무슨 연구인가
요즘은 AI를 숙제 도우미가 아니라 '대화 상대'로 쓰는 사람이 늘고 있어요. 이 연구는 국내 대표 관계형 AI 서비스 '제타'의 이용자 리뷰를 모아, 사람들이 무엇에 만족하고 무엇에 실망했는지를 글 속에서 읽어냈습니다.
🔬 어떻게 분석했나
- ① 먼저 제타 이용자들이 남긴 온라인 리뷰를 웹에서 긁어모았어요(웹 스크래핑) — 사람이 일일이 복사하는 대신 프로그램이 리뷰 페이지를 자동으로 읽어 저장하는 방법입니다.
- ② 모은 글을 깨끗하게 다듬었어요(전처리) — 이모지·특수문자·의미 없는 단어를 걷어내 컴퓨터가 분석하기 좋은 형태로 만드는 청소 작업이에요.
- ③ LDA 토픽모델링으로 리뷰의 '숨은 주제'를 찾았어요 — LDA는 수많은 글에서 자주 함께 등장하는 단어들을 묶어, 사람이 일일이 안 읽어도 '아, 이 글들은 이런 얘기구나' 하는 주제 덩어리를 자동으로 뽑아주는 기법입니다.
- ④ 각 주제의 감정을 LLM(대형 언어모델)으로 판별했어요 — 그것도 'zero-shot' 방식, 즉 따로 정답을 학습시키지 않고 '이 글이 긍정이야 부정이야?'라고 묻기만 해도 모델이 바로 답하는 방식을 썼습니다.
📊 무엇을 찾았나
리뷰는 '수익 방식·대화 검열·앱 안정성·AI 대화 능력' 4가지 주제로 갈렸고, 놀랍게도 네 주제 모두에서 감정이 '부정'으로 나왔어요 — 좋은 점을 말하러 온 리뷰보다 아쉬움을 토로하는 리뷰가 훨씬 많았던 셈입니다.
💡 내 연구에 가져갈 것
리뷰 감성분석, 이제 꼭 모델을 따로 학습시키지 않아도 됩니다 — LLM zero-shot부터 돌려보면 빠르게 감 잡을 수 있어요.
📄 논문 정보
Topic Modeling and Sentiment Analysis of Service Quality for Relational AI
Sungjoon Lee
Journal of the Korea Academia-Industrial cooperation Society · 2026-10-31
원문 보기 ↗
이 글은 연구 소개를 위한 해설이며, 논문 원문의 저작권은 저자와 출판사에 있습니다. 원문은 위 링크(DOI)에서 확인하실 수 있습니다. 권리자께서 요청하시면 바로 내리겠습니다.