KR20210023453A - 리뷰 광고 매칭 장치 및 방법 - Google Patents
리뷰 광고 매칭 장치 및 방법 Download PDFInfo
- Publication number
- KR20210023453A KR20210023453A KR1020190103649A KR20190103649A KR20210023453A KR 20210023453 A KR20210023453 A KR 20210023453A KR 1020190103649 A KR1020190103649 A KR 1020190103649A KR 20190103649 A KR20190103649 A KR 20190103649A KR 20210023453 A KR20210023453 A KR 20210023453A
- Authority
- KR
- South Korea
- Prior art keywords
- attribute
- review
- reviewer
- advertiser
- attributes
- Prior art date
Links
- 238000012552 review Methods 0.000 title claims abstract description 164
- 238000000034 method Methods 0.000 title claims abstract description 48
- 239000013598 vector Substances 0.000 claims abstract description 119
- 238000000605 extraction Methods 0.000 claims abstract description 22
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 6
- 238000011156 evaluation Methods 0.000 claims description 36
- 230000008451 emotion Effects 0.000 claims description 34
- 239000000284 extract Substances 0.000 claims description 13
- 238000013461 design Methods 0.000 claims description 10
- 238000013441 quality evaluation Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000007781 pre-processing Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000002537 cosmetic Substances 0.000 description 3
- 230000037303 wrinkles Effects 0.000 description 3
- 230000002996 emotional effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000009666 qualitative growth Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G06K9/6267—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0278—Product appraisal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
리뷰 텍스트의 개체명을 기반으로 광고주의 요구사항에 부합하는 리뷰어를 매칭할 수 있는 리뷰 광고 매칭 장치 및 방법, 기록 매체가 개시된다. 본 발명의 실시예에 따른 리뷰 광고 매칭 방법은, 분류속성 벡터 추출 모듈에 의해, 리뷰어들이 각각 작성한 리뷰 텍스트로부터 개체명들의 집합을 추출하고, 개체명의 분류 속성이 태깅된 개체명 분류 사전을 기반으로 상기 개체명들의 종류를 분류하여 리뷰어 분류속성 벡터를 추출하는 단계; 및 매칭 모듈에 의해, 상기 리뷰어 분류속성 벡터를 종합하여 리뷰어 속성 벡터를 추출하고, 광고주의 요구사항을 분석하여 광고주 속성 벡터를 획득하고, 상기 리뷰어 속성 벡터와 상기 광고주 속성 벡터의 유사도를 기반으로 광고주와 리뷰어를 매칭하는 단계를 포함한다.
Description
본 발명은 리뷰 광고 매칭 장치 및 방법에 관한 것으로, 보다 상세하게는 리뷰어가 작성한 리뷰 텍스트의 개체명을 기반으로 광고주의 요구사항에 부합하는 리뷰어를 매칭할 수 있는 리뷰 광고 매칭 장치 및 방법에 관한 것이다.
온라인 쇼핑몰, 소셜 네트워크 서비스(SNS; Social Network Service), 블로그 등의 활성화에 따라, 리뷰어에 의한 리뷰 광고의 중요성이 증대되고 있다. 그러나, 최근의 리뷰 광고 시장은 블로그 및 SNS 서비스의 접근 용이성으로 인해 공급 과잉 상태에 이르러 있으며, 광고주가 양질의 리뷰 광고 생산이 가능한 광고 공급자(리뷰어)를 선별하는데 어려움을 겪고 있다.
리뷰 광고 시장의 경쟁 과열로 인해, 리뷰어는 리뷰 텍스트에 관한 정량적 지표(일 방문자수, 구독자 규모, 좋아요 수 등)에 의존하여 경쟁력을 내세우려 하고 있으나, 이러한 정량적 지표들을 기반으로 한 리뷰어의 선별은 리뷰 광고 자체의 품질보다는 단순히 정량적 지표의 상승을 위한 자원 소비 현상을 초래하며, 이는 전체적인 리뷰 광고 시장의 질적 성장을 방해하는 요인이 되고 있다.
본 발명은 리뷰어가 작성한 리뷰 텍스트의 개체명을 기반으로 광고주의 요구사항에 부합하는 리뷰어를 매칭할 수 있는 리뷰 광고 매칭 장치 및 방법, 기록 매체를 제공하기 위한 것이다.
본 발명의 실시예에 따른 리뷰 광고 매칭 방법은, 분류속성 벡터 추출 모듈에 의해, 리뷰어들이 각각 작성한 리뷰 텍스트로부터 개체명들의 집합을 추출하고, 개체명의 분류 속성이 태깅된 개체명 분류 사전을 기반으로 상기 개체명들의 종류를 분류하여 리뷰어 분류속성 벡터를 추출하는 단계; 및 매칭 모듈에 의해, 상기 리뷰어 분류속성 벡터를 종합하여 리뷰어 속성 벡터를 추출하고, 광고주의 요구사항을 분석하여 광고주 속성 벡터를 획득하고, 상기 리뷰어 속성 벡터와 상기 광고주 속성 벡터의 유사도를 기반으로 광고주와 리뷰어를 매칭하는 단계를 포함한다.
상기 광고주와 리뷰어를 매칭하는 단계는, 속성 벡터 추출 모듈에 의해, 상기 리뷰어 분류속성 벡터로부터 상기 리뷰어 속성 벡터를 추출하는 단계; 상기 속성 벡터 추출 모듈에 의해, 상기 광고주의 요구사항을 분석하여 상기 광고주 속성 벡터를 획득하는 단계; 벡터 유사도 분석 모듈에 의해, 상기 리뷰어 속성 벡터와 상기 광고주 속성 벡터의 유사도를 산출하는 단계; 및 상기 벡터 유사도 분석 모듈에 의해, 상기 유사도를 기반으로 상기 광고주의 수요에 매칭되는 리뷰어를 추천하는 단계를 포함할 수 있다.
상기 유사도를 산출하는 단계는 상기 광고주와 상기 리뷰어들의 매칭률을 산출하는 단계를 포함할 수 있다. 상기 리뷰어를 추천하는 단계는 상기 매칭률이 높은 순으로 상기 광고주에게 리뷰어를 추천하는 단계를 포함할 수 있다.
