표제지
국문 초록
목차
I. 서론 17
1. 연구의 배경 및 필요성 17
2. 연구의 목적 및 범위 18
가. 연구의 방법 및 구성 20
II. 이론적 배경 21
1. 방법론 21
가. 텍스트마이닝 21
나. TF & TF-IDF 분석 22
다. Word2Vec 23
라. LDA(Latent Dirichlet Allocation) Topic Modeling 25
2. 관련 연구 28
가. 공유경제 28
나. 스마트모빌리티 31
다. 공유 전동 킥보드 32
III. 연구 방법 37
1. 데이터 수집 및 전처리 37
2. 분석 방법 38
가. TF-IDF 감성분석 38
나. Word2Vec 40
다. LDA Topic modeling 40
IV. 분석 결과 42
1. TF-IDF 분석 42
가. 알파카의 긍정 리뷰 단어 43
나. 알파카의 부정 리뷰 단어 43
다. 씽씽의 긍정 리뷰 단어 43
라. 씽씽의 부정 리뷰 단어 44
마. 킥고잉의 긍정 리뷰 단어 44
바. 킥고잉의 부정 리뷰 단어 44
사. 빔의 긍정 리뷰 단어 44
아. 빔의 부정 리뷰 단어 45
2. 서비스 업체별 공통단어 긍정단어 Word2Vec 분석 46
가. 알파카 47
나. 씽씽 47
다. 킥고잉 47
라. 빔 47
3. 서비스 업체별 공통단어 Word2Vec 부정단어 분석 49
가. 알파카 50
나. 씽씽 50
다. 킥고잉 50
라. 빔 50
4. 서비스 업체별 개별단어 Word2Vec 긍정단어 유사도 분석 51
5. 서비스 업체별 개별단어 Word2Vec 부정단어 분석 52
가. 알파카 리뷰 긍정단어 : 환승 53
나. 알파카 리뷰 부정단어 : 방전 53
다. 씽씽 리뷰 긍정단어 : 만족 53
라. 씽씽 리뷰 부정단어 : 업데이트 53
마. 킥고잉 리뷰 긍정단어 : 축지법 54
바. 킥고잉 리뷰 부정단어 : 연결 54
사. 빔의 리뷰 긍정단어 : 재미 54
아. 빔의 리뷰 부정단어 : 불가 54
6. LDA 토픽 모델링을 활용한 플랫폼별 주제어 분석 55
가. 알파카 LDA 토픽 모델링 57
나. 씽씽 LDA 토픽모델링 60
다. 킥고잉 LDA 토픽 모델링 63
라. 빔 LDA 토픽 모델링 67
7. TF-IDF, Word2Vec, Lda 토픽모델링 키워드 68
V. 결론 및 시사점 71
1. 연구 결과 및 시사점 71
2. 한계 및 향후 연구 방향 75
참고문헌 77
ABSTRACT 84
〈표 1〉 공유경제 선행연구 29
〈표 2〉 스마트 모빌리티 선행 연구 32
〈표 3〉 공유 전동 킥보드 관련 연구 34
〈표 4〉 TF-IDF를 활용한 긍정/부정단어 추출 42
〈표 5〉 TF-IDF의 긍정단어(공통단어)의 Word2Vec 46
〈표 6〉 TF-IDF의 부정단어(공통단어)의 Word2Vec 49
〈표 7〉 TF-IDF의 긍정/부정단어(개별단어)의 Word2Vec 51
〈표 8〉 TF-IDF의 긍정/부정단어(개별단어)의 Word2Vec 52
〈표 9〉 LDA 토픽 모델링을 활용한 주제어 분석 55
〈그림 1〉 공유 서비스앱 순위 19
〈그림 2〉 연구 프로세스 20
〈그림 3〉 TF-IDF 수식 23
〈그림 4〉 Word2Vec의 COBW/Skip-gram 24
〈그림 5〉 LDA 문서 생성 과정 26
〈그림 6〉 LDA 확률적 토픽 추출 예시 27
〈그림 7〉 전동킥보드 공유 플랫폼 별점 분포 40
〈그림 8〉 알파카 pyLDAvis 1 56
〈그림 9〉 알파카 pyLDAvis 2 56
〈그림 10〉 알파카 pyLDAvis 3 57
〈그림 11〉 씽씽 pyLDAvis 1 59
〈그림 12〉 씽씽 pyLDAvis 2 59
〈그림 13〉 씽씽 pyLDAvis 3 60
〈그림 14〉 킥고잉 pyLDAvis 1 62
〈그림 15〉 킥고잉 pyLDAvis 2 62
〈그림 16〉 킥고잉 pyLDAvis 3 63
〈그림 17〉 빔 pyLDAvis 1 65
〈그림 18〉 빔 pyLDAvis 2 65
〈그림 19〉 빔 pyLDAvis 3 66
〈그림 20〉 TF-IDF와 Word2Vec 비교 69
〈그림 21〉 TF-IDF와 LDA 토픽 모델링 비교 70