WO2019164119A1 - 전자 장치 및 그 제어 방법 - Google Patents

전자 장치 및 그 제어 방법 Download PDF

Info

Publication number
WO2019164119A1
WO2019164119A1 PCT/KR2019/000030 KR2019000030W WO2019164119A1 WO 2019164119 A1 WO2019164119 A1 WO 2019164119A1 KR 2019000030 W KR2019000030 W KR 2019000030W WO 2019164119 A1 WO2019164119 A1 WO 2019164119A1
Authority
WO
WIPO (PCT)
Prior art keywords
feedback
user
product
negative
positive
Prior art date
Application number
PCT/KR2019/000030
Other languages
English (en)
French (fr)
Inventor
바스카르라자시만
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to EP19757755.4A priority Critical patent/EP3723019A4/en
Priority to US16/961,137 priority patent/US11544469B2/en
Publication of WO2019164119A1 publication Critical patent/WO2019164119A1/ko

Links

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
    • G06Q30/0282—Rating or review of business operators or products
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G06F40/42—Data-driven translation
    • G06F40/44—Statistical methods, e.g. probability models
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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

Definitions

  • an artificial intelligence system may apply natural language processing (NLP) to various user feedbacks to identify positive or negative feedback for a product.
  • NLP natural language processing
  • the present invention is in accordance with the above-described needs, and an object of the present invention is to provide an electronic device and a control method thereof, which perform NLP on user feedback and identify it as positive feedback or negative feedback.
  • the user feedback includes a feedback title and feedback content
  • the processor performs an NLP on the feedback title to identify a first exposure frequency of each of the first positive word and the first negative word included in the feedback title.
  • NLP is performed on the feedback content to identify a second exposure frequency of each of the second positive word and the second negative word included in the feedback content, and a weight higher than the second exposure frequency is assigned to the first exposure frequency. Can be applied to identify the user feedback as positive feedback or negative feedback for the product.
  • the user feedback may further include rating information on the product, and the processor may apply the user feedback to the feedback information by applying a weight higher than the first and second exposure frequencies to the rating information. It can be identified by negative feedback.
  • the processor may display the ratio of the positive feedback and the negative feedback to the keyword information for each specification of the product through the display, and if a keyword corresponding to a specific specification of the product is selected according to a user input, At least a portion of the user feedback including a keyword may be displayed.
  • the processor may perform an NLP applying a first algorithm to a user feedback of a first language obtained by crawling the website, obtaining a first analysis result, and crawling the website.
  • the second analysis result may be obtained by applying the second algorithm to the user feedback, and the positive feedback or the negative feedback may be identified by combining the obtained first and second analysis results.
  • the processor identifies each of the plurality of sentences included in the user feedback as a positive sentence or a negative sentence, and the ratio of the number of the positive sentences to the total number of sentences included in the user feedback and the total of the sentences.
  • the user feedback may be identified as the positive feedback or the negative feedback based on the ratio of the number of the negative sentences to the number.
  • a method of controlling an electronic device in which keyword information for each specification of a product is stored crawling a website to obtain user feedback on the product, and applying NLP to at least two different algorithms. Performing (Natural Language Processing) to identify positive feedback or negative feedback among the user feedbacks corresponding to the keyword information for each specification, and displaying the identification result.
  • NLP Natural Language Processing
  • the identifying may include performing a NLP applying the first algorithm to the user feedback to identify a positive feedback or negative feedback for the product to obtain a first identification result, wherein the second algorithm is applied to the user feedback. Performing the applied NLP to identify positive feedback or negative feedback for the product to obtain a second identification result, and if at least one of the first identification result and the second identification result includes negative feedback, the user feedback May be identified as negative feedback.
  • the displaying may include displaying a ratio of the positive feedback and the negative feedback to the keyword information for each specification of the product, and selecting a keyword corresponding to a specific specification of the product according to a user input. And displaying at least a portion of the user feedback including a.
  • the method may further include displaying at least one of a UI for selecting the website for crawling and a UI for editing a keyword for each specification of the product.
  • the identifying may include performing an NLP applying a first algorithm to a user feedback of a first language obtained by crawling a first website, obtaining a first analysis result, and crawling a second website.
  • performing a NLP applying a second algorithm to the user feedback of the second language to obtain a second analysis result, and synthesizing the obtained first and second analysis results to identify the positive feedback or the negative feedback It may include.
  • the identifying may include identifying each of a plurality of sentences included in the user feedback as a positive sentence or a negative sentence, and the ratio of the number of the positive sentences to the total number of sentences included in the user feedback and the And identifying the user feedback as the positive feedback or the negative feedback based on a ratio of the number of negative sentences to the total number of sentences.
  • positive feedback and negative feedback for each product specification may be provided, and an identification result having high accuracy may be provided.
  • FIG. 1 is a block diagram illustrating an electronic device according to an embodiment of the present disclosure.
  • FIG. 2 is a block diagram illustrating a detailed configuration of an electronic device according to an embodiment of the present disclosure.
  • FIG. 3 is a diagram for describing keyword information for each specification of a product according to an exemplary embodiment.
  • FIG. 4 is a diagram for describing positive and negative feedback according to specifications of a product according to an embodiment of the present disclosure.
  • FIG. 6 is a diagram for describing user feedback including a selected keyword according to an embodiment of the present disclosure.
  • FIG. 7 is a flowchart illustrating a control method of an electronic device according to an embodiment of the present disclosure.
  • Embodiments of the present disclosure may be variously modified and have various embodiments, and specific embodiments will be illustrated in the drawings and described in detail in the written description. However, this is not intended to limit the scope to the specific embodiments, it should be understood to include all transformations, equivalents, and substitutes included in the scope of the disclosed spirit and technology. In describing the embodiments, when it is determined that the detailed description of the related known technology may obscure the gist, the detailed description thereof will be omitted.
  • first and second may be used to describe various components, but the components should not be limited by the terms. The terms are only used to distinguish one component from another.
  • a "module” or “unit” performs at least one function or operation, and may be implemented in hardware or software or in a combination of hardware and software.
  • a plurality of “modules” or a plurality of “units” may be integrated into at least one module except for "modules” or “units”, which need to be implemented with specific hardware, and are implemented with at least one processor (not shown). Can be.
  • FIG. 1 is a block diagram illustrating an electronic device 100 according to an embodiment of the present disclosure.
  • the electronic device 100 includes a storage 110, a processor 120, and a display 130.
  • the electronic device 100 may be a device capable of performing Natural Language Processing (NLP).
  • NLP Natural Language Processing
  • a user terminal device a display device, a set-top box, a tablet personal computer, a smart phone, an e-book reader, a desktop PC ), A laptop PC, a workstation, a server, a personal digital assistant, a portable multimedia player, a MP3 player, and the like.
  • the electronic device 100 may mean a system itself in which a cloud computing environment is built.
  • the present invention is not limited thereto, and the electronic device 100 may be any device as long as the device can perform NLP using deep learning.
  • the specification of TV means display, image, sound, design, and function
  • the keyword for each specification is screen size, resolution, panel type, curved, HDR, 10 bit, This can mean dimming technology, Dolby Sound, RMS, or Bluetooth support for sound.
  • keyword information for each product specification may be updated and edited by a user, a manufacturer, or the like, and the electronic device 100 may communicate with an external server to update keyword information for each product specification.
  • the product is not limited to electronic products, but may be various types of products that can be purchased through Internet shopping.
  • the processor 120 controls the overall operation of the electronic device 100.
  • the processor 120 may crawl the website to obtain user feedback on the product.
  • crawling may refer to programming to navigate a web site in an automated manner.
  • the crawl may be referred to as spidering, but for the convenience of description, the following will be referred to as crawling.
  • the processor 120 may generate a copy of pages of various websites using web crawling and store the generated copy in the storage 110.
  • the website may mean any website that can obtain user feedback on the product.
  • the processor 120 may crawl a predetermined shopping mall website to obtain user feedback about a product.
  • the processor 120 may crawl the various products being sold on the shopping mall website and feedback (for example, reviews) written by the user on each product and store the same in the storage 110.
  • the present disclosure is not limited thereto, and the processor 120 may randomly crawl a user community or an unspecific website for a specific product in addition to a shopping mall website to obtain user feedback.
  • the user feedback may refer to various forms of opinions on a product written by a user, such as a user's rating, reviews, comments, and reviews about the product. In the following description, text-based user feedback is assumed for convenience of description.
  • the present disclosure is not limited thereto, and the user feedback may be written in various forms such as a video, a photo, and an image.
  • the processor 120 may crawl the first website, store various web pages included in the first website in the storage 110, and index the stored web pages.
  • the user feedback about the product may be obtained based on the URL of the web page.
  • the present invention is not limited thereto, and the processor 120 may obtain user feedback for each of a plurality of products by using various types of data analysis methods on a web page obtained by crawling a web site.
  • the processor 120 may perform NLP (Natural Language Processing) on the obtained user feedback.
  • NLP Natural Language Processing
  • NLP may refer to a series of processes for analyzing and extracting meaningful information from text.
  • the processor 120 may perform various types of NLP based on deep learning. As an example, the processor 120 may analyze user feedback using a recurrent neural network (RNN) or a convolutional neural network (CNN) trained NLP algorithm.
  • RNN recurrent neural network
  • CNN convolutional neural network
  • the processor 120 may perform syntactic analysis on user feedback. For example, the processor 120 may analyze the user feedback in a predetermined grammatical unit. Subsequently, the processor 120 may perform candidate syntactic parsing. Accordingly, the user feedback may be parsed in sentence structure or word units. Subsequently, the processor 120 may perform semantic analysis of the parsed data. Processor 120 may then perform word sense disambiguation and derive a user intent. For example, the user's intention may be derived and the user feedback may be output. However, in one embodiment, the processor 120 is not limited to this and does not necessarily perform the NLP. Processor 120 may perform NLP on user feedback using at least two different algorithms.
  • the algorithm may mean various types of NLP algorithms such as Stanford CoreNLP, Doc2Vec, Word2Vec, and Samsung Find.
  • the algorithm is not limited to known NLP algorithms, and may be various types of NLP algorithms obtained according to machine learning results.
  • the processor 120 performs NLP on user feedback, and identifies positive or negative feedback for each product specification among user feedbacks corresponding to the keyword information for each specification stored in the storage 110. Can be.
  • the user feedback on the first TV of the manufacturer A may include feedback on each of the specifications of the first TV.
  • the display may include positive or negative feedback with respect to the display among the plurality of specifications of the first TV, and may include positive or negative feedback with respect to the image quality, the type of the panel, the supported resolution, and the like.
  • the processor 120 may identify whether the user feedback for each specification corresponds to a positive or negative based on the keyword information.
  • 3D, image quality, resolution, panel type, and the like are stored as keyword information with respect to the specification of the display of the TV in the storage unit 110.
  • the processor 120 may perform NLP on user feedback on the first TV and identify whether the user feedback for each of 3D, image quality, resolution, and panel type is positive feedback or negative feedback based on keyword information.
  • the processor 120 may identify the positive feedback or the negative feedback for each specification in the user feedback for the first TV, and provide the identification result to the user.
  • the processor 120 may perform NLP on user feedback using at least two different algorithms. For example, NLP may be performed using only one algorithm for user feedback, NLP may be performed using at least two different algorithms, and positive or negative feedback is identified among user feedbacks corresponding to keyword information for each specification. can do.
  • the processor 120 performs NLP applying at least two different algorithms of Stanford CoreNLP, Doc2Vec, Word2Vec, and Samsung Find to identify positive feedback or negative feedback among user feedbacks corresponding to keyword information for each specification. can do.
  • the processor 120 may provide an identification result.
  • the processor 120 may provide a ratio of positive feedback and negative feedback for each keyword corresponding to each specification of the product, and if a keyword corresponding to a specific specification of the product is selected according to a user input, the user including the keyword May provide at least some of the feedback.
  • the processor 120 may identify user feedback as positive feedback or negative feedback. In other words, the processor 120 may identify the user feedback itself as positive feedback or negative feedback.
  • the processor performs an NLP applying a first algorithm to user feedback, identifies positive feedback or negative feedback for a product, obtains a first identification result, and performs an NLP applying a second algorithm to user feedback.
  • the user feedback may be identified as negative feedback.
  • the processor may identify the user feedback as positive feedback or negative feedback based on the following processing.
  • the present invention is not limited thereto, and when NLP is performed on user feedback using a plurality of NLP algorithms, the processor 120 obtains an identification result for each of the plurality of NLP algorithms, and occupies a plurality of identification results.
  • the user feedback may be identified as positive feedback or negative feedback.
  • Stanford CoreNLP, Doc2Vec and Samsungs Find are examples of NLP algorithms, and the processor 120 may acquire an identification result for user feedback based on various types of NLP algorithms.
  • User feedback may include a feedback title and feedback content.
  • the feedback title may mean a title, a summary, etc. in a user's review, comment, review, or the like.
  • the feedback title briefly summarizes the user's evaluation and reviews of the product, and the feedback content includes a detailed evaluation of the product.
  • the processor 120 applies positive weights to the user feedback by applying different weights to the first identification result obtained by performing the NLP on the feedback title and the second identification result obtained by performing the NLP on the feedback content. It can be identified by negative feedback. For example, the processor 120 performs an NLP on the feedback title to identify the first exposure frequency of each of the first positive word and the first negative word included in the feedback title, and performs the NLP on the feedback content to perform the NLP on the feedback title. A second exposure frequency of each of the included second positive word and the second negative word may be identified.
  • the processor 120 may apply a weight that is relatively higher than the second exposure frequency to the first exposure frequency obtained by performing the NLP on the feedback title that summarizes the user's evaluation, reviews, etc. of the product.