본 발명의 실시예에 따른 리뷰 광고 매칭 방법은, 속성 정의부에 의해, 상기 개체명들 각각의 속성들을 정의하는 단계; 및 리뷰 품질 평가부에 의해, 상기 속성들 중 상기 리뷰 텍스트에 포함된 속성의 비율 및 상기 속성 정의부에 정의된 속성들에 포함되지 않은 상기 리뷰 텍스트 내의 신규 속성의 빈도를 기반으로, 상기 리뷰어의 리뷰 품질을 평가하고, 상기 리뷰어의 리뷰 품질을 상기 광고주에게 제공하는 단계를 더 포함할 수 있다.
상기 속성들은 개체명에 관련된 성능, 디자인, 배송 품질, 및 비용 중의 적어도 2 이상을 포함할 수 있다.
본 발명의 실시예에 따른 리뷰 광고 매칭 방법은, 속성 갱신부에 의해, 상기 개체명들에 정의되지 않은 상기 신규 속성을 추가하여 상기 개체명들의 속성들을 갱신하는 단계를 더 포함할 수 있다. 상기 속성들을 갱신하는 단계는, 상기 개체명 별로, 상기 리뷰 텍스트에서 상기 개체명들의 속성을 나타내는 속성 단어들을 추출하는 단계; 상기 속성 단어들 중 상기 속성 정의부에 미리 정의된 속성들과의 유사도가 기준값보다 낮은 신규 속성 단어들을 추출하는 단계; 상기 신규 속성 단어들을 패스트텍스트(FastText) 단어 클러스터링에 의해 군집화하는 단계; 및 상기 개체명 별로 군집 단위로 속성명을 추가하여 상기 개체명 별로 속성들을 갱신하는 단계를 포함할 수 있다.
본 발명의 실시예에 따른 리뷰 광고 매칭 방법은, 속성 갱신부에 의해, 상기 개체명들의 속성들 중의 적어도 하나의 속성을 하위 속성들로 분류하는 단계를 더 포함할 수 있다.
상기 하위 속성들로 분류하는 단계는, 상기 리뷰 텍스트에 상기 개체명의 리뷰 대상 속성에 대한 긍정 감성 평가와 부정 감성 평가가 모두 포함되어 있는지를 판단하는 단계; 상기 리뷰 텍스트에서 상기 긍정 감성 평가와 관련된 제1 단어와 상기 부정 감성 평가와 관련된 제2 단어를 각각 추출하는 단계; 및 상기 제1 단어 및 상기 제2 단어를 기반으로, 상기 리뷰 대상 속성을 상기 긍정 감성 평가와 관련된 제1 하위 속성과 상기 부정 감성 평가와 관련된 제2 하위 속성으로 분류하는 단계를 포함할 수 있다.
본 발명의 실시예에 따르면, 상기 리뷰 광고 매칭 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체가 제공된다.
본 발명의 실시예에 따른 리뷰 광고 매칭 장치는, 리뷰어들이 각각 작성한 리뷰 텍스트로부터 개체명들의 집합을 추출하고, 개체명의 분류 속성이 태깅된 개체명 분류 사전을 기반으로 상기 개체명들의 종류를 분류하여 리뷰어 분류속성 벡터를 추출하는 분류속성 벡터 추출 모듈; 및 상기 리뷰어 분류속성 벡터를 종합하여 리뷰어 속성 벡터를 추출하고, 광고주의 요구사항을 분석하여 광고주 속성 벡터를 획득하고, 상기 리뷰어 속성 벡터와 상기 광고주 속성 벡터의 유사도를 기반으로 광고주와 리뷰어를 매칭하는 매칭 모듈을 포함한다.
상기 매칭 모듈은, 상기 리뷰어 분류속성 벡터로부터 상기 리뷰어 속성 벡터를 추출하고, 상기 광고주의 요구사항을 분석하여 상기 광고주 속성 벡터를 획득하는 속성 벡터 추출 모듈; 및 상기 리뷰어 속성 벡터와 상기 광고주 속성 벡터의 유사도를 산출하고, 상기 유사도를 기반으로 상기 광고주의 수요에 매칭되는 리뷰어를 추천하는 벡터 유사도 분석 모듈을 포함할 수 있다.
상기 벡터 유사도 분석 모듈은, 상기 광고주와 상기 리뷰어들의 매칭률을 산출하고; 그리고 상기 매칭률이 높은 순으로 상기 광고주에게 리뷰어를 추천하도록 구성될 수 있다.
본 발명의 실시예에 따른 리뷰 광고 매칭 장치는, 상기 개체명들 각각의 속성들을 정의하는 속성 정의부; 및 상기 속성들 중 상기 리뷰 텍스트에 포함된 속성의 비율 및 상기 속성 정의부에 정의된 속성들에 포함되지 않은 상기 리뷰 텍스트 내의 신규 속성의 빈도를 기반으로 상기 리뷰어의 리뷰 품질을 평가하고, 상기 리뷰어의 리뷰 품질을 상기 광고주에게 제공하는 리뷰 품질 평가부를 더 포함할 수 있다.
본 발명의 실시예에 따른 리뷰 광고 매칭 장치는, 상기 개체명들에 정의되지 않은 상기 신규 속성을 추가하여 상기 개체명들의 속성들을 갱신하는 속성 갱신부를 더 포함할 수 있다. 상기 속성 갱신부는, 상기 개체명 별로, 상기 리뷰 텍스트에서 상기 개체명들의 속성을 나타내는 속성 단어들을 추출하고; 상기 속성 단어들 중 상기 속성 정의부에 미리 정의된 속성들과의 유사도가 기준값보다 낮은 신규 속성 단어들을 추출하고; 상기 신규 속성 단어들을 패스트텍스트(FastText) 단어 클러스터링에 의해 군집화하고; 그리고 상기 개체명 별로 군집 단위로 속성명을 추가하여 상기 개체명 별로 속성들을 갱신하도록 구성될 수 있다.
