의미 확장 검색과 감성 기반 후보 선별을 통한 영화 추천 알고리즘

Movie Recommendation via Semantic Expansion Retrieval and Sentiment-Based Candidate Screening

발행

2025 등록KCI API에는 발행일 항목이 없어 원문 등록일을 쓰고 있습니다. 실측으로 발행보다 최대 6년 늦습니다 — 재수집하면 발행연월로 바뀝니다.

소속·발행

서강대학교 경영학과

출처

국내 KCI

DOI

10.22678/JIC.2025.23.12.001

원문

원문 보기 ↗

개념

키워드

사용자 맞춤형 추천, 영화 리뷰 데이터, KcELECTRA, Word2Vec, 부정 리뷰 필터링, Personalized Recommendation, Movie Review Data, KcELECTRA, Word2Vec, Negative Review Filtering

초록

본 연구는 사용자 리뷰에 포함된 감성 정보를 기반으로 부정적인 평가가 집중된 영화를 사전에 제거하고, 키워드 및 장르 정보를 활용하여 하이브리드 방식으로 영화를 추천하는 시스템을 제안한다. 감성 분석은 사전학습된 한국어 분류 모델(KcELECTRA)을 활용하며, 부정 리뷰 비율이 일정 기준 이상(예: 60%)인 영화는 추천 후보군에서 제외된다. 키워드는 Word2Vec 임베딩과 도메인 지식 기반 연관어 사전을 통해 확장되며, 관련 리뷰의 밀도를 기준으로 추천 순위가 결정된다. 키워드 기반 추천이 어려운 경우, 입력 장르를 바탕으로 평균 평점 상위 영화를 대체 추천한다. 실험 결과, 제안 방식은 두 조건(noisy/clean)에서 Precision 0.424, Recall 1.00, F1 0.582/0.564, Neg-Filter-Rate 8.873%/9.224%를 보였다.

같은 개념의 다른 논문

이 개념이 나오는 강연