  • the processor 120 may apply a weight higher than the second exposure frequency obtained by performing the NLP on the feedback content to the first exposure frequency obtained by performing the NLP on the feedback title.
  • the processor 120 may have a first NLP performance result corresponding to 'a first product having excellent performance' relatively than a second NLP performance result corresponding to a 'second product with poor quality than the first product'. Applying high weights identifies user feedback as positive or negative feedback for the product, thereby improving accuracy.
  • the processor 120 may identify the user feedback as positive feedback or negative feedback by applying a high weight to the rating information on the product. For example, a third weight higher than the first and second weights applied to the first exposure frequency and the second exposure frequency for each of the feedback title and the feedback content included in the user feedback is applied to the rating information, Based on this, the user feedback may be identified as positive feedback or negative feedback.
  • the most intuitive information for identifying whether the user feedback is positive feedback or negative feedback for the product may be rating information, feedback title, and feedback content.
  • the processor 120 may obtain the identification result by applying the highest weight to the rating information and the lowest weight to the feedback content based on the order.
  • the processor 120 may crawl a plurality of websites using different languages.
  • the processor 120 may identify the positive feedback or the negative feedback by performing an NLP applying an NLP algorithm optimized for each language. For example, the processor 120 performs an NLP applying the first NLP algorithm to the user feedback of the first language, obtains a first analysis result, and performs the NLP applying the second NLP algorithm to the user feedback of the second language. A second analysis result can be obtained.
  • the processor 120 may identify the positive feedback or the negative feedback by combining the first and second analysis results.
  • the processor 120 uses the NLP that applies the NLP algorithm corresponding to each language to user feedback obtained by crawling a website.
  • the analysis results may be obtained, and the obtained analysis results may be aggregated to identify user feedback as positive feedback or negative feedback.
  • the processor 120 identifies each of the plurality of sentences included in the user feedback as a positive sentence or a negative sentence, and the ratio of the number of positive sentences to the total number of sentences included in the user feedback and The user feedback may be identified as positive feedback or negative feedback based on a ratio of the number of negative sentences to the total number of sentences.
  • the electronic device 100 includes a storage 110, a processor 120, and a display 130. A detailed description of parts overlapping with those shown in FIG. 1 among the elements shown in FIG. 2 will be omitted.
  • the processor 120 controls the overall operation of the electronic device 100.
  • the processor 120 may be a digital signal processor (DSP), a central processing unit (CPU), a controller, a application processor (AP), or a communication processor (communication processor). (CP)), one or more of the ARM processors, or may be defined in terms.
  • DSP digital signal processor
  • CPU central processing unit
  • AP application processor
  • CP communication processor
  • ARM processors one or more of the ARM processors, or may be defined in terms.
  • the processor 120 may store data input from the CPU, a ROM (or a nonvolatile memory) in which a control program for controlling the electronic device 100 is stored, and data external to the electronic device 100, or may be stored in the electronic device 100.
  • RAM may be used as a storage area corresponding to various operations to be performed (RAM or volatile memory).
  • the CPU accesses the storage 110 and performs booting using the operating system stored in the storage 110. Then, various operations are performed using various programs, contents, data, etc. stored in the storage 110.
  • the storage unit 110 stores various data such as an operating system (O / S) software module for driving the electronic device 100 and various multimedia contents.
  • O / S operating system
  • the storage unit 110 may be implemented as an internal memory such as a ROM or a RAM included in the processor 120 or may be implemented as a memory separate from the processor 120.
  • the storage unit 110 may be implemented in the form of a memory embedded in the electronic device 100 according to the data storage purpose, or may be implemented in the form of a memory that can be attached to and detached from the electronic device 100.
  • data for driving the electronic device 100 is stored in a memory embedded in the electronic device 100, and data for expansion function of the electronic device 100 is detachable from the electronic device 100. Possible memory can be stored.
  • the display 130 may be a variety of displays such as a liquid crystal display (LCD), an organic light emitting diode (OLED), a liquid crystal on silicon (LCoS), or a digital light processing (DLP). Can be implemented. However, the present invention is not limited thereto and may be implemented as various types of displays capable of displaying images.
  • LCD liquid crystal display
  • OLED organic light emitting diode
  • LCDoS liquid crystal on silicon
  • DLP digital light processing
  • the present invention is not limited thereto and may be implemented as various types of displays capable of displaying images.
  • the display 130 may provide at least one of a UI for selecting a website to be crawled under the control of the processor 120 and a UI for editing a keyword for each product specification.
  • the communication unit (not shown) is configured to communicate with various types of external devices according to various types of communication methods.
  • the communication unit includes a Wi-Fi chip, a Bluetooth chip, a wireless communication chip, an NFC chip, and the like.
  • the processor 120 communicates with various external devices using a communication unit.
  • the Wi-Fi chip and the Bluetooth chip communicate with each other via WiFi and Bluetooth.
  • various connection information such as SSID and session key may be transmitted and received first, and then various communication information may be transmitted and received by using the same.
  • the wireless communication chip 153 refers to a chip that performs communication according to various communication standards such as IEEE, Zigbee, 3rd Generation (3G), 3rd Generation Partnership Project (3GPP), Long Term Evoloution (LTE), and the like.
  • the NFC chip 154 refers to a chip operating in a near field communication (NFC) method using a 13.56 MHz band among various RF-ID frequency bands such as 135 kHz, 13.56 MHz, 433 MHz, 860-960 MHz, 2.45 GHz, and the like.
  • NFC near field communication
  • the processor 120 may crawl a website through the communication unit to obtain user feedback on a product.
  • the processor 120 may crawl a website to obtain user feedback and perform NLP to identify positive feedback or negative feedback among the user feedback, but according to another embodiment of the present disclosure, the processor 120 may communicate with the communication unit. Of course, the identification result may be received from an external server. Although the processor 120 does not perform crawling and NLP by itself, the electronic device 100 may receive an identification result obtained by performing an NLP through the communication unit and display the identification result.
  • the user interface unit receives various user interactions.
  • the user interface 160 may be implemented in various forms according to the implementation example of the electronic device 100.
  • the user interface unit may be a button provided in the electronic device 100, a microphone for receiving a user voice, a camera for detecting a user motion, or the like.
  • the user interface may be implemented in the form of a touch screen forming a layer structure with the touch pad. In this case, the user interface 160 may be used as the display 130 described above.
  • the processor 120 may provide at least a part including the keyword selected in the user feedback.
  • the audio processor is a component that performs processing on audio data.
  • the audio processor may perform various processing such as decoding, amplification, noise filtering, and the like on the audio data.
  • FIG. 3 is a diagram for describing keyword information for each specification of a product according to an exemplary embodiment.
  • the electronic device 100 may store keyword information for each specification of a product.
  • the specification may mean a category for describing the product.
  • the TV product may be described as a specification such as a screen standard, image quality, sound, and support terminals.
  • Each specification may contain more detailed keywords.
  • the screen specification may include keywords such as screen size, resolution, shape (for example, curved or flat), viewing angle, and LED type.
  • the image quality may include keywords such as HDR, panel type, dimming, and the like.
  • the electronic device 100 may store various specifications and keyword information for each specification not shown in FIG. 3.
  • FIG. 3 illustrates the specifications of the TV products and keyword information for each specification as a table
  • the electronic device 100 may store keyword information for each specification of various types of products.
  • the electronic device 100 may store keyword information for each specification, such as an engine, a transmission, a fuel type, an displacement, a driving method, and a maximum torque, for the vehicle.
  • the electronic device 100 may perform NLP on user feedback obtained by crawling a website to identify positive or negative feedback for each specification based on keyword information.
  • the electronic device 100 may perform NLP on a sentence including an HDR and a panel type of the image quality in the user feedback, and identify a positive feedback or negative feedback on the image quality among the user feedback.
  • the electronic device 100 may provide an identification result.
  • the electronic device 100 may display a UI for editing a keyword for each product specification. As illustrated in FIG. 3, keywords for identifying positive feedback or negative feedback in user feedback may be added, edited, or deleted.
  • FIG. 4 is a diagram for describing positive and negative feedback according to specifications of a product according to an embodiment of the present disclosure.
  • the electronic device 100 may identify positive or negative feedback for each product specification among user feedbacks based on keyword information, and an identification result may be provided to the user.
  • the electronic device 100 may store a plurality of specifications (eg, a feature) and keyword (eg, sub-feature) information for the display device.
  • the electronic device 100 may perform NLP on the obtained user feedback and identify positive feedback or negative feedback for each keyword.
  • the electronic device 100 may perform an NLP based on the keyword poor grip on the remote and provide a ratio of positive feedback and negative feedback.
  • the electronic device 100 may obtain and display a ratio of positive feedback and negative feedback with respect to keyword information for each product specification.
  • the electronic device 100 may provide a ratio of positive feedback and negative feedback for each keyword in addition to the ratio of positive feedback and negative feedback for each specification.
  • FIG. 5 is a diagram for describing user feedback according to an exemplary embodiment.
  • the electronic device 100 may provide at least a part of the user's feedback including the keyword. For example, when the keyword 'demage' is selected according to a user input, the electronic device 100 may display only user feedback including 'demage' in user feedback obtained by crawling a website.
  • the electronic device 100 may display a part of the user feedback including negative feedback on the demage.
  • the electronic device 100 may provide a user with a ratio of positive feedback and negative feedback for each keyword corresponding to each specification.
  • a portion of user feedback including a keyword selected according to a user input may be provided.
  • user feedback may be divided into a plurality of areas.
  • the first area may be a feedback title 610
  • the second area may be feedback content 620
  • the third area may be rating information 630.
  • the feedback title 610 may mean a title, summary, or the like for the user feedback.
  • the feedback title 610 may briefly summarize the user's evaluation, reviews, and the like of the product.
  • the feedback content 620 may mean a detailed evaluation and a review of the product.
  • the electronic device 100 may perform NLP on the feedback content 620 to identify positive feedback or negative feedback for each specification.
  • the electronic device 100 may perform NLP on each of the feedback title 610 and the feedback content 620 to identify user feedback as positive feedback or negative feedback.
  • the electronic device 100 performs an NLP on the feedback title 610 to identify a first exposure frequency of each of the first positive word and the first negative word included in the feedback title 610, and feedback content 620.
  • NLP may be performed to identify a second exposure frequency of each of the second positive word and the second negative word included in the feedback content 620.
  • the exposure frequency may mean an intent of a sentence by performing NLP on each of the feedback title 610 and the feedback content 620.
  • the electronic device 100 may identify the user feedback as positive feedback or negative feedback on the product by applying a weight higher than the second exposure frequency to the first exposure frequency. Since the weight of exposure (or intent of the sentence) of the feedback title 610 that summarizes and implicitly expresses the main content of the user feedback, rather than the feedback content 620 including a plurality of sentences is relatively high, the electronic device ( 100 may identify with high accuracy whether the user feedback is positive feedback or negative feedback.
  • the electronic device 100 may have higher ratings than the identification result of the feedback title 610 and the feedback content 620 in the rating information 630. Weights can be applied to identify user feedback as positive or negative feedback for the product.
  • the electronic device 100 may assign a relatively high weight to the rating information 630 to determine whether the user feedback is positive feedback. Or negative feedback.
  • FIG. 7 is a flowchart illustrating a control method of an electronic device according to an embodiment of the present disclosure.
  • a website is crawled to obtain user feedback on a product (S710).
  • NLP Natural Language Processing
  • the user feedback further includes rating information about the product
  • the identifying may apply a weight higher than the first and second exposure frequencies to the rating information to identify user feedback as positive feedback or negative feedback for the product.
  • the identifying may include performing NLP applying the first algorithm to user feedback to identify positive feedback or negative feedback on the product to obtain a first identification result, and performing NLP applying the second algorithm to user feedback. Identifying positive feedback or negative feedback for the product to obtain a second identification result, and if at least one of the first identification result and the second identification result includes negative feedback, identifying user feedback as negative feedback. It may include.
  • displaying S740 may include displaying at least one of a UI for selecting a website for crawling and a UI for editing a keyword for each specification of a product.
  • the identifying may include performing an NLP applying the first algorithm to the user feedback of the first language obtained by crawling the first website, obtaining a first analysis result, and obtaining the first analysis result.
  • the method may include obtaining a second analysis result by performing an NLP applying the second algorithm to the user feedback of the second language, and identifying the positive feedback or the negative feedback by combining the first and second analysis results.
  • the identifying may include identifying each of the plurality of sentences included in the user feedback as a positive sentence or a negative sentence, and the ratio of the number of positive sentences to the total number of sentences included in the user feedback and the number of all sentences. Identifying the user feedback as positive feedback or negative feedback based on the ratio of the number of negative sentences to the negative feedback.
  • the various embodiments described above may be implemented in a recording medium readable by a computer or a similar device by using software, hardware, or a combination thereof.
  • the embodiments described herein may be implemented by the processor itself.
  • embodiments such as the procedures and functions described herein may be implemented as separate software modules. Each of the software modules may perform one or more functions and operations described herein.
  • computer instructions for performing a processing operation according to various embodiments of the present disclosure described above may be stored in a non-transitory computer-readable medium.
  • the computer instructions stored in the non-transitory computer readable medium may cause the specific device to perform the processing operations according to the above-described various embodiments when executed by the processor.
  • a non-transitory computer readable medium refers to a medium that stores data semi-permanently and is readable by a device, not a medium storing data for a short time such as a register, a cache, a memory, and the like.
  • Specific examples of non-transitory computer readable media may include CD, DVD, hard disk, Blu-ray disk, USB, memory card, ROM, and the like.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Evolutionary Biology (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Computing Systems (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

