하는 세부적인 속성을 반영한 추천 시스템 연구는 부족한 실정이다. 이를 해결하기 위해 본 연구에서는 소비자의 선호도와 레스토랑 속성 간의 상호작용을 효과적으로 학습할 수 있는 딥러닝 기반 모델을 제안하였다. 먼저, 합성곱 신경망을 온라인 리뷰에 적용하여 소비자의 의미론적 선호도 정보를 추출했고, 레스토랑 정보에 임베딩 기법을 적용하여 레스토랑의 세부적인 속성을 추출했다. 최종적으로 요소별 연산을 통해 소비자 선호도와 레스토랑 속성 간의 상호작용을 학습하여 소비자의 선호도 평점을 예측했다. 본 연구에서 제안한 모델의 추천 성능을 평가하기 위해 Yelp.com의 온라인 리뷰를 사용한 실험 결과, 기존 연구의 다양한 모델과 비교했을때 본 연구의 제안 모델이 우수한 추천 성능을 보이는 것을 확인하였다. 본 연구는 레스토랑 산업의 빅데이터를 활용한 맞춤형 레스토랑 추천 시스템을 제안함으로써 레스토랑 연구 분야와 온라인 서비스 제공자에게 학술적 및 실무적 측면에서 다양한 시사점을 제공할 수 있을 것으로 기대한다.

• 경영정보학연구
• /
• 제24권1호
• /
• pp.1-19
• /
• 2022

온라인 사용자들이 소셜 미디어상에 올린 온라인 리뷰 속 숨겨진 감정을 분석하는 감성분석은 소셜미디어의 확산에 힘입어 많은 관심을 받고 있다. 본 연구는 기존 연구들과 차별화된 방법으로 감성분석을 시도하기 위하여 베이지안 네트워크에 기반한 감성 분석 모델을 제안한다. 모델에는 MBFS(Markov Blanket-based Feature Selection)가 속성 선택 기법으로 사용된다. MBFS의 성과를 실증적으로 증명하기 위하여 소셜미디어인 Yelp의 리뷰 데이터를 활용하였다. 벤치마킹 속성 선택 기법으로는 상관관계기반 속성 선택, 정보획득 속성 선택, 획득비율 속성 선택을 사용하였다. 한편, 해당 속성선택방법을 토대로 4개의 머신러닝 알고리즘을 이용하여 분류성과를 비교하였다. 나아가 MBFS로 선택된 속성들 간 인과관계를 확인하고자 베이지안 네트워크를 통해 What-if 분석을 실시하였다. 본 연구에서 택한 머신러닝 분류기는 베이지안 네트워크 기반의 TAN (Tree Augmented Naive Bayes), NB (Naive Bayes), S-Spouses(Sons & Spouses), A-markov (Augmented Markov Blanket)이다. 성과분석 결과 본 연구에서 제안한 MBFS 방법이 정확도, 정밀도, F1점수 측면에서 벤치마킹 방법보다 더 우수한 성과를 나타내었다.

• 경영정보학연구
• /
• 제20권2호
• /
• pp.111-137
• /
• 2018

의료보험 혜택의 증가 및 베이비붐 세대의 노인 인구 증가 등에 기인하여 2020년에는 헬스케어로 소비되는 금액이 미국 GDP의 20%를 차지할 것으로 전망되고 있다. 이처럼 헬스케어 산업이 발전하면서 병원의 의료서비스 간 경쟁도 치열해지며, 의료서비스 품질을 관리하고자 하는 병원의 니즈가 증가해 왔다. 더불어 온라인 리뷰가 병원 품질을 예측하는 하나의 도구로 활용되면서 병원 온라인 리뷰에 대한 관심 또한 증대되었다. 소비자들은 의료서비스 제공자를 선택함에 있어서도 온라인 리뷰를 참고하는 경향을 보이며, 서비스를 제공받은 후 서비스 품질에 대해 온라인상에서 평가를 진행한다. 따라서 본 연구는 온라인 리뷰 사이트인 Yelp의 병원 리뷰를 중심으로 고객이 평가한 서비스 품질 유형의 감성 수준이 병원 평가에 미치는 영향을 파악하는 것을 목적으로 한다. 본 연구는 1차적으로 온라인에서 수집한 대량의 텍스트 데이터를 SERVQUAL 이론의 다섯 가지 서비스 품질 측정 지표로 구분한다. 다음으로 지표 별 감성 수준을 병원 단위로 도출한 뒤, 각 SERVQUAL 지표의 감성 수준이 병원 평가에 미치는 영향을 계량경제학적으로 분석한다. 또한, 병원의 네 가지 특성인 운영 목적(비영리 여부), 병원이 위치한 도시의 인구밀도, 보유 침대 수, 그리고 응급센터로 운영 여부가 병원 평가에 어떠한 상호작용 효과를 나타내는지 분석한다. 본 연구 결과를 통해 병원 경영 실무자들에게 온라인 상의병원 평판을 긍정적으로 형성해 나가려면 어떠한 서비스 품질을 더욱 집중 관리해야 하는지 방향을 제시해 줄 수 있을 것으로 기대한다.

