온라인 쇼핑몰에서 상품평은 소비자에게 상품에 대한 유용한 정보를 제공해 준다. 사용자는 상품 특징에 대한 보다 정확한 정보를 얻기 위해 기구매자들이 쓴 상품평을 활용하고 있으나 많은 수의 상품평들을 모두 읽어보는 것은 불가능하다. 따라서 사용자의 관심을 유도하고 구매를 촉진하기 위하여 상품에 대한 특징별 상품평 분석 기법에 대한 관심이 증가하고 있다. 그러나 특징별 상품평 분석에 있어서 같은 특징에 대하여 사용자들이 사용하는 어휘가 일치하지 않아 정확한 분석에 어려움이 있다. 본 연구에서는 이러한 문제점을 해결하기 위하여 상품 특징에 대한 대체어를 자동으로 추출하는 방법을 제안한다. 제안 방법은 먼저 상품평에서 특징 명사에 대한 연관서술어를 추출하여 자질어 벡터를 구성하고 특징 명사와 연관서술어와의 문장 내의 거리를 반영한다. 또한, 복합명사에서 결합명사를 추출하여 자질어 벡터를 구성한다. 구축된 각각의 자질어 벡터에 대하여 특징 명사와 대체어 후보간의 유사도를 계산하여 대체어를 추출하고 유사도를 혼합하여 최종 대체어를 추출하는 방법을 제시한다. 실험 결과, 연관서술어 및 결합명사만 사용한 방법보다 유사도를 혼합하여 사용한 대체어 추출이 더 좋은 성능을 보였다.
Product reviews in online shopping malls provide consumers with useful information on products. Though users frequently use product reviews written by the people who have already used them, it is not possible to read all the product reviews. Therefore, in order to promote the interest of potential product buyers, there is an increasing interest on opinion mining which analyzes product reviews. However, different descriptions for the same product feature make accurate analysis difficult. In order to solve this problem, this research proposes a method to extract alternative words for a product feature automatically. We constructs feature vectors by using associated predicates for a noun representing a product feature, and then considers distances between the noun and its associated predicates. Also, we construct feature vectors by extracting combined nouns from complex nouns. Then, alternative words are extracted by using the similarity between the feature vector of a product feature noun and the feature vector of the alternative word candidates. The final alternative words are generated by combining the similarities from each of the methods. Experimental results show that the combining method outperforms the methods using only associated predicates or combined nouns.