본 발명의 실시예에 따른 리뷰 광고 매칭 장치는, 상기 개체명들의 속성들 중의 적어도 하나의 속성을 하위 속성들로 분류하는 속성 갱신부를 더 포함할 수 있다. 상기 속성 갱신부는, 상기 리뷰 텍스트에 상기 개체명의 리뷰 대상 속성에 대한 긍정 감성 평가와 부정 감성 평가가 모두 포함되어 있는지를 판단하고; 상기 리뷰 텍스트에서 상기 긍정 감성 평가와 관련된 제1 단어와 상기 부정 감성 평가와 관련된 제2 단어를 각각 추출하고; 그리고 상기 제1 단어 및 상기 제2 단어를 기반으로, 상기 리뷰 대상 속성을 상기 긍정 감성 평가와 관련된 제1 하위 속성과 상기 부정 감성 평가와 관련된 제2 하위 속성으로 분류하도록 구성될 수 있다.
본 발명의 실시예에 의하면, 리뷰어가 작성한 리뷰 텍스트의 개체명을 기반으로 광고주의 요구사항에 부합하는 리뷰어를 매칭할 수 있는 리뷰 광고 매칭 장치 및 방법, 기록 매체가 제공된다.
도 1은 본 발명의 실시예에 따른 리뷰 광고 매칭 장치의 구성도이다.
도 2는 본 발명의 실시예에 따른 리뷰 광고 매칭 장치의 세부 구성도이다.
도 3은 본 발명의 실시예에 따른 리뷰 광고 매칭 장치를 구성하는 개체명 인식 모듈의 개념도이다.
도 4는 본 발명의 실시예에 따른 리뷰 광고 매칭 방법의 순서도이다.
도 5는 본 발명의 다른 실시예에 따른 리뷰 광고 매칭 장치의 구성도이다.
도 6은 본 발명의 다른 실시예에 따른 리뷰 광고 매칭 방법의 순서도이다.
도 7은 본 발명의 또 다른 실시예에 따른 리뷰 광고 매칭 방법의 순서도이다.
도 8은 본 발명의 또 다른 실시예에 따른 리뷰 광고 매칭 방법의 순서도이다.
도 2는 본 발명의 실시예에 따른 리뷰 광고 매칭 장치의 세부 구성도이다.
도 3은 본 발명의 실시예에 따른 리뷰 광고 매칭 장치를 구성하는 개체명 인식 모듈의 개념도이다.
도 4는 본 발명의 실시예에 따른 리뷰 광고 매칭 방법의 순서도이다.
도 5는 본 발명의 다른 실시예에 따른 리뷰 광고 매칭 장치의 구성도이다.
도 6은 본 발명의 다른 실시예에 따른 리뷰 광고 매칭 방법의 순서도이다.
도 7은 본 발명의 또 다른 실시예에 따른 리뷰 광고 매칭 방법의 순서도이다.
도 8은 본 발명의 또 다른 실시예에 따른 리뷰 광고 매칭 방법의 순서도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
본 명세서에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 본 명세서에서 사용되는 '~부'는 적어도 하나의 기능이나 동작을 처리하는 단위로서, 예를 들어 소프트웨어, FPGA 또는 하드웨어 구성요소를 의미할 수 있다. '~부'에서 제공하는 기능은 복수의 구성요소에 의해 분리되어 수행되거나, 다른 추가적인 구성요소와 통합될 수도 있다. 본 명세서의 '~부'는 반드시 소프트웨어 또는 하드웨어에 한정되지 않으며, 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고, 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다.
도 1은 본 발명의 실시예에 따른 리뷰 광고 매칭 장치의 구성도이다. 도 1을 참조하면, 본 발명의 실시예에 따른 리뷰 광고 매칭 장치(100)는 리뷰어들이 작성한 리뷰 텍스트들에서 각각 개체명들의 집합을 추출하여 리뷰어 분류속성 벡터를 추출하고, 리뷰어 분류속성 벡터로부터 추출한 리뷰어 속성 벡터와 광고주의 요구사항과 관련된 광고주 속성 벡터 간의 유사도를 기반으로 광고주와 각 리뷰어의 매칭율을 산출하여 광고주와 리뷰어를 매칭한다. 개체명(Named Entity)은 상품명, 서비스명, 인명, 기관명, 지명 등과 같이 문장 또는 문서에서 특정한 의미를 가지고 있는 단어 또는 어구를 의미한다.
도 2는 본 발명의 실시예에 따른 리뷰 광고 매칭 장치의 세부 구성도이다. 도 3은 본 발명의 실시예에 따른 리뷰 광고 매칭 장치를 구성하는 개체명 인식 모듈의 개념도이다. 도 1 내지 도 3을 참조하면, 본 발명의 실시예에 따른 리뷰 광고 매칭 장치(100)는 분류속성 벡터 추출 모듈(120)과, 매칭 모듈(140)을 포함할 수 있다.
분류속성 벡터 추출 모듈(120)은 리뷰어가 과거에 작성했던 리뷰 텍스트로부터 리뷰어의 카테고리를 분류해 내기 위해, 리뷰어들이 각각 작성한 IT 기기, 화장품, 생활용품 등의 개체명들과 관련된 다양한 리뷰 텍스트들로부터 개체명들의 집합을 추출하는 개체명 인식 모듈(122)을 포함할 수 있다. 리뷰 텍스트들은 데이터 수집부(도시생략)에 의해 예를 들어 크롤링(Crawling)을 통해 수집될 수 있으며, SNS/쇼핑몰/자체보유 리뷰들의 패턴 별로 비정형 데이터 파싱을 수행하여 수집될 수 있다.
수집된 리뷰 텍스트들은 전처리부(도시생략)에 의해 형태소 분석, 전처리(불용어 제거, 어근 추출 등) 등의 전처리가 수행될 수 있다. 전처리부에 의해, 리뷰 텍스트들에서 의미 없는 단어 토큰이 제거되어 불용어를 제거하고, 유의미한 단어 토큰만을 선별할 수 있으며, 유의미한 단어의 기본 형태인 어근을 추출할 수 있다.
분류속성 벡터 추출 모듈(120)은 리뷰 광고에 특화된 도메인에서 개체명의 분류 속성이 태깅된 개체명 분류 사전(124)을 기반으로 개체명들의 종류를 분류하여 리뷰어 분류속성 벡터를 추출할 수 있다. 개체명 분류 사전(124)은 IT 기기, 화장품, 생활용품 등의 개체명 분류 정보를 포함할 수 있다. 분류속성 벡터 추출모듈(120)은 리뷰어가 작성한 리뷰 텍스트로부터 추출된 리뷰텍스트-분류속성 벡터를 종합하여, 리뷰어-분류속성 벡터를 생성할 수 있다.