전자 장치가 개시된다. 전자 장치는, 디스플레이, 제품의 스펙 별 키워드 정보가 저장된 저장부 및 웹사이트를 크롤링(crawling)하여 제품에 대한 사용자 피드백을 획득하고, 적어도 두 개의 상이한 알고리즘을 적용한 NLP(Natural Language Processing)를 수행하여 스펙 별 키워드 정보에 대응하는 사용자 피드백 중 포지티브(positive) 피드백 또는 네거티브(negative) 피드백을 식별하고, 식별 결과를 디스플레이를 통해 디스플레이하는 프로세서를 포함한다.

Description

전자 장치 및 그 제어 방법
본 개시는 전자 장치 및 제어 방법들에 대한 것으로, 더욱 상세하게는 NLP(Natural Language Processing)를 수행하는 전자 장치 및 그 제어 방법에 대한 것이다.
최근 전자 기술의 발달에 힘입어 전자 장치를 통한 온라인 쇼핑 시장의 규모가 기하급수적으로 커지게 되었다. 이러한 온라인 쇼핑 시장은 사용자가 제품을 직접 보고, 만지고, 느낄 수 없으므로 제품을 구매한 다른 사용자의 피드백, 리뷰 등이 매우 중요하다.
최근, 사용자의 피드백, 사용 후기 및 리뷰(Review)에 딥러닝 등의 기계학습 알고리즘을 적용하고, 빅 데이터 분석을 수행하여 제품에 대한 긍정적 또는 부정적 평가를 확인하는 방법에 대한 연구가 활발히 진행되고 있다. 예를 들어, 인공지능 시스템은 다양한 사용자 피드백에 NLP(Natural Language Processing)를 적용하여 제품에 대한 포지티브 피드백 또는 네거티브 피드백을 식별할 수 있다.
다만, 피드백에 대한 식별 결과가 제품에 대한 사용자의 실제 감정(포지티브 또는 네거티브)과 일치하지 않으며, 정확도가 떨어지는 문제가 있었다. 이에 따라, 보다 높은 정확도를 가지는 식별 방법이 요구되었다.
본 발명은 상술한 필요성에 따른 것으로, 본 발명의 목적은 사용자 피드백에 NLP를 수행하여 포지티브 피드백 또는 네거티브 피드백으로 식별하는 전자 장치 및 그 제어 방법들을 제공함에 있다.
상술한 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 전자 장치는 디스플레이, 제품의 스펙 별 키워드 정보가 저장된 저장부 및 웹사이트를 크롤링(crawling)하여 상기 제품에 대한 사용자 피드백을 획득하고, 적어도 두 개의 상이한 알고리즘을 적용한 NLP(Natural Language Processing)를 수행하여 상기 스펙 별 키워드 정보에 대응하는 상기 사용자 피드백 중 포지티브(positive) 피드백 또는 네거티브(negative) 피드백을 식별하고, 상기 디스플레이를 통하여 상기 식별 결과를 디스플레이하는 프로세서를 포함한다.
또한, 상기 사용자 피드백은 피드백 타이틀 및 피드백 컨텐츠를 포함하며, 상기 프로세서는, 상기 피드백 타이틀에 NLP를 수행하여 상기 피드백 타이틀에 포함된 제1 포지티브 워드 및 제1 네거티브 워드 각각의 제1 노출 빈도를 식별하고, 상기 피드백 컨텐츠에 NLP를 수행하여 상기 피드백 컨텐츠에 포함된 제2 포지티브 워드 및 제2 네거티브 워드 각각의 제2 노출 빈도를 식별하고, 상기 제1 노출 빈도에 상기 제2 노출 빈도보다 높은 가중치를 적용하여 상기 사용자 피드백을 상기 제품에 대한 포지티브 피드백 또는 네거티브 피드백으로 식별할 수 있다.
또한, 상기 사용자 피드백은 상기 제품에 대한 평점 정보를 더 포함하며, 상기 프로세서는, 상기 평점 정보에 상기 제1 및 제2 노출 빈도보다 높은 가중치를 적용하여 상기 사용자 피드백을 상기 제품에 대한 포지티브 피드백 또는 네거티브 피드백으로 식별할 수 있다.
또한, 상기 프로세서는, 상기 사용자 피드백에 제1 알고리즘을 적용한 NLP를 수행하여 상기 제품에 대한 포지티브 피드백 또는 네거티브 피드백을 식별하여 제1 식별 결과를 획득하고, 상기 사용자 피드백에 제2 알고리즘을 적용한 NLP를 수행하여 상기 제품에 대한 포지티브 피드백 또는 네거티브 피드백으로 식별하여 제2 식별 결과를 획득하고, 상기 제1 식별 결과 및 상기 제2 식별 결과 중 적어도 하나가 네거티브 피드백을 포함하면, 상기 사용자 피드백을 네거티브 피드백으로 식별할 수 있다.
또한, 상기 프로세서는, 상기 제품의 스펙 별 키워드 정보에 대한 상기 포지티브 피드백 및 상기 네거티브 피드백의 비율을 상기 디스플레이를 통해 디스플레이하고, 사용자 입력에 따라 상기 제품의 특정 스펙에 대응되는 키워드가 선택되면, 상기 키워드를 포함하는 상기 사용자 피드백의 적어도 일부를 디스플레이할 수 있다.
또한, 상기 프로세서는, 상기 크롤링을 수행할 상기 웹사이트를 선택하기 위한 UI 및 상기 제품의 스펙 별 키워드를 편집하기 위한 UI 중 적어도 하나를 상기 디스플레이를 통해 디스플레이할 수 있다.
또한, 상기 프로세서는, 상기 웹사이트를 크롤링하여 획득된 제1 언어의 사용자 피드백에 제1 알고리즘을 적용한 NLP를 수행하여 제1 분석 결과를 획득하고, 상기 웹사이트를 크롤링하여 획득된 제2 언어의 사용자 피드백에 제2 알고리즘을 적용한 NLP를 수행하여 제2 분석 결과를 획득하며, 상기 획득된 제1 및 제2 분석 결과를 종합하여 상기 포지티브 피드백 또는 상기 네거티브 피드백을 식별할 수 있다.
여기서, 상기 프로세서는, 상기 사용자 피드백에 포함된 복수의 문장 각각을 포지티브 문장 또는 네거티브 문장으로 식별하고, 상기 사용자 피드백에 포함된 전체 문장의 개수에 대한 상기 포지티브 문장의 개수의 비율 및 상기 전체 문장의 개수에 대한 상기 네거티브 문장의 개수의 비율에 기초하여 상기 사용자 피드백을 상기 포지티브 피드백 또는 네거티브 피드백으로 식별할 수 있다.
한편, 본 개시의 일 실시 예에 따른 제품의 스펙 별 키워드 정보가 저장된 전자 장치의 제어 방법에 있어서, 웹사이트를 크롤링하여 상기 제품에 대한 사용자 피드백을 획득하는 단계, 적어도 두 개의 상이한 알고리즘을 적용한 NLP(Natural Language Processing)를 수행하여 상기 스펙 별 키워드 정보에 대응하는 상기 사용자 피드백 중 포지티브 피드백 또는 네거티브 피드백을 식별하는 단계 및 상기 식별 결과를 디스플레이하는 단계를 포함한다.
여기서, 상기 사용자 피드백은 피드백 타이틀 및 피드백 컨텐츠를 포함하며, 상기 식별하는 단계는, 상기 피드백 타이틀에 NLP를 수행하여 상기 피드백 타이틀에 포함된 제1 포지티브 워드 및 제1 네거티브 워드 각각의 제1 노출 빈도를 식별하는 단계, 상기 피드백 컨텐츠에 NLP를 수행하여 상기 피드백 컨텐츠에 포함된 제2 포지티브 워드 및 제2 네거티브 워드 각각의 제2 노출 빈도를 식별하는 단계 및 상기 제1 노출 빈도에 상기 제2 노출 빈도보다 높은 가중치를 적용하여 상기 사용자 피드백을 상기 제품에 대한 포지티브 피드백 또는 네거티브 피드백으로 식별하는 단계를 포함할 수 있다.
여기서, 상기 사용자 피드백은 상기 제품에 대한 평점 정보를 더 포함하고, 상기 식별하는 단계는, 상기 평점 정보에 상기 제1 및 제2 노출 빈도보다 높은 가중치를 적용하여 상기 사용자 피드백을 상기 제품에 대한 포지티브 피드백 또는 네거티브 피드백으로 식별할 수 있다.
또한, 상기 식별하는 단계는, 상기 사용자 피드백에 제1 알고리즘을 적용한 NLP를 수행하여 상기 제품에 대한 포지티브 피드백 또는 네거티브 피드백을 식별하여 제1 식별 결과를 획득하는 단계, 상기 사용자 피드백에 제2 알고리즘을 적용한 NLP를 수행하여 상기 제품에 대한 포지티브 피드백 또는 네거티브 피드백을 식별하여 제2 식별 결과를 획득하는 단계 및 상기 제1 식별 결과 및 상기 제2 식별 결과 중 적어도 하나가 네거티브 피드백을 포함하면, 상기 사용자 피드백을 네거티브 피드백으로 식별하는 단계를 포함할 수 있다.
또한, 상기 디스플레이하는 단계는, 상기 제품의 스펙 별 키워드 정보에 대한 상기 포지티브 피드백 및 상기 네거티브 피드백의 비율을 디스플레이하는 단계 및 사용자 입력에 따라 상기 제품의 특정 스펙에 대응되는 키워드가 선택되면, 상기 키워드를 포함하는 상기 사용자 피드백의 적어도 일부를 디스플레이하는 단계를 포함할 수 있다.
또한, 상기 크롤링을 수행할 상기 웹사이트를 선택하기 위한 UI 및 상기 제품의 스펙 별 키워드를 편집하기 위한 UI 중 적어도 하나를 디스플레이하는 단계를 포함할 수 있다.
또한, 상기 식별하는 단계는, 제1 웹사이트를 크롤링하여 획득된 제1 언어의 사용자 피드백에 제1 알고리즘을 적용한 NLP를 수행하여 제1 분석 결과를 획득하는 단계, 제2 웹사이트를 크롤링하여 획득된 제2 언어의 사용자 피드백에 제2 알고리즘을 적용한 NLP를 수행하여 제2 분석 결과를 획득하는 단계 및 상기 획득된 제1 및 제2 분석 결과를 종합하여 상기 포지티브 피드백 또는 상기 네거티브 피드백을 식별하는 단계를 포함할 수 있다.
또한, 상기 식별하는 단계는, 상기 사용자 피드백에 포함된 복수의 문장 각각을 포지티브 문장 또는 네거티브 문장으로 식별하는 단계 및 상기 사용자 피드백에 포함된 전체 문장의 개수에 대한 상기 포지티브 문장의 개수의 비율 및 상기 전체 문장의 개수에 대한 상기 네거티브 문장의 개수의 비율에 기초하여 상기 사용자 피드백을 상기 포지티브 피드백 또는 네거티브 피드백으로 식별하는 단계를 포함할 수 있다.
한편, 본 개시의 일 실시 예에 따른 전자 장치의 프로세서에 의해 실행되는 경우 상기 전자 장치가 동작을 수행하도록 컴퓨터 명령을 저장하는 비일시적 컴퓨터 판독 가능 매체에 있어서, 상기 동작은, 웹사이트를 크롤링하여 제품에 대한 사용자 피드백을 획득하는 단계, 적어도 두 개의 상이한 알고리즘을 적용한 NLP(Natural Language Processing)를 수행하여 상기 제품의 스펙 별 키워드 정보에 대응하는 상기 사용자 피드백 중 포지티브 피드백 또는 네거티브 피드백을 식별하는 단계 및 상기 식별 결과를 제공하는 단계를 포함한다.
이상과 같은 본 발명의 다양한 실시 예에 따르면, 제품의 스펙 별 포지티브 피드백 및 네거티브 피드백을 제공할 수 있으며, 높은 정확도를 가지는 식별 결과를 제공할 수 있다.
도 1은 본 개시의 일 실시 예에 따른 전자 장치를 설명하기 위한 블록도이다.
도 2는 본 개시의 일 실시 예에 따른 전자 장치의 세부 구성을 나타내는 블록도이다.
도 3은 본 개시의 일 실시 예에 따른 제품의 스펙 별 키워드 정보를 설명하기 위한 도면이다.
도 4는 본 개시의 일 실시 예에 따른 제품의 스펙 별 포지티브 및 네거티브 피드백을 설명하기 위한 도면이다.
도 5는 본 개시의 일 실시 예에 따른 사용자 피드백을 설명하기 위한 도면이다.
도 6은 본 개시의 일 실시 예에 따른 선택된 키워드를 포함하는 사용자 피드백을 설명하기 위한 도면이다.
도 7는 본 발명의 일 실시 예에 따른 전자 장치의 제어 방법을 설명하기 위한 흐름도이다.
-
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 개시에 대해 구체적으로 설명하기로 한다.　
본 개시의 실시 예에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 개시의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 개시의 실시 예들은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 특정한 실시 형태에 대해 범위를 한정하려는 것이 아니며, 개시된 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 실시 예들을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구성되다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 개시에서 "모듈" 혹은 "부"는 적어도 하나의 기능이나 동작을 수행하며, 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 "모듈" 혹은 복수의 "부"는 특정한 하드웨어로 구현될 필요가 있는 "모듈" 혹은 "부"를 제외하고는 적어도 하나의 모듈로 일체화되어 적어도 하나의 프로세서(미도시)로 구현될 수 있다.
아래에서는 첨부한 도면을 참고하여 본 개시의 실시 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.　그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 개시를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
