앱 리뷰의 애매한 칭찬 반 불평 반, AI는 진짜 속마음을 알아챌까?

무슨 연구인가

앱스토어 리뷰를 떠올려 보세요. "처음엔 좋았는데 요즘 자꾸 튕겨요" 같은 한 문장에 칭찬과 불만이 뒤섞여 있죠. 이 연구는 인도네시아어 학습앱 리뷰처럼 길고 감정이 섞인 글에서, AI가 감정을 얼마나 정확히 읽어내는지 실험했습니다.

🔬 어떻게 분석했나

① 먼저 인도네시아 인기 학습앱 'Ruangguru'의 리뷰 4,904건을 웹에서 긁어모았어요(웹스크래핑). 사람이 일일이 정답을 달기엔 너무 많으니까요.
② 그래서 VADER라는 도구로 임시 정답을 자동으로 붙였어요 — VADER는 '좋다/싫다' 같은 단어마다 긍·부정 점수를 미리 매겨두고, 문장 안 단어 점수를 합산해 감정을 판정하는 규칙 기반 사전입니다. 빠르지만 뉘앙스는 약해서 '은(silver·임시) 정답'이라고 불러요.
③ 긍정·부정 리뷰 수가 한쪽으로 쏠려 있으면 AI가 편향되게 배우니, 적은 쪽을 복제해 수를 맞췄어요(Random Oversampling).
④ 본선수는 IndoBERT — 인도네시아어 문장을 대량으로 미리 학습해 문맥을 이해하는 트랜스포머 언어모델입니다. 앞 단어만 보는 게 아니라 문장 전체 맥락으로 감정을 판단해요.
⑤ 비교 상대로 BiLSTM(문장을 왼쪽→오른쪽, 오른쪽→왼쪽 양방향으로 훑어 문맥을 잡는 딥러닝 모델)을 두고 누가 더 정확한지 겨뤘습니다.

📊 무엇을 찾았나

결과는 IndoBERT 90.9% vs BiLSTM 86.4% — 리뷰 10개 중 9개를 맞히는 셈이라, 길고 감정이 섞인 문장에서 트랜스포머가 한 수 위였습니다.

💡 내 연구에 가져갈 것

한국어·외국어처럼 뉘앙스가 복잡한 리뷰라면, 규칙기반 사전으로 초벌 라벨을 만들고 언어 특화 BERT로 마무리하는 '하이브리드'가 실전에서 잘 통합니다.

📄 논문 정보

A Hybrid VADER–IndoBERT Framework for Robust Sentiment Analysis of Long and Ambiguous Indonesian Texts
Margareta Valencia Suci Handayani, Ruri Suko Basuki, Muljono, Raden Arief Nugroho, Dhendra Maruhto, Yo Ceng Giap, Deshinta Arrova Dewi
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) · 2026-07-29
원문 보기 ↗