매칭 모듈(140)은 리뷰어 분류속성 벡터로부터 리뷰어 속성 벡터를 추출하고, 광고주의 요구사항을 분석하여 광고주 속성 벡터를 획득하는 속성벡터 추출모듈(142)과, 리뷰어 속성 벡터와 광고주 속성 벡터 간의 유사도를 산출하고 산출한 유사도를 기반으로 광고주와 리뷰어를 매칭하고, 광고주의 수요에 매칭되는 리뷰어를 추천하는 벡터유사도 분석모듈(144)을 포함할 수 있다.
매칭 모듈(140)은 속성벡터 추출 모듈(142)로부터 생성한 광고주-분류속성 벡터와 리뷰어-분류속성 벡터 집합을 통해 매트릭스(Matrix)를 구축한 후, 유사도 알고리즘으로 광고주와 리뷰어 간의 매칭 분석을 수행할 수 있다. 벡터유사도 분석모듈(144)은 광고주에 대한 리뷰어들의 유사도(매칭률)를 랭킹, 유사율 등의 지표로 출력하고, 광고주와의 매칭률이 높은 순으로 광고주에게 리뷰어를 추천할 수 있다.
도 4는 본 발명의 실시예에 따른 리뷰 광고 매칭 방법의 순서도이다. 도 1 내지 도 4를 참조하면, 리뷰 광고 매칭 방법은 먼저 개체명 인식 모듈(122)에 의해, 리뷰어들이 각각 작성한 IT 기기, 화장품, 생활용품 등에 관련된 다양한 리뷰 텍스트들로부터 개체명들의 집합을 추출할 수 있다(S10). 개체명들의 집합은 개체명 인식 모듈(122)에 의해 각 리뷰어 별로 산출될 수 있다.
각 리뷰어 별로 개체명들의 집합이 추출되면, 분류속성 벡터 추출 모듈(120)에 의해 개체명의 분류 속성이 태깅된 개체명 분류 사전(124)을 기반으로 개체명들의 종류를 분류하여 각 리뷰어 별로 리뷰어 분류속성 벡터를 추출할 수 있다(S20). 다음으로, 속성벡터 추출모듈(142)에 의해 리뷰어 분류속성 벡터로부터 리뷰어 속성 벡터를 추출하고(S30), 광고주의 요구사항을 분석하여 광고주 속성 벡터를 획득할 수 있다(S40).
광고주의 분류 속성은 광고주로부터 수집한 문진데이터를 분석하여 광고주-분류 벡터를 획득함으로써 추출될 수 있다. 리뷰어 속성 벡터와 광고주 속성 벡터가 획득되면, 벡터유사도 분석모듈(144)에 의해 리뷰어 속성 벡터와 광고주 속성 벡터 간의 유사도를 산출하고, 리뷰어 속성 벡터와 광고주 속성 벡터 간의 유사도를 기반으로 광고주와 리뷰어를 매칭할 수 있다(S50).
리뷰어 속성 벡터와 광고주 속성 벡터 간의 유사도는 예를 들어, 유클리디언 거리(Euclidean Distance), 맨해튼 거리(Manhattan Distance), 민코스키 거리(Minkowski Distance), 코사인 유사도(Cosine Similarity) 등을 기반으로 산출될 수 있으나, 이에 제한되는 것은 아니다.
벡터유사도 분석모듈(144)은 리뷰어 속성 벡터와 광고주 속성 벡터 간의 유사도를 기반으로 광고주와 리뷰어들의 매칭률을 산출하여 광고주와 매칭률이 높은 순으로 광고주에게 리뷰어를 추천할 수 있다(S60). 벡터유사도 분석모듈(144)은 리뷰어에게 복수의 광고주 중 매칭률이 높은 순으로 광고주 정보를 리뷰어에게 제공할 수도 있다.
광고주는 요구사항에 부합하는 리뷰어를 추천받아 해당 리뷰어에게 광고 의뢰를 할 수 있다. 리뷰어는 자신과 매칭률이 높은 광고주 정보를 확인하여 해당 광고주와의 매칭률을 보다 높일 수 있도록 광고주와 관련된 리뷰 광고 빈도를 높이는 등의 조치를 취할 수 있다.
본 발명의 실시예에 의하면, 리뷰어가 과거에 집행했던 리뷰 광고를 분석하여 리뷰어가 어떤 카테고리의 광고와 적합한지를 분류할 수 있고, 분류된 결과를 통해 광고주의 수요에 적합한 리뷰어를 매칭하여 양질의 리뷰 광고를 생산함으로써 성공적인 리뷰 광고가 이루어지도록 할 수 있다.
또한, 본 발명의 실시예에 의하면, 주제어 추출을 통해 텍스트를 분류하는 기존 시스템과 비교하여 개체명 인식을 통해 텍스트를 분류함으로써 하나의 리뷰 텍스트 내에 포함된 여러 개의 속성들을 분석하여 광고주와 리뷰어 간의 리뷰 광고 매칭을 수행할 수 있다.
도 5는 본 발명의 다른 실시예에 따른 리뷰 광고 매칭 장치의 구성도이다. 도 6은 본 발명의 다른 실시예에 따른 리뷰 광고 매칭 방법의 순서도이다. 도 5 및 도 6을 참조하면, 본 발명의 실시예에 따른 리뷰 광고 매칭 장치(100)는 속성 정의부(160), 리뷰 품질 평가부(180) 및 속성 갱신부(200)를 더 포함하는 점에서 앞서 설명한 실시예와 차이가 있다.
속성 정의부(160)는 다양한 개체명들(리뷰 대상 상품/서비스 등의 리뷰 대상들)의 카테고리 및 개체명들 각각의 속성들을 정의할 수 있다(S70). 속성들은 리뷰 대상 상품 또는 서비스 등의 개체명 마다 가지는 고유 속성으로, 리뷰 대상 상품 또는 서비스 등의 개체명에 관련된 성능, 디자인, 배송 품질, 및 비용 중의 적어도 2 이상을 포함할 수 있다.
