Developing a BERT-CNN based review helpfulness prediction utilizing review consistency
Xinzhe Li, Dasom Jeong, Dongyeop Ryu, Jaekyeong Kim · Journal of Intelligence and Information Systems · 2024
최근 온라인 리뷰의 수가 급증함에 따라 소비자들은 자신의 구매 결정에 도움이 되는 유용한 리뷰를 찾는 데 어려움을 겪고 있다. 이로 인해 소비자에게 유의미한 리뷰를 식별하여 제공하는 것이 중요해짐에 따라 리뷰 유용성 예측에 관한 다양한 연구가 지속적으로 진행되고 있다. 그러나 대부분의 연구는 리뷰 텍스트의 의미론적 특성을 추출하는 데 중점을 두었고 이에 수반되는 평점 정보를 예측 작업에 반영하지 않았다. 따라서 본 연구는 이러한 평점 정보를 리뷰 유용성 예측에 도입하고 리뷰 텍스트와 평점 간의 일관성을 바탕으로 예측하였다. 본 연구에서 제안한 BERTexCon(BERT-CNN text and rating consistency model for review helpfulness prediction)은 Feature Encoder와 Consistency Extraction 두 가지 모듈로 되어있다. Feature Encoder 모듈은 리뷰 텍스트와 평점 정보에서 특성을 추출하는 데 사용하고 Consistency Extraction 모듈은 정보 간의 일관성을 추출하는 데 사용한다. 특히, 본 연구는 BERT-CNN 모델을 활용하여 리뷰 텍스트 중에 실제 유용성에 크게 영향을 미칠 수 있는 특성을 바탕으로 예측 작업을 수행하였다. 본 연구는 Amazom.com에서 수집된 실제 소비자 리뷰를 바탕으로 제안된 BERTexCon 모델의 예측 성능을 측정하였다. 실험 결과를 따르면 본 연구에서 제안한 BERTexCon모델은 기존 연구에서 사용된 여러 모델과 비교했을 때 성능이 가장 우수함을 나타냈다. 따라서 본 연구에서 제안한 방법론은 다양한 전자상거래 플랫폼에서 적용될 수 있고 정교한 리뷰 유용성 예측 서비스를 제공할 수 있다.