도 1은 본 개시의 일 실시 예에 따른 전자 장치(100)를 설명하기 위한 블록도이다.
도 1에 도시된 바와 같이 전자 장치(100)는 저장부(110), 프로세서(120), 디스플레이(130)를 포함한다.
본 개시의 일 실시 예에 따른 전자 장치(100)는 NLP(Natural Language Processing, 자연어 처리) 수행이 가능한 장치일 수 있다. 예를 들어, 사용자 단말 장치, 디스플레이 장치, 셋톱 박스(set-top box), 태블릿 PC(tablet personal computer), 스마트 폰(smart phone), 전자책 리더기(e-book reader), 데스크탑 PC (desktop PC), 랩탑 PC(laptop PC), 워크스테이션(workstation), 서버, PDA(personal digital assistant), PMP(portable multimedia player), MP3 플레이어 등일 수 있다. 또는, 전자 장치(100)는 클라우딩 컴퓨팅 환경이 구축된 시스템 자체를 의미할 수도 있다. 다만, 이에 한정되는 것은 아니며, 전자 장치(100)는 딥 러닝을 이용한 NLP 수행이 가능한 장치라면 어떤 장치라도 무방하다.
저장부(110)는 제품의 스펙 별 키워드 정보를 저장할 수 있다. 여기서, 제품의 스펙(specification)은 제품이 가지는 고유의 성능, 색상, 디자인, 무게 등을 의미할 수 있다. 일 예로, 제품이 노트북이면, 노트북의 스펙은 디스플레이, 프로세서, 저장 장치, 무게 등을 포함할 수 있다. 스펙 별 키워드 정보는 디스플레이에 대하여 Wide, OLED, 지원 해상도 등을 포함하고, 저장 장치에 대하여 128GB, 256GB 및 SSD, HDD 등을 포함할 수 있다. 다만, 이는 일 예시로서 저장부(110)는 제품이 가지는 고유한 특성을 나타내는 다양한 사양 정보 및 사양 정보 별 키워드 정보를 저장할 수 있다. 예를 들어, TV의 스펙은 디스플레이, 영상, 사운드, 디자인, 기능을 의미하고, 스펙 별 키워드는 디스플레이에 대해 화면 크기, 해상도, 패널 종류, 커브드(curved), 영상에 대해 HDR, 10 bit, 디밍(dimming) 기술, 사운드에 대해 Dolby Sound, RMS, 블루투스 지원 여부 등을 의미할 수 있다. 후술하는 바와 같이 제품의 스펙 별 키워드 정보는 사용자, 제조자 등에 의해 갱신, 편집될 수 있으며, 전자 장치(100)가 외부 서버와 통신을 수행하여 제품의 스펙 별 키워드 정보를 업데이트 할 수도 있음은 물론이다. 또한, 제품은 전자 제품에 한정되는 것은 아니며, 인터넷 쇼핑을 통해 구매 가능한 다양한 유형의 제품들이 될 수 있음은 물론이다.
프로세서(120)는 전자 장치(100)의 동작을 전반적으로 제어한다.
프로세서(120)는 웹사이트를 크롤링하여 제품에 대한 사용자 피드백을 획득할 수 있다. 여기서, 크롤링은 자동화된 방법으로 웹 사이트를 탐색하는 프로그래밍을 의미할 수 있다. 크롤링은 스파이더링(spidering)으로 불릴 수도 있으나, 이하에서는 설명의 편의를 위해 크롤링으로 통칭하도록 한다.
프로세서(120)는 웹 크롤링을 이용하여 다양한 웹사이트의 페이지의 복사본을 생성하고, 생성된 복사본을 저장부(110)에 저장할 수 있다. 여기서, 웹사이트는 제품에 대한 사용자 피드백을 획득할 수 있는 모든 웹사이트를 의미할 수 있다. 일 예로, 프로세서(120)는 기설정된 쇼핑몰 웹사이트를 크롤링하여 제품에 대한 사용자 피드백을 획득할 수 있다. 프로세서(120)는 쇼핑몰 웹사이트에서 판매 중인 다양한 제품 및 각 제품에 사용자가 작성한 피드백(예를 들어, Review)을 크롤링하여 저장부(110)에 저장할 수 있다. 다만, 이에 한정되는 것은 아니며, 프로세서(120)는 쇼핑몰 웹사이트 외에 특정 제품에 대한 사용자 커뮤니티, 불특정 웹사이트를 랜덤하게 크롤링하여 사용자 피드백을 획득할 수도 있음은 물론이다. 사용자 피드백은 제품에 대한 사용자의 평가, 후기, 코멘트, 리뷰 등 사용자가 작성한 제품에 대한 다양한 형태의 의견을 의미할 수 있다. 이하에서는 설명의 편의를 위해 텍스트 위주의 사용자 피드백을 상정하여 설명하도록 한다. 다만, 이에 한정되는 것은 아니며, 사용자 피드백은 동영상, 사진, 이미지 등 다양한 형태로 작성될 수 있음은 물론이다.
일 예로, 프로세서(120)는 제1 웹사이트를 크롤링하여 제1 웹사이트에 포함된 다양한 웹페이지를 저장부(110)에 저장하고, 저장된 웹페이지에 인덱싱을 수행할 수 있다. 또한, 웹페이지의 URL 등에 기초하여 제품에 대한 사용자 피드백을 획득할 수 있다. 다만, 이에 한정되는 것은 아니며 프로세서(120)는 웹 사이트를 크롤링하여 획득한 웹페이지에 다양한 유형의 데이터 분석 방법을 이용하여 복수의 제품 각각에 대한 사용자 피드백을 획득할 수 있음은 물론이다.
또한, 프로세서(120)는 획득한 사용자 피드백에 NLP(Natural Language Processing, 자연어 처리)을 수행할 수 있다. 여기서, NLP는 텍스트에서 의미있는 정보를 분석, 추출하는 일련의 처리과정을 의미할 수 있다.
프로세서(120)는 딥러닝 기반의 다양한 유형의 NLP를 수행할 수 있다. 일 예로, 프로세서(120)는 RNN(Recurrent Neural Network), CNN(Convolution Neural Network) 학습된 NLP 알고리즘을 이용하여 사용자 피드백을 분석할 수 있다.
본 개시의 일 실시 예에 따른 프로세서(120)는 사용자 피드백에 구문 분석(syntactic analyzing)을 수행할 수 있다. 일 예로, 프로세서(120)는 사용자 피드백을 기설정된 문법적인 단위로 분석할 수 있다. 이어서, 프로세서(120)는 후보 구문 파싱(candidate syntactic parsing)을 수행할 수 있다. 이에 따라, 사용자 피드백을 문장 구조 또는 단어 단위로 파싱(parsing)할 수 있다. 이어서, 프로세서(120)는 파싱된 데이터의 의미 분석(semantic analyzing)을 수행할 수 있다. 이어서, 프로세서(120)는 단어 명확화(word sense disambiguation)를 수행하고, 사용자 인텐트를 도출할 수 있다. 일 예로, 사용자의 의도를 도출하여 사용자 피드백을 출력할 수 있다. 다만, 이는 일 실시 예로서 프로세서(120)가 반드시 이에 한정되어 NLP를 수행하는 것은 아니다. 프로세서(120)는 적어도 두 개의 상이한 알고리즘을 이용하여 사용자 피드백에 NLP를 수행할 수도 있다. 여기서, 알고리즘은 Stanford CoreNLP, Doc2Vec, Word2Vec 및 Samsung Find 등과 같이 다양한 유형의 NLP 알고리즘을 의미할 수 있다. 또한, 알고리즘은 공지의 NLP 알고리즘에 한정되는 것은 아니며, 기계 학습 결과에 따라 획득된 다양한 유형의 NLP 알고리즘이 될 수도 있음은 물론이다.
특히, 프로세서(120)는 사용자 피드백에 NLP를 수행하고, 저장부(110)에 저장된 스펙 별 키워드 정보에 대응하는 사용자 피드백 중 제품의 스펙 별 포지티브(positive) 피드백 또는 네거티브(negative) 피드백을 식별할 수 있다.
일 실시 예에 따라, 제조사 A의 제1 TV에 대한 사용자 피드백은 제1 TV의 스펙 각각에 대한 피드백을 포함할 수 있다. 예를 들어, 제1 TV의 복수의 스펙 중 디스플레이에 대하여 포지티브 또는 네거티브 피드백을 포함할 수 있고, 디스플레이 중에서 화질, 패널의 타입, 지원 해상도 등에 대한 포지티브 또는 네거티브 피드백을 포함할 수 있다. 프로세서(120)는 키워드 정보에 기초하여 스펙 별 사용자의 피드백이 포지티브 또는 네거티브에 해당하는지 식별할 수 있다.
예를 들어, 저장부(110)에 TV의 디스플레이에 대한 사양에 대하여, 3D, 화질, 해상도, 패널 종류 등이 키워드 정보로 저장된 경우를 상정할 수 있다.
프로세서(120)는 제1 TV에 대한 사용자 피드백에 NLP를 수행하고, 키워드 정보에 기초하여 3D, 화질, 해상도, 패널 종류 각각에 대한 사용자 피드백이 포지티브 피드백 또는 네거티브 피드백인지 식별할 수 있다. 프로세서(120)는 제1 TV에 대한 사용자 피드백에서 스펙 별 포지티브 피드백 또는 네거티브 피드백을 식별하고, 식별 결과를 사용자에게 제공할 수 있다.
본 개시의 일 실시 예에 따른 프로세서(120)는 적어도 두 개의 상이한 알고리즘을 이용하여 사용자 피드백에 NLP를 수행할 수 있다. 예를 들어, 사용자 피드백에 하나의 알고리즘만을 이용하여 NLP를 수행할 수도 있으며, 적어도 두 개의 상이한 알고리즘을 이용하여 NLP를 수행하고, 스펙 별 키워드 정보에 대응하는 사용자 피드백 중 포지티브 피드백 또는 네거티브 피드백을 식별할 수 있다.
일 실시 예에 따라, 프로세서(120)는 Stanford CoreNLP, Doc2Vec, Word2Vec 및 Samsung Find 중 적어도 두 개의 서로 다른 알고리즘을 적용한 NLP를 수행하여 스펙 별 키워드 정보에 대응하는 사용자 피드백 중 포지티브 피드백 또는 네거티브 피드백을 식별할 수 있다.
프로세서(120)는 식별 결과를 제공할 수 있다. 특히, 프로세서(120)는 제품의 스펙 각각에 대응되는 키워드 별로 포지티브 피드백 및 네거티브 피드백의 비율을 제공할 수 있고, 사용자 입력에 따라 제품의 특정 스펙에 대응되는 키워드가 선택되면, 키워드를 포함하는 사용자 피드백의 적어도 일부를 제공할 수 있다.
본 개시의 일 실시 예에 따른 프로세서(120)는 사용자 피드백을 포지티브 피드백 또는 네거티브 피드백으로 식별할 수도 있다. 즉, 프로세서(120)는 사용자 피드백 자체를 포지티브 피드백 또는 네거티브 피드백으로 식별할 수도 있다.
일 실시 예에 따른 프로세서는, 사용자 피드백에 제1 알고리즘을 적용한 NLP를 수행하여 제품에 대한 포지티브 피드백 또는 네거티브 피드백을 식별하여 제1 식별 결과를 획득하고, 사용자 피드백에 제2 알고리즘을 적용한 NLP를 수행하여 제품에 대한 포지티브 피드백 또는 네거티브 피드백을 식별하여 제2 식별 결과를 획득하고, 제1 식별 결과 및 제2 식별 결과 중 적어도 하나가 네거티브 피드백을 포함하면, 사용자 피드백을 네거티브 피드백으로 식별할 수 있다. 예를 들어, 프로세서는 다음의 처리 과정에 기초하여 사용자 피드백을 포지티브 피드백 또는 네거티브 피드백으로 식별할 수 있다.
If (Stanford CoreNLP classifies as negative OR Doc2Vec classifies as negative OR Samsungs Find classifies as negative)
Final sentiment is ‘negative feedback’
Else
Final sentiment is ‘positive feedback’
다만, 이에 한정되는 것은 아니며, 복수의 NLP 알고리즘을 이용하여 사용자 피드백에 NLP를 수행한다면, 프로세서(120)는 복수의 NLP 알고리즘 각각에 대한 식별 결과를 획득하고, 복수의 식별 결과 중 다수를 차지하는 결과에 따라 사용자 피드백을 포지티브 피드백 또는 네거티브 피드백으로 식별할 수도 있다. 한편, Stanford CoreNLP, Doc2Vec 및 Samsungs Find는 NLP 알고리즘의 일 예시이며, 프로세서(120)는 다양한 유형의 NLP 알고리즘에 기초하여 사용자 피드백에 대한 식별 결과를 획득할 수 있음은 물론이다.
본 개시의 일 실시 예에 따른 사용자 피드백은 피드백 타이틀 및 피드백 컨텐츠를 포함할 수 있다. 여기서, 피드백 타이틀은 사용자의 리뷰, 코멘트, 후기 등에 있어서 제목, 요약 등을 의미할 수 있다. 피드백 타이틀은 제품에 대한 사용자의 평가, 후기 등을 간략하게 간추린 것이며, 피드백 컨텐츠는 제품에 대한 구체적인 평가 내용을 포함하고 있다.
일 실시 예에 따른 프로세서(120)는 피드백 타이틀에 NLP를 수행하여 획득한 제1 식별 결과 및 피드백 컨텐츠에 NLP를 수행하여 획득한 제2 식별 결과에 서로 다른 가중치를 적용하여 사용자 피드백을 포지티브 피드백 또는 네거티브 피드백으로 식별할 수 있다. 예를 들어, 프로세서(120)는 피드백 타이틀에 NLP를 수행하여 피드백 타이틀에 포함된 제1 포지티브 워드 및 제1 네거티브 워드 각각의 제1 노출 빈도를 식별하고, 피드백 컨텐츠에 NLP를 수행하여 피드백 타이틀에 포함된 제2 포지티브 워드 및 제2 네거티브 워드 각각의 제2 노출 빈도를 식별할 수 있다. 여기서, 포지티브 워드가 네거티브 워드 보다 상대적으로 노출 빈도가 높다면, 사용자 피드백을 포지티브 피드백으로 식별할 수 있다. 특히, 프로세서(120)는 제품에 대한 사용자의 평가, 후기 등이 간략히 요약된 피드백 타이틀에 NLP를 수행하여 획득한 제1 노출 빈도에 제2 노출 빈도보다 상대적으로 높은 가중치를 적용할 수 있다.