리뷰 대상 상품이 스마트폰인 경우, 스마트폰의 속성은 예를 들어 스마트폰의 성능, 스크린, 무게와 같은 대상의 여러 특징을 의미한다. 개체명의 속성들은 속성 정의부(160)가 학습 데이터에서 개체명과 관련한 속성 정보를 추출하여 정의될 수 있다.
실시예에서, 리뷰 대상의 속성들은 패스트텍스트(FastText) 기반의 단어 클러스터링에 의해 군집화되어 정의될 수 있으며, 군집 별로 대표 속성명이 부여되고, 대표 속성명과 벡터 거리가 근접한 순으로 근접 단어들이 정의될 수 있다. 개체명 각각의 속성들은 리뷰 광고 매칭 장치(100)를 관리하는 관리자의 도메인 지식을 활용하여 관리자가 직접 부여하거나 수정하는 것도 가능하다.
속성 단위의 리뷰 분석 및 리뷰 광고 매칭을 위하여, 리뷰 광고 매칭 장치(100)는 리뷰 데이터 또는 리뷰 데이터 이외의 학습 데이터를 이용하여 n-그램(n-gram) 기반의 패스트텍스트(FastText) 단어 클러스터링에 의한 워드 임베딩(Word Embedding)에 의해 단어들을 벡터화하고 군집화하여 단어 군집을 생성할 수 있다.
자연어를 컴퓨터가 이해하고, 효율적으로 처리하게 하기 위해 컴퓨터가 이해할 수 있도록 자연어를 적절히 변환할 필요가 있다. 그러기 위해서 단어들의 벡터화가 필요하며, 대표적인 방법으로 'Word2Vec'과 'FastText'가 있다. 패스트텍스트(FastText)는 워드 임베딩 및 텍스트 분류를 학습하기 위한 라이브러리로, 단어를 벡터로 만드는 방법 중 하나이다. 패스트텍스트는 단어를 쪼개질 수 없는 단위로 생각하는 'Word2vec'과 달리 하나의 단어 안에 여러 단어들이 존재하는 것으로 간주하며, 단어 안의 여러 단어들(subword)을 고려한 학습을 수행한다.
'FastText'에서, 각 단어는 n개의 연속적인 단어 나열을 의미하는 n-그램으로 나타낼 수 있다. n을 몇으로 결정하는 지에 따라서 단어들이 얼마나 분리되는지가 결정될 수 있다. 예를 들어, n = 3에 해당하는 트라이그램(tri-gram)의 경우, 각 단어는 3개의 내부단어들로 분리되어 임베딩될 수 있다. 'Word2Vec'과 달리, 'FastText'는 내부단어(subword), 모르는 단어(Out of Vocabulary)에 대해서도 다른 단어와의 유사도를 계산할 수 있다. 예를 들어, '배터리충전'이라는 단어를 학습하지 않은 상태라고 할 때, 다른 단어의 n-그램으로 '배터리'와 '충전'을 학습한 적이 있다면, '배터리충전'의 임베딩 벡터를 만들 수 있다.
n-그램을 통해 벡터화된 단어들의 유클리디언 거리(Euclidean Distance) 등의 벡터 거리(vector distance)를 기준으로 클러스터링을 진행하여 유사 단어들의 군집을 만들 수 있다. 예를 들어, '배송', '택배', '디자인', '성능' 등의 속성은 아래와 같이 벡터화될 수 있으며, 벡터 거리가 근접한 단어들은 근접 단어들로 군집화될 수 있다.
리뷰 품질 평가부(180)는 정의된 속성들 중 리뷰 텍스트에 포함된 속성의 비율 및 속성 정의부(160)에 정의된 속성들에 포함되지 않은 리뷰 텍스트 내의 신규 속성의 빈도를 기반으로, 리뷰어의 리뷰 품질을 평가하고(S80), 리뷰어의 리뷰 품질을 광고주에게 제공할 수 있다(S90).
예를 들어, 리뷰어가 작성한 리뷰 텍스트에 광고주와 관련된 개체명(상품/서비스 등)과 관련한 속성들(예를 들어, 성능, 디자인, 배송, 비용 등)이 다양하게 평가될수록, 해당 리뷰어의 리뷰 품질이 높게 평가될 수 있다. 또한, 리뷰어가 정의된 속성들 이외에 신규 속성에 대해 평가한 경우에도 해당 리뷰어의 리뷰 품질이 높게 평가될 수 있다.
본 발명의 실시예에 의하면, 리뷰어가 리뷰 텍스트에서 개체명과 관련하여 분석한 속성들(리뷰 텍스트에 평가된 속성들의 빈도, 신규 속성 개수 등)을 분석하여, 리뷰어의 리뷰 품질을 평가하고 이를 광고주에게 제공함으로써, 광고주가 리뷰어의 리뷰 품질을 고려하여 리뷰어를 결정하는데 도움을 줄 수 있다.
도 7은 본 발명의 또 다른 실시예에 따른 리뷰 광고 매칭 방법의 순서도이다. 도 5 및 도 7을 참조하면, 속성 갱신부(200)에 의해 단계 S110 내지 S140을 통해 개체명들에 정의되지 않은 신규 속성을 추가하여 개체명들의 속성들을 갱신할 수 있다.
속성 갱신부(200)는 먼저 개체명 별로, 리뷰 텍스트에서 개체명들의 속성을 나타내는 속성 단어들을 추출하고(S110), 추출한 속성 단어들 중 속성 정의부(160)에 미리 정의된 속성들과의 유사도가 기준값보다 낮은 신규 속성 단어들을 추출할 수 있다(S120).
속성 갱신부(200)는 예를 들어, 리뷰 대상인 개체명이 스마트폰인 경우, 리뷰 텍스트에 '폴딩 주름'에 관한 속성 단어가 추출되었으나, 스마트폰에 관하여 '폴딩 주름' 속성이 정의되어 있지 않은 경우, 스마트폰에 관하여 '폴딩 주름' 속성을 추가하여 스마트폰에 정의된 속성들을 갱신할 수 있다.
