Sentiment Classification of Game Review Data Using Topic Modeling
Tae-Kook Kim, Kilhwan Kim · Journal of Digital Contents Society · 2021
온라인 시장이 성장함에 따라 사용자의 경험은 리뷰로 표출되고 있고, 비사용자는 사용자의 리뷰를 보고 구매를 하는 경향이 많다. PC게임 시장의 경우 사용자가 직접 구매를 해 이용할 수 있는 시장이기 때문에 더욱 리뷰에 의존하게 된다. 이에 본 연구는 텍스트 마이닝 기법을 이용하여 게임 리뷰를 긍정과 부정으로 분류하는 방법을 제안한다. 이를 위해 최근 3년간의 상위 게임의 리뷰를 수집하고, 토픽 모형을 이용하여 게임 장르 별로 리뷰의 주요 토픽을 파악한다. 그리고 토픽 모형의 결과를 이용하여 다양한 분류기법으로 긍정 및 부정 리뷰를 분류하는 모형을 생성한다. 분류모형은 게임 장르에 따라 67~73%의 분류 정확도를 보였다. 이러한 연구 결과를 게임 산업에서 활용한다면 게임 수요자의 평가를 신속히 반영하는 데 도움이 되리라 기대된다.