earticle

한국어

본 연구는 온라인 리뷰의 유용성을 예측하기 위해 텍스트 의미와 구조 정보를 통합한 BERT-CNN 기반 딥러닝 모델을 제안한다. 자원 효율성이 높은 사전학습 언어모델인 DistilBERT, ALBERT, TibyBERT를 활용하여 문맥 임베딩을 생성하고, 이를 CNN 구조와 결합해 문장 내 지역적 의미 패턴을 효과적으로 포착하였다. 또한 텍스트에서 추출한 복잡성, 가독성, 감정/감성 등의 설계 기반 특성과 사용자 및 비즈니스 메타데이터를 통합하여 임베딩만으로는 포착하기 어려운 도메인 특성을 보완하였다. 제안한 CNN 기반 하이브리드 모델은 사전학습 언어모델 단독 구조보다 전반적으로 높은 예측 성능을 보였다. 특히 TinyBERT-CNN 모델은 가장 높은 성과를 나타내어 경량 모델의 효율성과 실용성을 입증하였다. DistilBERT 및 ALBERT 기반 모델 역시 언어적 특성과 메타데이터의 결합을 통해 단일 모델 대비 정확도와 정밀도가 향상되었으며, 이는 수치화된 언어 특성과 메타데이터가 문맥 임베딩 기반 모델을 보완할 수 있음을 보여준다.