제1 제품에 대한 사용자 피드백에 있어서, 피드백 타이틀이 ‘탁월한 성능을 가진 제1 제품’이고, 피드백 컨텐츠가 ‘제1 제품 보다 안좋은 화질의 제2 제품’인 경우를 상정할 수 있다. 피드백 타이틀 및 피드백 컨텐츠 모두 제1 제품에 대한 포지티브 피드백임에도 불구하고, 피드백 타이틀 및 피드백 컨텐츠에 NLP를 수행하여 획득한 식별 결과에 동일한 가중치를 적용한다면, 피드백 컨텐츠에 포함된 네거티브 워드(예를 들어, 안좋은 화질)로 인하여 사용자 피드백을 포지티브 피드백 또는 네거티브 피드백으로 정확하지 못하는 우려가 있다.
본 개시의 일 실시 예에 따른 프로세서(120)는 피드백 타이틀에 NLP를 수행하여 획득한 제1 노출 빈도에 피드백 컨텐츠에 NLP를 수행하여 획득한 제2 노출 빈도보다 상대적으로 높은 가중치를 적용할 수 있다. 예를 들어, 프로세서(120)는 ‘탁월한 성능을 가진 제1 제품’에 대응되는 제1 NLP 수행 결과에 ‘제1 제품 보다 안좋은 화질의 제2 제품’에 대응되는 제2 NLP 수행 결과 보다 상대적으로 높은 가중치를 적용하여 사용자 피드백을 제품에 대한 포지티브 피드백 또는 네거티브 피드백으로 식별하므로 정확도가 향상될 수 있다.
일 실시 예에 따른 사용자 피드백은 평점 정보를 더 포함할 수도 있다. 여기서, 평점 정보는 제품에 대한 수치화된 직관적인 피드백을 의미할 수 있다. 일 예로, 10점을 만점으로 한 제품에 대한 만족도, 별 5개를 만점으로 한 제품에 대한 만족도를 제품에 대한 피드백으로 기재되어 있다면, 프로세서(120)는 평점 정보에 기초하여 사용자 피드백을 포지티브 피드백 또는 네거티브 피드백으로 식별할 수 있다. 여기서, 평점 정보는 Rating System 등으로 불릴 수 있으나, 이하에서는 평점 정보로 통칭하도록 한다. 다만, 수치화된 피드백은 일 실시 예이며, 평점 정보는 A, B, C, D 등의 알파벳을 이용하여 표현될 수도 있으며, 제품에 대한 만족/불만족을 나타내는 심볼 등을 이용하여 표현될 수도 있음은 물론이다.
프로세서(120)는 제품에 대한 평점 정보에 높은 가중치를 적용하여 사용자 피드백을 포지티브 피드백 또는 네거티브 피드백으로 식별할 수 있다. 예를 들어, 사용자 피드백에 포함된 피드백 타이틀 및 피드백 컨텐츠 각각에 대한 제1 노출 빈도 및 제2 노출 빈도에 적용되는 제1 가중치 및 제2 가중치 보다 높은 제3 가중치를 평점 정보에 적용하고, 결과에 기초하여 사용자 피드백을 포지티브 피드백 또는 네거티브 피드백으로 식별할 수 있다.
일 실시 예에 따라, 사용자 피드백이 제품에 대한 포지티브 피드백인지 또는 네거티브 피드백인지 식별하기 위한 가장 직관적인 정보는 평점 정보, 피드백 타이틀, 피드백 컨텐츠 순서일 수 있다. 프로세서(120)는 이와 같은 순서에 기초하여 평점 정보에 가장 높은 가중치를 적용하고, 피드백 컨텐츠에 가장 낮은 가중치를 적용하여 식별 결과를 획득할 수 있다.
본 개시의 일 실시 예에 따른 프로세서(120)는 서로 다른 언어를 이용하는 복수의 웹사이트를 크롤링할 수도 있다. 프로세서(120)는 각 언어에 최적화된 NLP 알고리즘을 적용한 NLP를 수행하여 포지티브 피드백 또는 네거티브 피드백을 식별할 수도 있다. 일 예로, 프로세서(120)는 제1 언어의 사용자 피드백에 제1 NLP 알고리즘을 적용한 NLP를 수행하여 제1 분석 결과를 획득하고, 제2 언어의 사용자 피드백에 제2 NLP 알고리즘을 적용한 NLP를 수행하여 제2 분석 결과를 획득할 수 있다. 프로세서(120)는 제1 및 제2 분석 결과를 종합하여 포지티브 피드백 또는 네거티브 피드백을 식별할 수 있다.
예를 들어, 영어, 일어, 중국어 및 한국어 등 서로 다른 언어에는 상이한 NLP 알고리즘이 적용되어야 하므로, 프로세서(120)는 웹사이트를 크롤링하여 획득한 사용자 피드백에 각 언어에 대응하는 NLP 알고리즘을 적용한 NLP를 수행하여 분석 결과를 획득하고, 획득된 분석 결과를 종합하여 사용자 피드백을 포지티브 피드백 또는 네거티브 피드백으로 식별할 수 있다.
본 개시의 일 실시 예에 따른 프로세서(120)는 사용자 피드백에 포함된 복수의 문장 각각을 포지티브 문장 또는 네거티브 문장으로 식별하고, 사용자 피드백에 포함된 전체 문장의 개수에 대한 포지티브 문장의 개수의 비율 및 전체 문장의 개수에 대한 네거티브 문장의 개수의 비율에 기초하여 상기 사용자 피드백을 포지티브 피드백 또는 네거티브 피드백으로 식별할 수 있다.
도 2는 본 개시의 일 실시 예에 따른 전자 장치(100)의 세부 구성을 나타내는 블록도이다.
도 2에 따르면, 전자 장치(100)는 저장부(110), 프로세서(120), 디스플레이(130)를 포함한다. 도 2에 도시된 구성요소들 중 도 1에 도시된 구성요소와 중복되는 부분에 대해서는 자세한 설명을 생략하도록 한다.
본 개시의 일 실시 예에 따른 프로세서(120)는 전자 장치(100)의 전반적인 동작을 제어한다.
프로세서(120)는 디지털 시그널 프로세서(digital signal processor(DSP)), 중앙처리장치(central processing unit(CPU)), 컨트롤러(controller), 어플리케이션 프로세서(application processor(AP)), 또는 커뮤니케이션 프로세서(communication processor(CP)), ARM 프로세서 중 하나 또는 그 이상을 포함하거나, 해당 용어로 정의될 수 있다.
프로세서(120)는 CPU, 전자 장치(100)의 제어를 위한 제어 프로그램이 저장된 롬(ROM, 또는 비 휘발성 메모리) 및 전자 장치(100)의 외부에서부터 입력되는 데이터를 저장하거나 전자 장치(100)에서 수행되는 다양한 작업에 대응되는 저장 영역으로 사용되는 램(RAM, 또는 휘발성 메모리)을 포함할 수 있다.
CPU는 저장부(110)에 액세스하여, 저장부(110)에 저장된 O/S를 이용하여 부팅을 수행한다. 그리고, 저장부(110)에 저장된 각종 프로그램, 컨텐츠, 데이터 등을 이용하여 다양한 동작을 수행한다.
저장부(110)는 전자 장치(100)를 구동시키기 위한 O/S(Operating System) 소프트웨어 모듈, 각종 멀티미디어 컨텐츠와 같은 다양한 데이터를 저장한다.
한편, 저장부(110)는 프로세서(120)에 포함된 롬(ROM), 램(RAM) 등의 내부 메모리로 구현되거나, 프로세서(120)와 별도의 메모리로 구현될 수도 있다. 이 경우, 저장부(110)는 데이터 저장 용도에 따라 전자 장치(100)에 임베디드된 메모리 형태로 구현되거나, 전자 장치(100)에 탈부착이 가능한 메모리 형태로 구현될 수도 있다. 예를 들어, 전자 장치(100)의 구동을 위한 데이터의 경우 전자 장치(100)에 임베디드된 메모리에 저장되고, 전자 장치(100)의 확장 기능을 위한 데이터의 경우 전자 장치(100)에 탈부착이 가능한 메모리에 저장될 수 있다. 한편, 전자 장치(100)에 임베디드된 메모리의 경우 비휘발성 메모리, 휘발성 메모리, 하드 디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD) 등과 같은 형태로 구현되고, 음향 출력 장치(100)에 탈부착이 가능한 메모리의 경우 메모리 카드(예를 들어, micro SD 카드, USB 메모리 등), USB 포트에 연결가능한 외부 메모리(예를 들어, USB 메모리) 등과 같은 형태로 구현될 수 있다.
디스플레이(130)는 액정 표시 장치(Liquid Crystal Display, LCD), 유기 전기 발광 다이오드(Organic Light Emiiting Display, OLED), LCoS(Liquid Crystal on Silicon) 또는 DLP(Digital Light Processing) 등과 같은 다양한 형태의 디스플레이로 구현될 수 있다. 다만, 이에 한정되는 것은 아니며 이미지를 디스플레이 할 수 있는 다양한 유형의 디스플레이로 구현될 수 있음은 물론이다.
특히, 디스플레이(130)는 프로세서(120)의 제어에 따라 식별 결과를 출력할 수 있다. 일 실시 예에 따라 디스플레이(130)는 프로세서(120)의 제어에 따라 제품의 스펙 별 키워드 정보에 대한 포지티브 피드백 및 네거티브 피드백의 비율을 디스플레이할 수 있다. 또한, 디스플레이(130)는 사용자 입력에 따라 제품의 특정 스펙에 대응되는 키워드가 선택되면, 선택된 키워드를 포함하는 사용자 피드백의 적어도 일부를 디스플레이할 수 있다.
일 실시 예에 따른 디스플레이(130)는 프로세서(120)의 제어에 따라 크롤링을 수행할 웹사이트를 선택하기 위한 UI 및 제품의 스펙 별 키워드를 편집하기 위한 UI 중 적어도 하나를 제공할 수 있다.
통신부(미도시)는 다양한 유형의 통신방식에 따라 다양한 유형의 외부 장치와 통신을 수행하는 구성이다. 통신부는 와이파이 칩, 블루투스 칩, 무선 통신 칩, NFC 칩 등을 포함한다. 프로세서(120)는 통신부를 이용하여 각종 외부 장치와 통신을 수행한다.
와이파이 칩, 블루투스 칩은 각각 WiFi 방식, 블루투스 방식으로 통신을 수행한다. 와이파이 칩이나 블루투스 칩을 이용하는 경우에는 SSID 및 세션 키 등과 같은 각종 연결 정보를 먼저 송수신하여, 이를 이용하여 통신 연결한 후 각종 정보들을 송수신할 수 있다. 무선 통신 칩(153)은 IEEE, 지그비(zigbee), 3G(3rd Generation), 3GPP(3rd Generation Partnership Project), LTE(Long Term Evoloution) 등과 같은 다양한 통신 규격에 따라 통신을 수행하는 칩을 의미한다. NFC 칩(154)은 135kHz, 13.56MHz, 433MHz, 860~960MHz, 2.45GHz 등과 같은 다양한 RF-ID 주파수 대역들 중에서 13.56MHz 대역을 사용하는 NFC(Near Field Communication) 방식으로 동작하는 칩을 의미한다.
프로세서(120)는 통신부를 통해 웹사이트를 크롤링하여 제품에 대한 사용자 피드백을 획득할 수 있다.
본 개시의 일 실시 예에 따라 프로세서(120)는 통신부를 통해 외부 장치로부터 제품의 스펙 별 키워드 정보를 수신하여 저장부(110)에 저장할 수도 있고, 기저장된 정보를 업데이트할 수도 있다.
프로세서(120)는 웹사이트를 크롤링하여 사용자 피드백을 획득하고, NLP를 수행하여 사용자 피드백 중 포지티브 피드백 또는 네거티브 피드백을 식별할 수도 있으나, 본 개시의 다른 실시 예에 따라 프로세서(120)는 통신부를 통해 외부 서버로부터 식별 결과를 수신할 수도 있음은 물론이다. 프로세서(120)가 자체적으로 크롤링 및 NLP를 수행하지 않아도, 전자 장치(100)는 외부 서버가 NLP를 수행하여 획득한 식별 결과를 통신부를 통해 수신하고, 식별 결과를 디스플레이할 수도 있다.
사용자 인터페이스부(미도시)는 다양한 사용자 인터랙션(interaction)을 수신한다. 여기서, 사용자 인터페이스부(160)는 전자 장치(100)의 구현 예에 따라 다양한 형태로 구현 가능하다. 예를 들어, 사용자 인터페이스부는 전자 장치(100)에 구비된 버튼, 사용자 음성을 수신하는 마이크, 사용자 모션을 감지하는 카메라 등일 수 있다. 또는, 전자 장치(100)가 터치 기반의 전자 장치로 구현되는 경우 사용자 인터페이스부는 터치패드와 상호 레이어 구조를 이루는 터치 스크린 형태로 구현될 수도 있다. 이 경우, 사용자 인터페이스부(160)는 상술한 디스플레이(130)로 사용될 수 있게 된다.
특히, 프로세서(120)는 사용자 인터페이스부를 통한 사용자 입력에 따라 제품의 특정 스펙에 대응되는 키워드가 선택되면, 사용자 피드백에서 선택된 키워드를 포함하는 적어도 일부를 제공할 수 있다.
오디오 처리부는 오디오 데이터에 대한 처리를 수행하는 구성요소이다. 오디오 처리부에서는 오디오 데이터에 대한 디코딩이나 증폭, 노이즈 필터링 등과 같은 다양한 처리가 수행될 수 있다.
도 3은 본 개시의 일 실시 예에 따른 제품의 스펙 별 키워드 정보를 설명하기 위한 도면이다.
