본 연구는 어텐션 기반 양방향 LSTM(BiLSTM) 모델을 활용하여 Steam 게임 리뷰의 감성을 분류하는 방법을 탐구했어요. 5만 개의 리뷰 데이터셋을 활용하여 TF-IDF 기반 머신러닝과 PyCaret AutoML을 비교 분석했답니다.
BiLSTM+Attention 모델은 클래스 불균형 문제를 해결하기 위해 가중치 부여된 교차 엔트로피로 학습되었으며, 테스트 세트에서 83%의 정확도와 85%의 가중치 F1 점수를 달성했어요. 특히 부정 리뷰에 대한 리콜은 90%로 높게 나타났어요.
연구 결과, BiLSTM+Attention 모델은 Steam 리뷰의 사용자 감성을 분석하는 데 효과적이며 개발자가 플레이어 피드백을 이해하는 데 유용하게 활용될 수 있음을 확인했어요.