Comment-based-recommendation-system-

더 세부적인 내용은 에서 확인하실 수 있습니다.

DEMO

서비스 개요

한줄 소개

구글 앱 스토어내의 카카오 게임즈들의 사용자 리뷰 데이터들을 바탕으로 사용자 맞춤 게임 추천 시스템 구현

개발 동기

게임 튜토리얼이 끝나면 다음과 같이 리뷰를 부탁하는 알림창을 모두 한번쯤 만나 보셨을 것이라고 생각합니다. 왜 이렇게 게임사들은 사용자들이 리뷰를 남겨주기를 바랄까요?? 아마 아직 사용해보지 않은 사용자들에게 더 많은 정보를 제공하고, 조금 더 많은 사용자들이 게임을 이용했으면 하길 바라기 때문이라고 생각합니다.
“사용자에게 더 많은 정보를 제공하기 위해서 만들어진 리뷰 데이터를 직접적으로 추천에 사용할 수 있다면 더 다채로운 추천이 가능하지 않을까?” 라는 생각에 사용자 기뷰 데이터 기반 추천 시스템을 개발하게 되었습니다.

Pipe line

웹 크롤링을 통해 추출한 사용자 리뷰, 평점, 전체 리뷰 수 등의 정보가 담긴 데이터를 활용하여 컨텐츠 기반 필터링 과정을 통해 사용자 리뷰에 따른 추천시스템을 구현

Crawling

Selenium 을 이용하여 Data Crawling 진행 총 91개의 카카오 게임 선정(review 링크가 안들어가지거나, 동일 장르가 너무 적은 경우는 제외 ) 각각의 게임마다 title,genre,rating,review_num,url,img, 500개의 리뷰

키워드 추출

리뷰 데이터 하나에 대하여 한국어로 학습된 skt/kobert-base-v1 pretrained 모델을 사용하여 keyBert() 진행, 개별 리뷰 키워드, 500개의 문장에서 추출된 key world 의 가중치를 계산하여 게임의 통합 키워드 선정 (통합 키워드를 선정하기 위하여 TF - IDF 진행)

컨텐츠 기반 추천 알고리즘

IMDB 에서 제안한 Weight Rating 방식으로 평점 재산정 (기존의 Rating 점수에 리뷰 갯수에 대한 가중치 할당 방식) TF - IDF 를 통해 키워드들에 대한 중요도를 가중치로 벡터 임베딩 코사인 유사도 함수 활용
유사도 계산시 Genre와 Key_words 두 변수 동시 반영하여 추천 시스템에 적용

결과 분석

1.사용자 평가 기반 세부카테고리 추천 가능

'리니지' 라는 키워드와 같이 사용자들이 받아들이는 보다 직관적이고 세부적인 카테고리로 분할하여 추천할 수 있음

2.장르에 국한되지 않는 다채로운 추천 가능

다운로드 항목을 보면 모두 roleplaying 게임이지만, 실제로 추천되는 게임들은 action과 simulation 장르의 게임 또한 추천되는 것을 확인할 수 있다. key word만 겹친다면 장르를 넘어선 추천 가능

Frontend 구현

: React, styled-components

기대 효과

• 리뷰 데이터와 게임의 장르만을 활용한 최소한의 정보를 바탕으로 추천 시스템을 구현함
• 게임 선정에 앞서 사용자가 리뷰를 습득하고자 할때 해당 시간을 단축 할 수 있음
• 게임 선택에 있어서 사용자 경험 정보를 활용 가능해짐

👨‍👨‍👧‍👦 Members

이름	개발분야	소개페이지
정태민	NLP	Github
김주원	Frontend, Backend	Github
박정훈	Crawling	Github
장효영	NLP	Github