속성 갱신부(200)는 신규 속성 단어들을 n-그램(n-gram) 기반의 패스트텍스트(FastText) 단어 클러스터링에 의해 군집화하고(S130), 개체명 별로 군집 단위로 속성명을 추가하여 개체명 별로 속성들을 갱신할 수 있다(S140). 속성 정의부(160)에 정의된 속성들과 리뷰 텍스트에서 추출된 속성 단어들 간의 유사도는 예를 들어, 유클리디언 거리와 같은 벡터 거리를 기반으로 산출될 수 있다.
도 7에 도시된 실시예에 의하면, 리뷰 텍스트를 기반으로 리뷰 대상(개체명)의 신규 속성을 추가하는 속성 갱신을 통해 개체명의 다양한 속성 별로 리뷰어의 리뷰 품질을 평가할 수 있다. 따라서, 폴더형 스마트폰과 같이 새로운 유형의 개체명(개체명)이 출현하는 경우, 그와 관련된 속성을 업데이트함으로써, 개체명에 대해 다양한 속성 별로 리뷰어의 리뷰 품질을 평가하여 리뷰어와 광고주 간에 리뷰 광고를 매칭할 수 있다.
도 8은 본 발명의 또 다른 실시예에 따른 리뷰 광고 매칭 방법의 순서도이다. 도 5 및 도 8을 참조하면, 본 발명의 또 다른 실시예에 따른 리뷰 광고 매칭 방법은 속성 갱신부(200)에 의해, 단계 S150 내지 S170을 통해 개체명들의 속성들 중의 적어도 하나의 속성을 하위 속성들로 분류할 수 있다.
속성 갱신부(200)는 리뷰 텍스트에 개체명의 리뷰 대상 속성에 대한 긍정 감성 평가와 부정 감성 평가가 모두 포함되어 있는지를 판단하고(S150), 리뷰 텍스트에 개체명의 리뷰 대상 속성에 대한 긍정 감성 평가와 부정 감성평가가 모두 포함되어 있는 경우, 리뷰 텍스트에서 긍정 감성 평가와 관련된 제1 단어와 부정 감성 평가와 관련된 제2 단어를 각각 추출할 수 있다(S160).
속성 갱신부(200)는 긍정 감성 평가와 관련하여 추출된 제1 단어 및 부정 감성 평가와 관련하여 추출된 제2 단어를 기반으로, 리뷰 대상 속성을 긍정 감성 평가와 관련된 제1 하위 속성과 부정 감성 평가와 관련된 제2 하위 속성으로 분류할 수 있다(S170).
예를 들어, 자동차의 디자인 속성에 관하여, 긍정적 감성 평가와 관련하여 '내부', '내장' 등의 단어가 추출되고, 부정적 감성 평가와 관련하여 '외부', '외장' 등의 단어가 추출되는 경우, 자동차의 디자인 속성을 '외장 디자인'과 '내장 디자인'의 하위 속성들로 분류할 수 있다.
도 8에 도시된 실시예에 의하면, 리뷰어가 작성한 리뷰 텍스트를 기반으로 리뷰 대상의 속성을 하위 속성들로 세분화하여 분류하는 속성 갱신을 통해, 리뷰 대상에 대해 다양한 속성 및 하위 속성 별로 리뷰어의 리뷰 품질을 분석하여 광고주와 리뷰어 간의 광고 매칭을 수행할 수 있다.
본 발명의 실시예에 의하면, 리뷰 데이터로부터 속성 단어(개체명) 기반으로 광고주와의 매칭률을 평가하고, 리뷰어의 리뷰 품질을 분석함으로써, 광고주의 요구사항(광고 대상인 개체명 등)과 매칭되는 리뷰어를 추천할 수 있으며, 리뷰어에게 매칭률이 높은 광고주 정보를 제공하여 리뷰어가 리뷰 광고 대상을 선정하는데 도움을 줄 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/ 또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(Arithmetic Logic Unit), 디지털 신호 프로세서(Digital Signal Processor), 마이크로컴퓨터, FPGA(Field Programmable Gate Array), PLU(Programmable Logic Unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다.
처리 장치는 운영 체제 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술 분야에서 통상의 지식을 가진 자는 처리 장치가 복수 개의 처리 요소(Processing Element) 및/또는 복수 유형의 처리요소를 포함할 수 있음을 이해할 것이다.
예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(Parallel Processor) 와 같은, 다른 처리 구성(Processing configuration)도 가능하다. 소프트웨어는 컴퓨터 프로그램(Computer Program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다.
소프트웨어 및/ 또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody) 될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CDROM, DVD와 같은 광기록 매체(optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시예들 및 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
100: 리뷰 광고 매칭 장치
120: 분류속성 벡터 추출 모듈
122: 개체명 인식 모듈
124: 개체명 분류 사전
140: 매칭 모듈
142: 속성벡터 추출모듈
144: 벡터유사도 분석모듈
120: 분류속성 벡터 추출 모듈
122: 개체명 인식 모듈
124: 개체명 분류 사전
140: 매칭 모듈
142: 속성벡터 추출모듈
144: 벡터유사도 분석모듈
Claims (15)
- 분류속성 벡터 추출 모듈에 의해, 리뷰어들이 각각 작성한 리뷰 텍스트로부터 개체명들의 집합을 추출하고, 개체명의 분류 속성이 태깅된 개체명 분류 사전을 기반으로 상기 개체명들의 종류를 분류하여 리뷰어 분류속성 벡터를 추출하는 단계; 및
매칭 모듈에 의해, 상기 리뷰어 분류속성 벡터를 종합하여 리뷰어 속성 벡터를 추출하고, 광고주의 요구사항을 분석하여 광고주 속성 벡터를 획득하고, 상기 리뷰어 속성 벡터와 상기 광고주 속성 벡터의 유사도를 기반으로 광고주와 리뷰어를 매칭하는 단계를 포함하는 리뷰 광고 매칭 방법. - 제1항에 있어서,
상기 광고주와 리뷰어를 매칭하는 단계는,
속성 벡터 추출 모듈에 의해, 상기 리뷰어 분류속성 벡터로부터 상기 리뷰어 속성 벡터를 추출하는 단계;
상기 속성 벡터 추출 모듈에 의해, 상기 광고주의 요구사항을 분석하여 상기 광고주 속성 벡터를 획득하는 단계;
벡터 유사도 분석 모듈에 의해, 상기 리뷰어 속성 벡터와 상기 광고주 속성 벡터의 유사도를 산출하는 단계; 및
상기 벡터 유사도 분석 모듈에 의해, 상기 유사도를 기반으로 상기 광고주의 수요에 매칭되는 리뷰어를 추천하는 단계를 포함하는 리뷰 광고 매칭 방법. - 제2항에 있어서,
상기 유사도를 산출하는 단계는 상기 광고주와 상기 리뷰어들의 매칭률을 산출하는 단계를 포함하고,
상기 리뷰어를 추천하는 단계는 상기 매칭률이 높은 순으로 상기 광고주에게 리뷰어를 추천하는 단계를 포함하는 리뷰 광고 매칭 방법. - 제1항에 있어서,
속성 정의부에 의해, 상기 개체명들 각각의 속성들을 정의하는 단계; 및
리뷰 품질 평가부에 의해, 상기 속성들 중 상기 리뷰 텍스트에 포함된 속성의 비율 및 상기 속성 정의부에 정의된 속성들에 포함되지 않은 상기 리뷰 텍스트 내의 신규 속성의 빈도를 기반으로, 상기 리뷰어의 리뷰 품질을 평가하고, 상기 리뷰어의 리뷰 품질을 상기 광고주에게 제공하는 단계를 더 포함하는 리뷰 광고 매칭 방법. - 제4항에 있어서, 상기 속성들은 개체명에 관련된 성능, 디자인, 배송 품질, 및 비용 중의 적어도 2 이상을 포함하는 리뷰 광고 매칭 방법.
