Conceptos Básicos
본 연구는 SVM, KNN, 의사결정 트리 분류기를 결합한 앙상블 접근법을 제안하여 전자상거래 플랫폼의 가짜 리뷰를 효과적으로 탐지하고자 한다.
Resumen
이 연구는 전자상거래 플랫폼에서 증가하고 있는 가짜 리뷰 문제를 해결하기 위해 제안되었다. 데이터 준비, 전처리, 특징 추출 등의 단계를 거쳐 SVM, KNN, 의사결정 트리 분류기를 활용한 앙상블 모델을 구축하였다. 이 앙상블 모델은 개별 모델의 장점을 활용하여 가짜 리뷰 탐지 정확도를 높이고자 하였다. 실험 결과, 제안된 앙상블 모델은 80%의 정확도로 가짜 리뷰를 탐지할 수 있었으며, 이는 기존 단일 모델 접근법을 능가하는 성과이다. 향후에는 GPT, BERT 등의 대형 언어 모델을 더욱 깊이 통합하여 탐지 성능을 향상시키고, 다국어 및 다영역으로 확장할 계획이다. 이를 통해 온라인 리뷰 생태계의 진실성을 높이고자 한다.
Estadísticas
온라인 리뷰의 진실성은 소비자 행동과 제품/서비스 인식에 큰 영향을 미친다.
가짜 리뷰의 확산은 온라인 플랫폼의 신뢰성을 위협하므로, 이를 탐지하고 걸러내는 것이 중요하다.
기존 감성 분석 기법은 가짜 리뷰의 복잡성과 다양성을 충분히 다루지 못하는 한계가 있다.
Citas
"본 연구는 SVM, KNN, 의사결정 트리 분류기를 결합한 앙상블 접근법을 제안하여 전자상거래 플랫폼의 가짜 리뷰를 효과적으로 탐지하고자 한다."
"제안된 앙상블 모델은 80%의 정확도로 가짜 리뷰를 탐지할 수 있었으며, 이는 기존 단일 모델 접근법을 능가하는 성과이다."