초록
리뷰 분석의 맥락에서 측면(Aspect)은 고객이 의견과 감정을 표출하는 제품 및 서비스의 특성입니다. 측면 탐지는 제품 소유자와 서비스 제공자가 부족한 점을 식별하고 고객의 요구를 우선순위에 놓아 수익을 유지하고 고객 이탈을 완화하는 데 도움을 줍니다. 기존 방법들은 지도 학습 방법을 통해 측면의 표면 형태를 탐지하는데 집중하지만, 리뷰에서 측면이 잠재적일 때는 효과가 떨어집니다. 본 논문에서는 이러한 문제를 해결하기 위해 잠재적인 측면 발생을 추출하는 비지도 방법을 제안합니다. 구체적으로, 고객이 리뷰를 작성할 때 다음과 같은 가상의 두 단계 생성 과정을 거친다고 가정합니다: (1) 제품 또는 서비스에 대한 가능한 측면 집합 중 하나를 선택하고, (2) 언어에서 사용 가능한 모든 단어 집합 중 선택된 측면과 더 밀접하게 관련된 의견 단어들을 작성합니다. 우리는 잠재 디리클레 할당(Latent Dirichlet Allocation) 모델을 사용하여 리뷰 생성에 필요한 잠재적인 측면 분포를 학습합니다. 벤치마크 데이터셋에 대한 실험 결과는 제안된 방법이 리뷰에서 표면 형태가 없는 잠재적인 측면에 대해 기존 최신 연구보다 우수한 성능을 보임을 입증하였습니다.