- 제1항에 있어서,
속성 갱신부에 의해, 상기 개체명들에 정의되지 않은 상기 신규 속성을 추가하여 상기 개체명들의 속성들을 갱신하는 단계를 더 포함하고,
상기 속성들을 갱신하는 단계는,
상기 개체명 별로, 상기 리뷰 텍스트에서 상기 개체명들의 속성을 나타내는 속성 단어들을 추출하는 단계;
상기 속성 단어들 중 상기 속성 정의부에 미리 정의된 속성들과의 유사도가 기준값보다 낮은 신규 속성 단어들을 추출하는 단계;
상기 신규 속성 단어들을 패스트텍스트(FastText) 단어 클러스터링에 의해 군집화하는 단계; 및
상기 개체명 별로 군집 단위로 속성명을 추가하여 상기 개체명 별로 속성들을 갱신하는 단계를 포함하는 리뷰 광고 매칭 방법. - 제1항에 있어서,
속성 갱신부에 의해, 상기 개체명들의 속성들 중의 적어도 하나의 속성을 하위 속성들로 분류하는 단계를 더 포함하고,
상기 하위 속성들로 분류하는 단계는,
상기 리뷰 텍스트에 상기 개체명의 리뷰 대상 속성에 대한 긍정 감성 평가와 부정 감성 평가가 모두 포함되어 있는지를 판단하는 단계;
상기 리뷰 텍스트에서 상기 긍정 감성 평가와 관련된 제1 단어와 상기 부정 감성 평가와 관련된 제2 단어를 각각 추출하는 단계; 및
상기 제1 단어 및 상기 제2 단어를 기반으로, 상기 리뷰 대상 속성을 상기 긍정 감성 평가와 관련된 제1 하위 속성과 상기 부정 감성 평가와 관련된 제2 하위 속성으로 분류하는 단계를 포함하는 리뷰 광고 매칭 방법. - 제1항 내지 제7항 중 어느 한 항의 리뷰 광고 매칭 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.
- 리뷰어들이 각각 작성한 리뷰 텍스트로부터 개체명들의 집합을 추출하고, 개체명의 분류 속성이 태깅된 개체명 분류 사전을 기반으로 상기 개체명들의 종류를 분류하여 리뷰어 분류속성 벡터를 추출하는 분류속성 벡터 추출 모듈; 및
상기 리뷰어 분류속성 벡터를 종합하여 리뷰어 속성 벡터를 추출하고, 광고주의 요구사항을 분석하여 광고주 속성 벡터를 획득하고, 상기 리뷰어 속성 벡터와 상기 광고주 속성 벡터의 유사도를 기반으로 광고주와 리뷰어를 매칭하는 매칭 모듈을 포함하는 리뷰 광고 매칭 장치. - 제9항에 있어서,
상기 매칭 모듈은,
상기 리뷰어 분류속성 벡터로부터 상기 리뷰어 속성 벡터를 추출하고, 상기 광고주의 요구사항을 분석하여 상기 광고주 속성 벡터를 획득하는 속성 벡터 추출 모듈; 및
상기 리뷰어 속성 벡터와 상기 광고주 속성 벡터의 유사도를 산출하고, 상기 유사도를 기반으로 상기 광고주의 수요에 매칭되는 리뷰어를 추천하는 벡터 유사도 분석 모듈을 포함하는 리뷰 광고 매칭 장치. - 제10항에 있어서,
상기 벡터 유사도 분석 모듈은,
상기 광고주와 상기 리뷰어들의 매칭률을 산출하고; 그리고
상기 매칭률이 높은 순으로 상기 광고주에게 리뷰어를 추천하도록 구성되는 리뷰 광고 매칭 장치. - 제9항에 있어서,
상기 개체명들 각각의 속성들을 정의하는 속성 정의부; 및
상기 속성들 중 상기 리뷰 텍스트에 포함된 속성의 비율 및 상기 속성 정의부에 정의된 속성들에 포함되지 않은 상기 리뷰 텍스트 내의 신규 속성의 빈도를 기반으로 상기 리뷰어의 리뷰 품질을 평가하고, 상기 리뷰어의 리뷰 품질을 상기 광고주에게 제공하는 리뷰 품질 평가부를 더 포함하는 리뷰 광고 매칭 장치. - 제12항에 있어서, 상기 속성들은 개체명에 관련된 성능, 디자인, 배송 품질, 및 비용 중의 적어도 2 이상을 포함하는 리뷰 광고 매칭 장치.
