텍스트마이닝 기법과 ARIMA 모형을 활용한 배달의 민족 앱 리뷰 분석

• Published in: 디지털콘텐츠학회논문지 Vol. 22; no. 2; pp. 291 - 299
• Main Authors: 정지훈(Ji-Hoon Jung), 정혜인(Hye-In Chung), 이준기(Zoon-Ky Lee)
• Format: Journal Article
• Language: Korean
• Published: 한국디지털콘텐츠학회 01.02.2021
• Subjects: 컴퓨터학; 배달 앱; 토픽 모델링; ARIMA; Mobile App Review Analysis; 모바일 앱 리뷰 분석; Sentiment Analysis; Delivery App; 감성 분석; Topic Modeling
• ISSN: 1598-2009; 2287-738X
• DOI: 10.9728/dcs.2021.22.2.291

모바일 애플리케이션 시장의 빠른 성장과 함께 다운로드 수와 리뷰의 수도 급증하고 있다. 개발자는 사용자 리뷰 분석을 통해 서비스 이슈를 감지하고 사용자의 불만족을 개선하고자 하지만, 매일 다량으로 생성되는 리뷰를 처리하기에는 어려움이 있다. 본 연구에서는 수많은 리뷰 중에서 유의미한 서비스 이슈를 탐지하기 위해 텍스트마이닝 기법과 시계열 이상치 탐지 모형 Autoregressive Integrated Moving Average(ARIMA)을 이용하여 최근 빠르게 성장하고 있는 배달 어플리케이션 ‘배달의 민족’ 리뷰를 분석하고자 한다. 이를 위하여 ‘배달의 민족’ 앱 리뷰 71,435건을 크롤링하여 수집한 후, 토픽모델링 기법을 적용하여 5개의 토픽을 도출하였다. 또한, 시계열 기반 이상치 탐지 ARIMA 모델을 활용하여 리뷰수가 급증한 12개의 이상치 일자를 탐지하였고, 해당 일자를 토픽 별 감성분석 결과를 바탕으로 이슈 요인을 분석하였다. As the mobile application market is growing rapidly, the number of application downloads and reviews are increasing as well. Developers want to detect and improve service issues and user dissatisfaction through application review analysis, but it is difficult to handle large quantities of reviews that are generated every day. In this paper we analyze review of the delivery application “Baemin”, which is growing rapidly in recent years. This study detects significant service issues among numerous reviews by using text mining techniques and ARIMA based time series outlier detection model. 71,435 reviews of the “Baemin” application reviews are collected from Google Play Store, and six topics are derived by applying a topic modeling technique. Furthermore we use ARIMA based outlier detection model and 12 dates are detected as outliers. By applying sentiment analysis and topic modeling, we analyze each outlier to identify app issues. KCI Citation Count: 30