도 3에 따르면, 전자 장치(100)는 제품의 스펙 별 키워드 정보를 저장할 수 있다. 여기서, 스펙(specification)은 제품을 설명하기 위한 카테고리를 의미할 수 있다. 일 예로, TV 제품은 화면 규격, 화질, 음향, 지원 단자 등의 스펙으로 설명될 수 있다. 각 스펙은 보다 상세한 키워드를 포함할 수 있다. 예를 들어, 화면 규격은 화면 크기, 해상도, 형태(예를 들어, curved 또는 flat), 시야각, LED 방식 등의 키워드를 포함할 수 있다. 또한, 화질은 HDR, 패널 타입, Dimming 등의 키워드를 포함할 수 있다. 다만, 이와 같은 구분은 설명의 편의를 위한 것이며 이에 한정되는 것은 아니다. 전자 장치(100)는 도 3에 도시되지 않은 다양한 스펙 및 스펙 별 키워드 정보를 저장할 수 있음은 물론이다.
도 3은 TV 제품에 대한 스펙 및 스펙 별 키워드 정보를 테이블로 도시하였으나, 전자 장치(100)는 다양한 유형의 제품에 대한 스펙 별 키워드 정보를 저장할 수 있음은 물론이다. 일 예로, 전자 장치(100)는 차량에 대하여 엔진, 변속기, 연료 타입, 배기량, 구동 방식, 최대 토크 등의 스펙 별 키워드 정보를 저장할 수도 있다.
전자 장치(100)는 웹사이트를 크롤링하여 획득한 사용자 피드백에 NLP를 수행하여 키워드 정보에 기초하여 스펙 별 포지티브 피드백 또는 네거티브 피드백을 식별할 수 있다.
일 실시 예에 따라, 전자 장치(100)는 사용자 피드백에서 화질에 대한 HDR, 패널 타입을 포함하는 문장에 대한 NLP를 수행하고, 사용자 피드백 중 화질에 대한 포지티브 피드백 또는 네거티브 피드백을 식별할 수 있다. 전자 장치(100)는 식별 결과를 제공할 수 있다.
일 실시 예에 따라 전자 장치(100)는 제품의 스펙 별 키워드를 편집하기 위한 UI를 디스플레이할 수 있다. 도 3에 도시된 바와 같이 사용자 피드백에서 포지티브 피드백 또는 네거티브 피드백을 식별하기 위한 키워드를 Add, Edit, Delete할 수 있다.
도 4는 본 개시의 일 실시 예에 따른 제품의 스펙 별 포지티브 및 네거티브 피드백을 설명하기 위한 도면이다.
도 4에 따르면, 전자 장치(100)가 키워드 정보에 기초하여 사용자 피드백 중 제품의 스펙 별 포지티브 피드백 또는 네거티브 피드백을 식별하고, 식별 결과가 사용자에게 제공될 수 있다.
일 예로, 제품이 디스플레이 장치이면, 전자 장치(100)는 디스플레이 장치에 대한 복수의 스펙(예를 들어, Feature) 및 스펙 별 키워드(예를 들어, Sub-feature) 정보를 저장할 수 있다. 전자 장치(100)는 획득된 사용자 피드백에 NLP를 수행하고 키워드 별 포지티브 피드백 또는 네거티브 피드백을 식별할 수 있다. 예를 들어, 전자 장치(100)는 Remote에 대한 키워드 poor grip에 기초하여 NLP를 수행하고, 포지티브 피드백 및 네거티브 피드백의 비율을 제공할 수 있다.
도 4에 도시된 바와 같이 전자 장치(100)는 제품의 스펙 별 키워드 정보에 대한 포지티브 피드백 및 네거티브 피드백의 비율을 획득하고, 디스플레이할 수 있다. 전자 장치(100)는 스펙 별 포지티브 피드백 및 네거티브 피드백의 비율 외에 키워드 별 포지티브 피드백 및 네거티브 피드백의 비율을 제공할 수 있다.
도 5는 본 개시의 일 실시 예에 따른 사용자 피드백을 설명하기 위한 도면이다.
도 5에 따르면, 사용자 입력에 따라 제품의 특정 스펙에 대응되는 키워드가 선택되면, 전자 장치(100)는 키워드를 포함하는 사용자의 피드백의 적어도 일부를 제공할 수 있다. 일 예로, 사용자 입력에 따라 ‘demage’키워드가 선택되면, 전자 장치(100)는 웹사이트를 크롤링하여 획득된 사용자 피드백에서 ‘demage’를 포함하는 사용자 피드백만을 디스플레이할 수 있다.
일 실시 예에 따라, 사용자 입력에 따라 네거티브 피드백 및 ‘demage’키워드가 선택되면, 전자 장치(100)는 demage에 대한 네거티브 피드백을 포함하는 사용자 피드백의 일 부분을 디스플레이할 수도 있다.
이에 따라, 전자 장치(100)는 스펙 각각에 대응되는 키워드 별 포지티브 피드백 및 네거티브 피드백의 비율을 사용자에게 제공할 수 있다. 또한, 사용자 입력에 따라 선택된 키워드를 포함하는 사용자 피드백의 일부를 제공할 수 있다.
도 6은 본 개시의 일 실시 예에 따른 선택된 키워드를 포함하는 사용자 피드백을 설명하기 위한 도면이다.
도 6에 도시된 바와 같이, 사용자 피드백은 복수의 영역으로 구분될 수 있다. 제1 영역은 피드백 타이틀(610), 제2 영역은 피드백 컨텐츠(620), 제3 영역은 평점 정보(630)일 수 있다. 피드백 타이틀(610)은 사용자 피드백에 대한 제목, 요약 등을 의미할 수 있다. 피드백 타이틀(610)은 제품에 대한 사용자의 평가, 후기 등을 간략하게 간추린 것일 수 있다.
피드백 컨텐츠(620)는 제품에 대한 상세한 평가, 후기를 의미할 수 있다. 전자 장치(100)는 피드백 컨텐츠(620)에 NLP를 수행하여 스펙 별 포지티브 피드백 또는 네거티브 피드백을 식별할 수 있다.
또한, 전자 장치(100)는 피드백 타이틀(610) 및 피드백 컨텐츠(620) 각각에 NLP를 수행하여 사용자 피드백을 포지티브 피드백 또는 네거티브 피드백으로 식별할 수 있다. 일 예로, 전자 장치(100)는 피드백 타이틀(610)에 NLP를 수행하여 피드백 타이틀(610)에 포함된 제1 포지티브 워드 및 제1 네거티브 워드 각각의 제1 노출 빈도를 식별하고, 피드백 컨텐츠(620)에 NLP를 수행하여 피드백 컨텐츠(620)에 포함된 제2 포지티브 워드 및 제2 네거티브 워드 각각의 제2 노출 빈도를 식별할 수 있다. 여기서, 노출 빈도는 피드백 타이틀(610) 및 피드백 컨텐츠(620) 각각에 NLP를 수행하여 문장의 인텐트(intent)를 의미할 수도 있다.
전자 장치(100)는 제1 노출 빈도에 제2 노출 빈도보다 높은 가중치를 적용하여 사용자 피드백을 제품에 대한 포지티브 피드백 또는 네거티브 피드백으로 식별할 수 있다. 복수의 문장을 포함하는 피드백 컨텐츠(620) 보다 사용자 피드백의 주요 내용을 요약, 함축적으로 표현한 피드백 타이틀(610)의 노출 빈도(또는 문장의 인텐트)에 상대적으로 높은 가중치를 부여하므로, 전자 장치(100)는 사용자 피드백이 포지티브 피드백인지 또는 네거티브 피드백인지 높은 정확도로 식별할 수 있다.
일 실시 예에 따라 전자 장치(100)는 사용자 피드백에 제품에 대한 평점 정보(630)가 포함되어 있으면, 평점 정보(630)에 피드백 타이틀(610) 및 피드백 컨텐츠(620)에 대한 식별 결과보다 높은 가중치를 적용하여 사용자 피드백을 제품에 대한 포지티브 피드백 또는 네거티브 피드백으로 식별할 수 있다.
평점 정보(630)는 제품에 대한 사용자의 평가, 감정 등을 직관적으로 나타내는 지표가 될 수 있으므로, 전자 장치(100)는 평점 정보(630)에 상대적으로 높은 가중치를 부여하여 사용자 피드백이 포지티브 피드백인지 또는 네거티브 피드백인지 식별할 수 있다.
다른 실시 예에 따라, 전자 장치(100)가 평점 정보(630)를 이용하여 사용자 피드백이 포지티브 피드백인지 또는 네거티브 피드백인지 식별하기 어려운 경우를 상정할 수 있다. 예를 들어, 총 5개의 별이 만점이고, 사용자의 평점 정보(630)가 3개의 별인 경우 또는 총 10점 만점이고, 사용자의 평점 정보(630)가 5점인 경우 등을 상정할 수 있다. 전자 장치(100)는 평점 정보(630) 외에 사용자 피드백에 포함된 전체 문장의 개수에 대한 포지티브 문장의 개수의 비율 및 전체 문장의 개수에 대한 네거티브 문장의 개수의 비율에 기초하여 사용자 피드백을 포지티브 피드백 또는 네거티브 피드백으로 식별할 수도 있다.
도 7는 본 발명의 일 실시 예에 따른 전자 장치의 제어 방법을 설명하기 위한 흐름도이다.
도 7에 도시된 제품의 스펙 별 키워드 정보가 저장된 전자 장치의 제어 방법은, 웹사이트를 크롤링하여 제품에 대한 사용자 피드백을 획득한다(S710).
이어서, 적어도 두 개의 상이한 알고리즘을 적용한 NLP(Natural Language Processing)를 수행(S720)하여 스펙 별 키워드 정보에 대응하는 사용자 피드백 중 포지티브 피드백 또는 네거티브 피드백을 식별한다(S730).
이어서, 식별 결과를 디스플레이한다(S740).
일 실시 예에 따른 사용자 피드백은 피드백 타이틀 및 피드백 컨텐츠를 포함하고, NLP를 수행하는 S720 단계 및 식별하는 S730 단계는, 피드백 타이틀에 NLP를 수행하여 피드백 타이틀에 포함된 제1 포지티브 워드 및 제1 네거티브 워드 각각의 제1 노출 빈도를 식별하는 단계 및 피드백 컨텐츠에 NLP를 수행하여 피드백 컨텐츠에 포함된 제2 포지티브 워드 및 제2 네거티브 워드 각각의 제2 노출 빈도를 식별하는 단계 및 제1 노출 빈도에 제2 노출 빈도보다 높은 가중치를 적용하여 사용자 피드백을 제품에 대한 포지티브 피드백 또는 네거티브 피드백으로 식별하는 단계를 포함할 수 있다.
여기서, 사용자 피드백은 제품에 대한 평점 정보를 더 포함하고,
식별하는 단계는, 평점 정보에 제1 및 제2 노출 빈도보다 높은 가중치를 적용하여 사용자 피드백을 제품에 대한 포지티브 피드백 또는 네거티브 피드백으로 식별할 수 있다.
또한, 식별하는 단계는, 사용자 피드백에 제1 알고리즘을 적용한 NLP를 수행하여 제품에 대한 포지티브 피드백 또는 네거티브 피드백을 식별하여 제1 식별 결과를 획득하는 단계, 사용자 피드백에 제2 알고리즘을 적용한 NLP를 수행하여 제품에 대한 포지티브 피드백 또는 네거티브 피드백을 식별하여 제2 식별 결과를 획득하는 단계 및 제1 식별 결과 및 제2 식별 결과 중 적어도 하나가 네거티브 피드백을 포함하면, 사용자 피드백을 네거티브 피드백으로 식별하는 단계를 포함할 수 있다.
일 실시 예에 따른 디스플레이하는 S740단계는, 제품의 스펙 별 키워드 정보에 대한 포지티브 피드백 및 네거티브 피드백의 비율을 디스플레이하는 단계 및 사용자 입력에 따라 제품의 특정 스펙에 대응되는 키워드가 선택되면, 키워드를 포함하는 사용자 피드백의 적어도 일부를 디스플레이하는 단계를 포함할 수 있다.
일 실시 예에 따른 디스플레이하는 S740단계는, 크롤링을 수행할 웹사이트를 선택하기 위한 UI 및 제품의 스펙 별 키워드를 편집하기 위한 UI 중 적어도 하나를 디스플레이하는 단계를 포함할 수 있다.
또한, 식별하는 단계는, 제1 웹사이트를 크롤링하여 획득된 제1 언어의 사용자 피드백에 제1 알고리즘을 적용한 NLP를 수행하여 제1 분석 결과를 획득하는 단계, 제2 웹사이트를 크롤링하여 획득된 제2 언어의 사용자 피드백에 제2 알고리즘을 적용한 NLP를 수행하여 제2 분석 결과를 획득하는 단계 및 제1 및 제2 분석 결과를 종합하여 포지티브 피드백 또는 네거티브 피드백을 식별하는 단계를 포함할 수 있다.
또한, 식별하는 단계는, 사용자 피드백에 포함된 복수의 문장 각각을 포지티브 문장 또는 네거티브 문장으로 식별하는 단계 및 사용자 피드백에 포함된 전체 문장의 개수에 대한 포지티브 문장의 개수의 비율 및 전체 문장의 개수에 대한 네거티브 문장의 개수의 비율에 기초하여 사용자 피드백을 포지티브 피드백 또는 네거티브 피드백으로 식별하는 단계를 포함할 수 있다.
한편, 이상에서 설명된 다양한 실시 예들은 소프트웨어(software), 하드웨어(hardware) 또는 이들의 조합을 이용하여 컴퓨터(computer) 또는 이와 유사한 장치로 읽을 수 있는 기록 매체 내에서 구현될 수 있다. 일부 경우에 있어 본 명세서에서 설명되는 실시 예들이 프로세서 자체로 구현될 수 있다. 소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시 예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 작동을 수행할 수 있다.
한편, 상술한 본 개시의 다양한 실시 예들에 따른 처리 동작을 수행하기 위한 컴퓨터 명령어(computer instructions)는 비일시적 컴퓨터 판독 가능 매체(non-transitory computer-readable medium) 에 저장될 수 있다. 이러한 비일시적 컴퓨터 판독 가능 매체에 저장된 컴퓨터 명령어는 프로세서에 의해 실행되었을 때 상술한 다양한 실시 예에 따른 처리 동작을 특정 기기가 수행하도록 할 수 있다.
비일시적 컴퓨터 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 비일시적 컴퓨터 판독 가능 매체의 구체적인 예로는, CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등이 있을 수 있다.
이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시에 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.