- 제9항 내지 제13항 중 어느 한 항에 있어서,
상기 개체명들에 정의되지 않은 상기 신규 속성을 추가하여 상기 개체명들의 속성들을 갱신하는 속성 갱신부를 더 포함하고,
상기 속성 갱신부는,
상기 개체명 별로, 상기 리뷰 텍스트에서 상기 개체명들의 속성을 나타내는 속성 단어들을 추출하고;
상기 속성 단어들 중 상기 속성 정의부에 미리 정의된 속성들과의 유사도가 기준값보다 낮은 신규 속성 단어들을 추출하고;
상기 신규 속성 단어들을 패스트텍스트(FastText) 단어 클러스터링에 의해 군집화하고; 그리고
상기 개체명 별로 군집 단위로 속성명을 추가하여 상기 개체명 별로 속성들을 갱신하도록 구성되는 리뷰 광고 매칭 장치. - 제9항 내지 제13항 중 어느 한 항에 있어서,
상기 개체명들의 속성들 중의 적어도 하나의 속성을 하위 속성들로 분류하는 속성 갱신부를 더 포함하고,
상기 속성 갱신부는,
상기 리뷰 텍스트에 상기 개체명의 리뷰 대상 속성에 대한 긍정 감성 평가와 부정 감성 평가가 모두 포함되어 있는지를 판단하고;
상기 리뷰 텍스트에서 상기 긍정 감성 평가와 관련된 제1 단어와 상기 부정 감성 평가와 관련된 제2 단어를 각각 추출하고; 그리고
상기 제1 단어 및 상기 제2 단어를 기반으로, 상기 리뷰 대상 속성을 상기 긍정 감성 평가와 관련된 제1 하위 속성과 상기 부정 감성 평가와 관련된 제2 하위 속성으로 분류하도록 구성되는 리뷰 광고 매칭 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190103649A KR102299618B1 (ko) | 2019-08-23 | 2019-08-23 | 리뷰 광고 매칭 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190103649A KR102299618B1 (ko) | 2019-08-23 | 2019-08-23 | 리뷰 광고 매칭 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210023453A true KR20210023453A (ko) | 2021-03-04 |
| KR102299618B1 KR102299618B1 (ko) | 2021-09-08 |
Family
ID=75174602
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190103649A KR102299618B1 (ko) | 2019-08-23 | 2019-08-23 | 리뷰 광고 매칭 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102299618B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113127628A (zh) * | 2021-04-23 | 2021-07-16 | 北京达佳互联信息技术有限公司 | 用于生成评论的方法、装置、设备及计算机可读存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140035221A (ko) * | 2012-09-12 | 2014-03-21 | (주)케이테크 | 분야별 전문가 큐레이션 추천 시스템 및 이를 이용한 분야별 전문가 추천 방법 |
| WO2018136011A1 (en) * | 2017-01-20 | 2018-07-26 | Kobe Global Technologies Pte Ltd | A system and method for matching influencers with an advertisement campaign |
-
2019
- 2019-08-23 KR KR1020190103649A patent/KR102299618B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140035221A (ko) * | 2012-09-12 | 2014-03-21 | (주)케이테크 | 분야별 전문가 큐레이션 추천 시스템 및 이를 이용한 분야별 전문가 추천 방법 |
| WO2018136011A1 (en) * | 2017-01-20 | 2018-07-26 | Kobe Global Technologies Pte Ltd | A system and method for matching influencers with an advertisement campaign |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113127628A (zh) * | 2021-04-23 | 2021-07-16 | 北京达佳互联信息技术有限公司 | 用于生成评论的方法、装置、设备及计算机可读存储介质 |
| CN113127628B (zh) * | 2021-04-23 | 2024-03-19 | 北京达佳互联信息技术有限公司 | 用于生成评论的方法、装置、设备及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102299618B1 (ko) | 2021-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Akimushkin et al. | Text authorship identified using the dynamics of word co-occurrence networks | |
| US11640563B2 (en) | Automated data processing and machine learning model generation | |
| KR102310487B1 (ko) | 속성 단위 리뷰 분석 장치 및 방법 | |
| US20180025121A1 (en) | Systems and methods for finer-grained medical entity extraction | |
| US9652472B2 (en) | Service requirement analysis system, method and non-transitory computer readable storage medium | |
| US20190171792A1 (en) | Interaction network inference from vector representation of words | |
| US10678769B2 (en) | Artificial intelligence system and method for auto-naming customer tree nodes in a data structure | |
| CN112470145A (zh) | 对载具的消费者可观察对象进行分割和聚类的基于超图的方法 | |
| Pita et al. | A Spark-based Workflow for Probabilistic Record Linkage of Healthcare Data. | |
| CN111966886A (zh) | 对象推荐方法、对象推荐装置、电子设备及存储介质 | |
| KR102406442B1 (ko) | Ai를 통한 데이터분석 및 홍보콘텐츠 제작 온라인 마케팅 플랫폼 | |
| CN110990563A (zh) | 一种基于人工智能的传统文化素材库构建方法及系统 | |
| CN114077661A (zh) | 信息处理装置、信息处理方法和计算机可读介质 | |
| JP7287699B2 (ja) | 機械学習を通じての学習モデルを使った情報提供方法および装置 | |
| US20220222442A1 (en) | Parameter learning apparatus, parameter learning method, and computer readable recording medium | |
| JP2022082523A (ja) | 機械学習基盤類似アイテムに関する情報を提供する方法および装置 | |
| AU2015204339B2 (en) | Information processing apparatus and information processing program | |
| CN112287111B (zh) | 一种文本处理方法和相关装置 | |
| Altuncu et al. | Graph-based topic extraction from vector embeddings of text documents: Application to a corpus of news articles | |
| CN116882414B (zh) | 基于大规模语言模型的评语自动生成方法及相关装置 | |
| WO2022039803A1 (en) | Identifying noise in verbal feedback using artificial text from non-textual parameters and transfer learning | |
| CN111126038B (zh) | 信息获取模型生成方法、装置及信息获取方法、装置 | |
| KR102299618B1 (ko) | 리뷰 광고 매칭 장치 및 방법 | |
| WO2018220688A1 (ja) | 辞書生成装置、辞書生成方法、及びプログラム | |
| CN112988699B (zh) | 模型训练方法、数据标签的生成方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |