With the advent of many movie content platforms, users face a flood of contents and consequent difficulties in selecting appropriate movie titles. Although much research has been done in developing effective recommender systems to provide personalized recommendations based on customers' past preferences and behaviors, not much attention has been paid to leveraging users' sentiments and emotions together. In this study, we built graph-based movie recommender system that utilized sentiment and emotion information along with user ratings, and evaluated its performance in comparison to well known conventional models. The sentiment and emotion information were extracted using fine-tuned BERT. We used a Kaggle dataset created by crawling movies' meta-data and review data from the Rotten Tomatoes website. The study results show that the proposed models coupled with emotion and sentiment are superior over the conventional models. The results of this study show the possibility of using sentiment and emotion information together in relation to movie recommender system.
많은 영화 콘텐츠 플랫폼의 등장으로 사용자들은 콘텐츠의 범람과 그에 따른 적절한 영화 제목 선정에 어려움을 겪고 있다. 고객의 과거 선호도와 행동에 따른 맞춤형 추천을 제공하기 위한 효과적인 추천 시스템 개발 연구가 많이 이뤄졌지만, 이용자의 감성과 감정을 함께 활용하는 데는 큰 관심이 없었다. 본 연구에서는 사용자 등급과 함께 감성·감정 정보를 활용한 그래프 기반의 영화 추천시스템을 구축하고, 잘 알려진 기존 모델과 비교하여 성능을 평가했다. 감성과 감정 정보는 미세 조정된 BERT를 사용하여 추출되었다. 우리는 Rotten Tomatoes에서 크롤링 된 영화들의 메타 데이터로 구성된 Kaggle의 데이터 세트를 사용했다. 연구 결과는 감성과 감정을 결합한 제안된 모델이 기존 모델보다 우수하다는 것을 보여준다. 이 연구 결과는 영화 추천과 관련하여 감성과 감정 정보를 함께 활용하는 것에 대한 가능성을 보여준다.