Claims (15)

  1. 디스플레이;
    제품의 스펙 별 키워드 정보가 저장된 저장부; 및
    웹사이트를 크롤링(crawling)하여 상기 제품에 대한 사용자 피드백을 획득하고,
    적어도 두 개의 상이한 알고리즘을 적용한 NLP(Natural Language Processing)를 수행하여 상기 스펙 별 키워드 정보에 대응하는 상기 사용자 피드백 중 포지티브(positive) 피드백 또는 네거티브(negative) 피드백을 식별하고, 상기 디스플레이를 통하여 상기 식별 결과를 디스플레이하는 프로세서;를 포함하는, 전자 장치.
  2. 제1항에 있어서,
    상기 사용자 피드백은 피드백 타이틀 및 피드백 컨텐츠를 포함하며,
    상기 프로세서는,
    상기 피드백 타이틀에 NLP를 수행하여 상기 피드백 타이틀에 포함된 제1 포지티브 워드 및 제1 네거티브 워드 각각의 제1 노출 빈도를 식별하고,
    상기 피드백 컨텐츠에 NLP를 수행하여 상기 피드백 컨텐츠에 포함된 제2 포지티브 워드 및 제2 네거티브 워드 각각의 제2 노출 빈도를 식별하고,
    상기 제1 노출 빈도에 상기 제2 노출 빈도보다 높은 가중치를 적용하여 상기 사용자 피드백을 상기 제품에 대한 포지티브 피드백 또는 네거티브 피드백으로 식별하는, 전자 장치.
  3. 제2항에 있어서,
    상기 사용자 피드백은 상기 제품에 대한 평점 정보를 더 포함하며,
    상기 프로세서는,
    상기 평점 정보에 상기 제1 및 제2 노출 빈도보다 높은 가중치를 적용하여 상기 사용자 피드백을 상기 제품에 대한 포지티브 피드백 또는 네거티브 피드백으로 식별하는, 전자 장치.
  4. 제1항에 있어서,
    상기 프로세서는,
    상기 사용자 피드백에 제1 알고리즘을 적용한 NLP를 수행하여 상기 제품에 대한 포지티브 피드백 또는 네거티브 피드백을 식별하여 제1 식별 결과를 획득하고,
    상기 사용자 피드백에 제2 알고리즘을 적용한 NLP를 수행하여 상기 제품에 대한 포지티브 피드백 또는 네거티브 피드백으로 식별하여 제2 식별 결과를 획득하고,
    상기 제1 식별 결과 및 상기 제2 식별 결과 중 적어도 하나가 네거티브 피드백을 포함하면, 상기 사용자 피드백을 네거티브 피드백으로 식별하는, 전자 장치.
  5. 제1항에 있어서,
    상기 프로세서는,
    상기 제품의 스펙 별 키워드 정보에 대한 상기 포지티브 피드백 및 상기 네거티브 피드백의 비율을 상기 디스플레이를 통해 디스플레이하고, 사용자 입력에 따라 상기 제품의 특정 스펙에 대응되는 키워드가 선택되면, 상기 키워드를 포함하는 상기 사용자 피드백의 적어도 일부를 디스플레이하는, 전자 장치.
  6. 제1항에 있어서,
    상기 프로세서는,
    상기 크롤링을 수행할 상기 웹사이트를 선택하기 위한 UI 및 상기 제품의 스펙 별 키워드를 편집하기 위한 UI 중 적어도 하나를 상기 디스플레이를 통해 디스플레이하는, 전자 장치.
  7. 제1항에 있어서,
    상기 프로세서는,
    상기 웹사이트를 크롤링하여 획득된 제1 언어의 사용자 피드백에 제1 알고리즘을 적용한 NLP를 수행하여 제1 분석 결과를 획득하고,
    상기 웹사이트를 크롤링하여 획득된 제2 언어의 사용자 피드백에 제2 알고리즘을 적용한 NLP를 수행하여 제2 분석 결과를 획득하며,
    상기 획득된 제1 및 제2 분석 결과를 종합하여 상기 포지티브 피드백 또는 상기 네거티브 피드백을 식별하는, 전자 장치.
  8. 제1항에 있어서,
    상기 프로세서는,
    상기 사용자 피드백에 포함된 복수의 문장 각각을 포지티브 문장 또는 네거티브 문장으로 식별하고,
    상기 사용자 피드백에 포함된 전체 문장의 개수에 대한 상기 포지티브 문장의 개수의 비율 및 상기 전체 문장의 개수에 대한 상기 네거티브 문장의 개수의 비율에 기초하여 상기 사용자 피드백을 상기 포지티브 피드백 또는 네거티브 피드백으로 식별하는, 전자 장치.
  9. 제품의 스펙 별 키워드 정보가 저장된 전자 장치의 제어 방법에 있어서,
    웹사이트를 크롤링하여 상기 제품에 대한 사용자 피드백을 획득하는 단계;
    적어도 두 개의 상이한 알고리즘을 적용한 NLP(Natural Language Processing)를 수행하여 상기 스펙 별 키워드 정보에 대응하는 상기 사용자 피드백 중 포지티브 피드백 또는 네거티브 피드백을 식별하는 단계; 및
    상기 식별 결과를 디스플레이하는 단계;를 포함하는 제어 방법.
  10. 제9항에 있어서,
    상기 사용자 피드백은 피드백 타이틀 및 피드백 컨텐츠를 포함하며,
    상기 식별하는 단계는,
    상기 피드백 타이틀에 NLP를 수행하여 상기 피드백 타이틀에 포함된 제1 포지티브 워드 및 제1 네거티브 워드 각각의 제1 노출 빈도를 식별하는 단계;
    상기 피드백 컨텐츠에 NLP를 수행하여 상기 피드백 컨텐츠에 포함된 제2 포지티브 워드 및 제2 네거티브 워드 각각의 제2 노출 빈도를 식별하는 단계; 및
    상기 제1 노출 빈도에 상기 제2 노출 빈도보다 높은 가중치를 적용하여 상기 사용자 피드백을 상기 제품에 대한 포지티브 피드백 또는 네거티브 피드백으로 식별하는 단계;를 포함하는, 제어 방법.
  11. 제10항에 있어서,
    상기 사용자 피드백은 상기 제품에 대한 평점 정보를 더 포함하고,
    상기 식별하는 단계는,
    상기 평점 정보에 상기 제1 및 제2 노출 빈도보다 높은 가중치를 적용하여 상기 사용자 피드백을 상기 제품에 대한 포지티브 피드백 또는 네거티브 피드백으로 식별하는, 제어 방법.
  12. 제9항에 있어서,
    상기 식별하는 단계는,
    상기 사용자 피드백에 제1 알고리즘을 적용한 NLP를 수행하여 상기 제품에 대한 포지티브 피드백 또는 네거티브 피드백을 식별하여 제1 식별 결과를 획득하는 단계;
    상기 사용자 피드백에 제2 알고리즘을 적용한 NLP를 수행하여 상기 제품에 대한 포지티브 피드백 또는 네거티브 피드백을 식별하여 제2 식별 결과를 획득하는 단계; 및
    상기 제1 식별 결과 및 상기 제2 식별 결과 중 적어도 하나가 네거티브 피드백을 포함하면, 상기 사용자 피드백을 네거티브 피드백으로 식별하는 단계;를 포함하는, 제어 방법.
  13. 제9항에 있어서,
    상기 디스플레이하는 단계는,
    상기 제품의 스펙 별 키워드 정보에 대한 상기 포지티브 피드백 및 상기 네거티브 피드백의 비율을 디스플레이하는 단계; 및
    사용자 입력에 따라 상기 제품의 특정 스펙에 대응되는 키워드가 선택되면, 상기 키워드를 포함하는 상기 사용자 피드백의 적어도 일부를 디스플레이하는 단계;를 포함하는, 제어 방법.
  14. 제9항에 있어서,
    상기 크롤링을 수행할 상기 웹사이트를 선택하기 위한 UI 및 상기 제품의 스펙 별 키워드를 편집하기 위한 UI 중 적어도 하나를 디스플레이하는 단계;를 포함하는, 제어 방법.
  15. 제9항에 있어서,
    상기 식별하는 단계는,
    제1 웹사이트를 크롤링하여 획득된 제1 언어의 사용자 피드백에 제1 알고리즘을 적용한 NLP를 수행하여 제1 분석 결과를 획득하는 단계;
    제2 웹사이트를 크롤링하여 획득된 제2 언어의 사용자 피드백에 제2 알고리즘을 적용한 NLP를 수행하여 제2 분석 결과를 획득하는 단계; 및
    상기 획득된 제1 및 제2 분석 결과를 종합하여 상기 포지티브 피드백 또는 상기 네거티브 피드백을 식별하는 단계;를 포함하는, 제어 방법.
PCT/KR2019/000030 2018-02-22 2019-01-02 전자 장치 및 그 제어 방법 WO2019164119A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
EP19757755.4A EP3723019A4 (en) 2018-02-22 2019-01-02 ELECTRONIC DEVICE AND CONTROL PROCEDURE FOR IT
US16/961,137 US11544469B2 (en) 2018-02-22 2019-01-02 Electronic apparatus and control method thereof

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020180021163A KR102551343B1 (ko) 2018-02-22 2018-02-22 전자 장치 및 그 제어 방법
KR10-2018-0021163 2018-02-22

Publications (1)

Publication Number Publication Date
WO2019164119A1 true WO2019164119A1 (ko) 2019-08-29

Family

ID=67686828

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2019/000030 WO2019164119A1 (ko) 2018-02-22 2019-01-02 전자 장치 및 그 제어 방법

Country Status (4)

Country Link
US (1) US11544469B2 (ko)
EP (1) EP3723019A4 (ko)
KR (1) KR102551343B1 (ko)
WO (1) WO2019164119A1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102551343B1 (ko) * 2018-02-22 2023-07-05 삼성전자주식회사 전자 장치 및 그 제어 방법
CN111523940B (zh) * 2020-04-23 2023-04-18 华中科技大学 一种带负反馈的基于深度强化学习的推荐方法及系统
US20220327586A1 (en) * 2021-04-12 2022-10-13 Nec Laboratories America, Inc. Opinion summarization tool
US20220414719A1 (en) * 2021-06-28 2022-12-29 Hewlett-Packard Development Company, L.P. User feedback for product ratings
KR102344804B1 (ko) * 2021-10-19 2021-12-29 주식회사 큐로드 인공지능 기반 모니터링 기술을 이용한 유저 피드백 정보 관리방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110044112A (ko) * 2009-10-22 2011-04-28 건국대학교 산학협력단 상품 속성별 리뷰의 마이닝을 위한 패턴 데이터베이스의 반자동적인 구축 방법
KR20120014277A (ko) * 2010-08-09 2012-02-17 숭실대학교산학협력단 상품평 극성 분류를 위한 특징별 서술어 긍정 및 부정 사전 자동 구축 시스템 및 방법
KR20120047079A (ko) * 2010-11-03 2012-05-11 엔에이치엔(주) 집단지성을 이용한 추천 시스템 및 방법
KR20170073424A (ko) * 2015-12-19 2017-06-28 김소라 웹 크롤링을 사용한 평판관리 시스템을 위한 데이터 분석 방법
KR20170090370A (ko) * 2017-06-05 2017-08-07 숙명여자대학교산학협력단 리뷰 데이터 분석 방법, 이를 이용한 시스템 및 이동 단말기

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4039205B2 (ja) * 2002-10-22 2008-01-30 富士ゼロックス株式会社 自然言語処理システム及び自然言語処理方法、並びにコンピュータ・プログラム
US8862591B2 (en) * 2006-08-22 2014-10-14 Twitter, Inc. System and method for evaluating sentiment
US20080249764A1 (en) * 2007-03-01 2008-10-09 Microsoft Corporation Smart Sentiment Classifier for Product Reviews
KR100956498B1 (ko) 2008-01-09 2010-05-07 한양대학교 산학협력단 상호 협력적인 다중 서버를 통한 침입 탐지 시스템 및 방법그리고 침입 탐지 통제 시스템 및 방법
US20100121707A1 (en) 2008-11-13 2010-05-13 Buzzient, Inc. Displaying analytic measurement of online social media content in a graphical user interface
US20100125496A1 (en) 2008-11-19 2010-05-20 Wong Victor K System and method for automated generation of advertising
US9201863B2 (en) * 2009-12-24 2015-12-01 Woodwire, Inc. Sentiment analysis from social media content
KR20120035100A (ko) 2010-10-04 2012-04-13 (주)티아이스퀘어 스마트 단말에서의 영상 통화 중 실시간으로 상대방의 감정 분석을 제공하는 방법 및 장치
US8671098B2 (en) 2011-09-14 2014-03-11 Microsoft Corporation Automatic generation of digital composite product reviews
US8849826B2 (en) * 2011-09-30 2014-09-30 Metavana, Inc. Sentiment analysis from social media content
US8600796B1 (en) 2012-01-30 2013-12-03 Bazaarvoice, Inc. System, method and computer program product for identifying products associated with polarized sentiments
US10002371B1 (en) * 2013-01-02 2018-06-19 Codeq, Llc System, method, and computer program product for searching summaries of online reviews of products
KR101487871B1 (ko) 2013-07-26 2015-02-03 주식회사 알에스엔 온라인 기반의 위기관리 대응 매뉴얼 자동 생성장치
US9799035B2 (en) 2013-09-26 2017-10-24 International Business Machines Corporation Customer feedback analyzer
US10410224B1 (en) * 2014-03-27 2019-09-10 Amazon Technologies, Inc. Determining item feature information from user content
US9317566B1 (en) 2014-06-27 2016-04-19 Groupon, Inc. Method and system for programmatic analysis of consumer reviews
US9483768B2 (en) * 2014-08-11 2016-11-01 24/7 Customer, Inc. Methods and apparatuses for modeling customer interaction experiences
US9118763B1 (en) 2014-12-09 2015-08-25 Five9, Inc. Real time feedback proxy
KR101647087B1 (ko) * 2015-02-09 2016-08-09 케이에스비퓨처 주식회사 자연어 처리에 기반한 재화 제공 서버 및 방법
US20160267377A1 (en) 2015-03-12 2016-09-15 Staples, Inc. Review Sentiment Analysis
KR101730340B1 (ko) 2015-06-05 2017-04-27 주식회사 한국리서치 평가 대상에 대한 평가 결과를 정량화하는 방법
US20170091838A1 (en) * 2015-09-30 2017-03-30 International Business Machines Corporation Product recommendation using sentiment and semantic analysis
US9582264B1 (en) 2015-10-08 2017-02-28 International Business Machines Corporation Application rating prediction for defect resolution to optimize functionality of a computing device
US10282737B2 (en) * 2015-11-03 2019-05-07 International Business Machines Corporation Analyzing sentiment in product reviews
US20170200205A1 (en) 2016-01-11 2017-07-13 Medallia, Inc. Method and system for analyzing user reviews
US10713588B2 (en) 2016-02-23 2020-07-14 Salesforce.Com, Inc. Data analytics systems and methods with personalized sentiment models
KR102551343B1 (ko) * 2018-02-22 2023-07-05 삼성전자주식회사 전자 장치 및 그 제어 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110044112A (ko) * 2009-10-22 2011-04-28 건국대학교 산학협력단 상품 속성별 리뷰의 마이닝을 위한 패턴 데이터베이스의 반자동적인 구축 방법
KR20120014277A (ko) * 2010-08-09 2012-02-17 숭실대학교산학협력단 상품평 극성 분류를 위한 특징별 서술어 긍정 및 부정 사전 자동 구축 시스템 및 방법
KR20120047079A (ko) * 2010-11-03 2012-05-11 엔에이치엔(주) 집단지성을 이용한 추천 시스템 및 방법
KR20170073424A (ko) * 2015-12-19 2017-06-28 김소라 웹 크롤링을 사용한 평판관리 시스템을 위한 데이터 분석 방법
KR20170090370A (ko) * 2017-06-05 2017-08-07 숙명여자대학교산학협력단 리뷰 데이터 분석 방법, 이를 이용한 시스템 및 이동 단말기

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3723019A4 *

Also Published As

Publication number Publication date
US11544469B2 (en) 2023-01-03
KR20190101156A (ko) 2019-08-30
US20200356728A1 (en) 2020-11-12
EP3723019A1 (en) 2020-10-14
KR102551343B1 (ko) 2023-07-05
EP3723019A4 (en) 2020-12-16

Similar Documents

Publication Publication Date Title
WO2019164119A1 (ko) 전자 장치 및 그 제어 방법
US20170109435A1 (en) Apparatus and method for searching for information
WO2016093552A2 (en) Terminal device and data processing method thereof
WO2017138777A1 (en) Method and electronic device for performing voice based actions
WO2016013915A1 (ko) 검색 정보를 표시하는 방법, 장치 및 컴퓨터 프로그램
WO2014069755A1 (ko) 컨텐츠 추천 서비스 제공 시스템 및 방법
WO2015020354A1 (en) Apparatus, server, and method for providing conversation topic
WO2014119975A1 (en) Method and system for sharing part of web page
WO2014069943A1 (en) Method of providing information-of-users' interest when video call is made, and electronic apparatus thereof
WO2021141419A1 (en) Method and apparatus for generating customized content based on user intent
WO2016035970A1 (ko) 검색광고를 이용한 광고 시스템
WO2020190103A1 (en) Method and system for providing personalized multimodal objects in real time
EP3164847A1 (en) Electronic device and method for providing content on electronic device
WO2017131354A2 (en) Apparatus and method for managing history information in an electronic device
WO2022145946A1 (ko) 학습 영상 및 예문의 인공지능 추천기반 언어학습 시스템 및 방법
CN111602129B (zh) 针对注释和墨迹的智能搜索
EP3164816A1 (en) Method of providing relevant information and electronic device adapted to the same
WO2020171613A1 (en) Method for displaying visual object regarding contents and electronic device thereof
WO2016186326A1 (ko) 검색어 리스트 제공 장치 및 이를 이용한 방법
WO2017043715A1 (en) Server, user terminal, and method for controlling server and user terminal
WO2019143161A1 (en) Electronic device and search keyword processing method thereof
WO2019146864A1 (ko) 전자 장치 및 그 제어 방법
WO2017105119A1 (ko) 선행기술조사의 분배처리 방법 및 이를 운용하는 서버 및 시스템
WO2019045441A1 (en) METHOD FOR PROVIDING MULTIMODAL PREDICTIONS BASED ON COGNITIVE SEMIOTICS AND ASSOCIATED ELECTRONIC DEVICE
WO2016190584A1 (ko) 웹 페이지에 기초한 정보 제공 방법 및 장치

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19757755

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019757755

Country of ref document: EP

Effective date: 20200706

NENP Non-entry into the national phase

Ref country code: DE