• Journal of Information Science Theory and Practice
• /
• 제10권3호
• /
• pp.40-56
• /
• 2022

This paper aims to implement a topic modeling technique for extracting the topics of online discussions among library professionals in India. Topic modeling is the established text mining technique popularly used for modeling text data from Twitter, Facebook, Yelp, and other social media platforms. The present study modeled the online discussions of Library and Information Science (LIS) professionals posted on Lis Links. The text data of these posts was extracted using a program written in R using the package "rvest." The data was pre-processed to remove blank posts, posts having text in non-English fonts, punctuation, URLs, emails, etc. Topic modeling with the Latent Dirichlet Allocation algorithm was applied to the pre-processed corpus to identify each topic associated with the posts. The frequency analysis of the occurrence of words in the text corpus was calculated. The results found that the most frequent words included: library, information, university, librarian, book, professional, science, research, paper, question, answer, and management. This shows that the LIS professionals actively discussed exams, research, and library operations on the forum of Lis Links. The study categorized the online discussions on Lis Links into ten topics, i.e. "LIS Recruitment," "LIS Issues," "Other Discussion," "LIS Education," "LIS Research," "LIS Exams," "General Information related to Library," "LIS Admission," "Library and Professional Activities," and "Information Communication Technology (ICT)." It was found that the majority of the posts belonged to "LIS Exam," followed by "Other Discussions" and "General Information related to the Library."

• 지능정보연구
• /
• 제24권2호
• /
• pp.85-109
• /
• 2018

추천시스템은 사용자의 과거 구매행동을 통해 향후 구매할 것이라고 예상되는 제품을 자동으로 검색하여 추천해준다. 특히 전자상거래 기업의 상품추천시스템은 일대일 마케팅의 대표적 실현수단으로 가치가 있다. 하지만, 전통적인 추천시스템, 특히 학계 및 산업계에서 가장 널리 사용되고 있는 전통적인 협업필터링 기법은 단일차원의 '종합 평점'만을 고려하여 추천결과를 생성하도록 설계되어 있어, 사용자들의 정확한 니즈를 이해하고 대응하는데 근본적인 한계가 있다. 최근에는 전자 상거래 기업들도 고객들로부터 보다 다각화된, 다기준 방식으로 피드백을 받고 있다. 특히 다기준 평점은 정량적으로 입력되는 정보이므로 상대적으로 분석 및 처리가 용이하다는 장점이 있다. 그러나 다기준 평점 역시 사전에 정해진 기준에 대해서만 사용자의 피드백이 이루어지기 때문에, 보다 상세하게 사용자의 의견을 이해하여 추천에 반영하는 데에는 한계가 있다. 이에 본 연구는 다기준 평점 정보와 선택적 협업필터링의 서로 다른 접근방법을 통해 도출된 추천결과를 종합하여, 최종적으로 추천 대상리스트를 산출할 수 있는 하이브리드 기술을 제안한다. 본 연구에서 제안한 연구모형의 유용성을 검증하기 위해, 식음료점(식당, 카페 등)에 대한 실제 이용자를 대상으로 온라인 설문을 통해 종합 평점과 다기준 평점을 수집하였으며, 데이터를 학습용과 검증용으로 구분하여 학습시키고 성과를 평가하였다. 이 기법은 결합 함수 기반 접근법과 사용자마다 구매의사결정의 체계가 다르다는 전제하에, 사용자들을 유형화하고, 유형에 따라 정보원을 선택적으로 활용하는 협업필터링 알고리즘을 활용했다. 실험결과, 제안 알고리즘을 통한 추천 방법이 단일 차원을 고려하는 전통적인 협업필터링과 비교해 더 우수한 예측정확도를 나타냄을 확인했다. 아울러, 본 연구가 제안하는 다기준 평점과 선택적 협업필터링 알고리즘을 종합하여 추천하는 방법이, 단순히 다기준 평점을 고려했을 때 보다 통계적으로 유의한 수준의 정확도의 개선이 이루어짐을 확인할 수 있었다.