| 1 |
1
(a) 소분류에 포함된 상품들에 대한 리뷰 데이터를 크롤링하는 단계;(b) 상기 크롤링된 리뷰 데이터를 형태소 분석하여 미리 설정된 각 품사에 대한 단어를 각각 추출하는 단계;(c) 상기 추출된 각 단어를 토픽 모델링하여 평가 기준 후보군을 추출하는 단계; 및 (d) 기생성된 대분류에 대한 평가 기준 사례 베이스 모델을 이용하여 상기 추출된 평가 기준 후보군에서 평가 기준 항목을 선별하여 최종 평가 기준 항목으로 추출하는 단계를 포함하는 상품 평가 기준 생성 방법
|
| 2 |
2
제1 항에 있어서, 상기 (d) 단계는, 상기 평가 기준 사례 베이스 모델을 기반으로 상기 추출된 평가 기준 후보군에 포함된 평가 기준 항목 각각에 대한 태그 정보를 예측하는 단계; 및상기 태그 정보가 예측된 각 평가 기준 항목들 중 언급 빈도에 따라 최종 평가 기준 항목을 추출하는 단계를 포함하는 상품 평가 기준 생성 방법
|
| 3 |
3
제2 항에 있어서, 상기 최종 평가 기준 항목을 추출하는 단계는, 상기 태그 정보가 예측된 각 평가 기준 항목들 중 언급 빈도에 따라 최종 평가 기준 항목을 추출함에 있어, 상기 태그 정보에 따라 상이한 기준을 적용하여 언급 빈도에 따라 최종 평가 기준 항목을 추출하는 것을 특징으로 하는 상품 평가 기준 생성 방법
|
| 4 |
4
제3 항에 있어서, 상기 평가 기준 후보군에 포함된 각 평가 기준 항목들 중 상기 태그 정보가 제1 값으로 예측된 평가 기준 항목들은 상기 최종 평가 기준 항목으로 추출되지 않으며, 상기 태그 정보가 제2 값으로 예측된 평가 기준 항목들은 제1 기준을 적용하여 언급 비율에 따라 선별되며, 상기 태그 정보가 제3 값으로 예측된 평가 기준 항목들은 제2 기준을 적용하여 언급 비율에 따라 선별되는 것을 특징으로 하는 상품 평가 기준 생성 방법
|
| 5 |
5
제1 항에 있어서, 상기 (d) 단계 이전에, 상기 평가 기준 후보군에 포함된 각 평가 기준 항목을 벡터화하여 워드 임베딩하는 단계를 더 포함하는 상품 평가 기준 생성 방법
|
| 6 |
6
제1 항에 있어서, 상기 평가 기준 사례 베이스 모델은, 대분류에 상응하여 리뷰 데이터를 크롤링하는 단계;상기 크롤링된 리뷰 데이터를 형태소 분석하여 각 단어를 추출하는 단계;상기 추출된 각 단어를 토픽 모델링하여 사전 평가 기준 후보군을 추출하는 단계;상기 사전 평가 기준 후보군에 포함된 각 평가 기준 항목에 미리 설정된 기준에 따라 태그 정보를 부여하는 단계;상기 사전 평가 기준 후보군에 포함된 각 평가 기준 항목을 벡터화하여 워드 임베딩하는 단계; 및상기 벡터화된 사전 평가 기준 후보군과 각각의 태그 정보를 KNN(K-Nearest Neighbor) 알고리즘에 적용하여 대분류에 따른 평가 기준 사례 베이스 모델을 생성하는 단계를 포함하는 상품 평가 기준 생성 방법
|
| 7 |
7
제1 항에 따른 방법을 수행하기 위한 프로그램 코드를 기록한 컴퓨터로 판독 가능한 기록매체 제품
|
| 8 |
8
대분류에 상응하는 리뷰 데이터를 기반으로 평가 기준 사례 베이스 모델을 생성하는 전처리 모델부; 및상기 평가 기준 사례 베이스 모델을 이용하여 소분류에 상응하는 리뷰 데이터에 포함된 각 단어에 대한 태그 정보를 예측한 후 태그 정보에 따라 상이한 기준을 적용하여 선별된 단어를 최종 평가 기준 항목으로 추출하는 평가 기준 추출 모델부를 포함하는 평가 기준 생성 장치
|
| 9 |
9
제8 항에 있어서, 상기 평가 기준 추출 모델부는, 상기 소분류에 포함된 상품들에 대한 리뷰 데이터를 크롤링하는 수집부;상기 크롤링된 리뷰 데이터를 형태소 분석하여 미리 설정된 각 품사에 대한 단어를 각각 추출하는 분석부;상기 추출된 각 단어를 토픽 모델링하여 평가 기준 후보군을 추출하는 토픽 모델링부; 및상기 평가 기준 사례 베이스 모델을 이용하여 상기 추출된 평가 기준 후보군에서 평가 기준 항목을 선별하여 최종 평가 기준 항목으로 추출하는 평가 기준 추출부를 포함하는 것을 특징으로 하는 평가 기준 생성 장치
|
| 10 |
10
제9 항에 있어서, 상기 평가 기준 추출부는, 상기 태그 정보에 따라 상이한 기준을 적용하여 상기 평가 기준 후보군에서 최종 평가 기준 항목을 추출하는 것을 특징으로 하는 평가 기준 생성 장치
|
| 11 |
11
제10 항에 있어서, 상기 평가 기준 추출부는, 상기 평가 기준 후보군에 포함된 각 평가 기준 항목들 중 상기 태그 정보가 제1 값으로 예측된 평가 기준 항목들은 상기 최종 평가 기준 항목으로 추출하지 않으며, 상기 태그 정보가 제2 값으로 예측된 평가 기준 항목들은 제1 기준을 적용하여 언급 비율에 따라 선별하고, 상기 태그 정보가 제3 값으로 예측된 평가 기준 항목들은 제2 기준을 적용하여 언급 비율에 따라 선별하는 것을 특징으로 하는 평가 기준 생성 장치
|
| 12 |
12
제9 항에 있어서, 상기 평가 기준 추출 모델부는, 상기 평가 기준 후보군에 포함된 각 평가 기준 항목을 벡터화하여 워드 임베딩하는 워드 임베딩부를 더 포함하는 것을 특징으로 하는 평가 기준 생성 장치
|
| 13 |
13
제8 항에 있어서, 상기 전처리 모델부는, 대분류에 상응하여 리뷰 데이터를 크롤링하는 수집부;상기 크롤링된 리뷰 데이터를 형태소 분석하여 각 단어를 추출하는 분석부;상기 추출된 각 단어를 토픽 모델링하여 사전 평가 기준 후보군을 추출하는 토픽 모델링부;상기 사전 평가 기준 후보군에 포함된 각 평가 기준 항목에 미리 설정된 기준에 따라 태그 정보를 부여하는 가중치 적용부;상기 사전 평가 기준 후보군에 포함된 각 평가 기준 항목을 벡터화하여 워드 임베딩하는 워드 임베딩부; 및상기 벡터화된 사전 평가 기준 후보군과 각각의 태그 정보를 KNN(K-Nearest Neighbor) 알고리즘에 적용하여 대분류에 따른 평가 기준 사례 베이스 모델을 생성하는 모델 생성부를 포함하는 것을 특징으로 하는 평가 기준 생성 장치
|
