README.md

Restaurant review score adjustment

식당 리뷰 별점 재조정

Sogang AIBI 2기 프랙티컴 경진대회 우등상 <캠퍼스봄날씨>

캠퍼스봄날씨 팀원

박승	배진성(baejinsung0126@gmail.com)	빈준영(binjunyoung@u.sogang.ac.kr)	안덕성(dsahn95@gmail.com)	오성현(ffcf77@gmail.com)	이재열(coramdeojy@gmail.com)

---

개요

• 식당을 선택함에 있어 별점이나 리뷰를 참고하지만 리뷰내용과 실제 별점은 잘맞지 않는 경우가 많음
  
• 리뷰를 내용에 맞게 재조정하여 신뢰성 있는 별점 제공 및 별점 내용과 시간정보를 활용하여 소비자에게 유용한 대시보드 제공
  

개발과정

크롤링

• 합정, 이태원, 성수, 강남, 홍대 등 서울 주요플레이스에 대하여 네이버, 다음, 구글, 카카오등 총 17만개의 식당 리뷰 크롤링
  

사전구축

• 불용어사전 및 감성(긍부정)사전, 표제어사전을 구축
  

학습데이터 구축

• 리뷰데이터 17만건과 별도로 제작한 감성사전을 이용한 학습데이터 구축
  

1. 별점이 5개인 리뷰는 부정단어 모두삭제
   
2. 별점이 1개인 리뷰는 긍정단어 모두삭제
   
3. 별점 2~4점인 리뷰는 긍정,부정단어 비율에 맞춰 조정
   

학습

• KOBERT, ROBERT-Base, Small, Large 4가지 모델을 Ensemble, k-fold(n=5)로 학습
  
• 트레인셋 정확도 75%, 검증셋 70%
  

시계열 데이터분석

• 최근 36개월간의 리뷰 및 데이터를 분석하여 최근 리뷰동향을 그래프로 시각화(plotly사용)
  

SNA 분석

• Python networkx패키지 사용 bi-gram, 가중치는 pagerankg적용, layout은 kamda_kawai적용하여 SNA시각화

대표리뷰 산정

• 식당의 긍정, 부정을 대표하는 리뷰를 선정하여 보여줌
  
• 2021년 이후, 표제어가 10개 이상, 전체 표제어 중 긍정,부정 단어 비중이 높은 리뷰를 선정하는 알고리즘 구현
  

파워랭킹 대시보드

• 리뷰의 수가 많고 최근(2021년 이후)의 평점이 지역의 평균보다 높은 곳을 선정하는 알고리즘을 구현하여 파워랭킹 대시보드 작성