이 글은 2021년 3월 24일 아래 네이버 블로그에 작성한 후에 옮긴 것임
Naver Blog
5단계 장소 평가(별점)의 폐지
네이버가 장소 리뷰에서 별점을 없앤다고 한다. 소비자의 갑질 여지를 줄이기 위해서이다. 특히 리뷰가 많지 않은 작은 식당들은 특정 소비자에게 밉보이거나, 아니면 그러한 일이 없다 하더라도 별점 테러에 영향을 받는 정도가 크다.
외국어 리뷰들을 하나하나 확인하기가 쉽지 않기 때문에 특히 해외에 나갈 때 구글맵의 별점을 유용하게 사용하는 사람들이 많을 것이다. 이런 플랫폼들 중 최초로 별점 시스템을 폐지하는 것이다.
고도화된 NLP AI가 더욱 중요해진 리뷰 시스템
앞으로는 위와 같이 바뀐다고 한다. 방문객들의 공통된 리뷰를 AI로 분석해 '태그구름' 방식을 도입한다. 사용자와 취향이 비슷한 리뷰어의 리뷰를 우선 확인할 수 있게 Sorting 해서 보여줄 예정이다.
정교하게 좋은 정보들을 추출해주는 머신러닝&딥러닝 시스템이 더욱 중요해질 예정이다. 시간이 지날수록 리뷰의 양은 늘어날텐데 한 눈에 고객 평가를 보여주는 별점이 없다면 사용자들은 원하는 정보를 빠르게 얻기가 힘들어질 것이다. 이를 보완하기 위해 리뷰의 텍스트 더미 속에서 중요한 정보들을 뽑아내는 것이 중요하다. 단순히 단어 빈도로 워드클라우드를 띄워주는 정도의 기술적 통계 분석을 넘어 아래와 같은 모델들이 필요해질 수 있다.
Aspect Based Sentiment Analysis (ABSA)
내 연구 주제인 ABSA task와 잘 어울리는 듯하다. 특정 가게 리뷰에서 자주 등장하는 핵심 키워드(aspect term)를 추출하고, 이를 카테고리화 하기도 하고 (aspect category), 그 키워드와 관련된 opinion을 하이라이트 해주고, 각 aspect category별 감성분석(polarity or sentiment classification) 등의 task가 사용될 것이다.
Document embedding & modeling
또는 리뷰들을 sentence 단위나 document 단위로 representation 벡터를 뽑아내는 것도 중요해진다. 비슷한 내용을 담은 리뷰들을 clustering 할 수 있어야 리뷰 텍스트를 사용자 맞춤형으로 보여주기 유용하기 때문이다.
사회적 이슈가 크게 발생하는 것을 방지하기 위한 조치이지만 많은 데이터가 있기 때문에 고도화된 NLP 시스템으로 사용성이 떨어지지 않도록 많이 연구했으면 좋겠다.
