호텔 손님과 직원은 같은 호텔을 같은 마음으로 볼까?

무슨 연구인가

온라인 리뷰는 보통 손님 것만 봅니다. 이 연구는 이스탄불의 한 호텔에서 손님 리뷰와 '직원' 리뷰를 나란히 모아, 두 집단의 감정이 얼마나 닮았고 어디서 갈리는지 기계학습으로 비교했어요.

🔬 어떻게 분석했나

① 먼저 리뷰 글을 청소했어요(전처리) — 의미 없는 기호를 걷어내고, 이 호텔·업계에서만 쓸데없이 튀는 단어들을 골라내는 '전용 불용어 목록(블랙리스트)'을 반자동으로 만들어 잡음을 줄였습니다.
② 글을 숫자로 바꿨어요 — 세 가지 방식을 썼는데, TF-IDF와 BOW는 '어떤 단어가 얼마나 자주, 얼마나 특징적으로 나왔나'로 글을 숫자표로 만드는 고전 방법이고, Word2Vec은 뜻이 비슷한 단어를 가까운 좌표에 놓아 '의미'까지 담는 방법이에요.
③ 감정을 맞히게 훈련했어요 — 이 숫자들을 여러 분류기에 넣어 리뷰가 긍정인지 부정인지 판별했고, 5번 나눠 검증(5-fold)한 결과 손님 리뷰는 10개 중 약 9.98개, 직원 리뷰는 약 9.4개를 맞히는 수준이었어요.
④ 두 집단을 합쳐 비교했어요 — 손님과 직원 리뷰를 한 데이터로 묶어 감정이 서로 얼마나 맞물리는지 봤더니 F1 97%대였습니다.
⑤ 주제별로 쪼갰어요(LDA) — LDA는 함께 자주 나오는 단어를 묶어 '숨은 주제'를 자동으로 찾아주는 기법인데, 여기서 3개 주제가 나왔고 주제 정보를 넣은 모델의 정확도가 더 좋아졌어요.

📊 무엇을 찾았나

큰 그림에서는 손님과 직원의 만족이 같이 움직였지만, 주제를 하나씩 뜯어보면 서로 어긋났어요. '전체 평균은 비슷한데 항목별로는 딴판'인 셈이죠.

💡 내 연구에 가져갈 것

리뷰를 분석할 땐 한 덩어리로 보지 말고, 누가 쓴 글인지(손님/직원 등)부터 나눠 보세요. 평균에 묻힌 진짜 불만이 거기서 드러납니다.

📄 논문 정보

Detecting Sentiment Analysis Correlation Between Hotel Employee and Customer Reviews Using Machine Learning Algorithms
Berat Bakan, Abdullah Ammar Karcioglu, Esra Katırcıoğlu
ICCK Transactions on Emerging Topics in Artificial Intelligence · 2026-09-22
원문 보기 ↗