[TIL] 기획 정책 설정 - 6/15

정책

전날 화면설계서를 기준으로 기능별로 정해야 할 정책을 리스트업 해뒀고, 오늘 팀원들과 하나씩 보면서 정책을 설정했다.

초안이라 워딩이 정리가 되지 않았으니 양해 바랍니다...

페이지가 기능이 4개 밖에 되지 않음에도 이렇게 많은 부분을 설정했다.

 

4명이서 함께 설정하다보니 혼자 했다면 얼마 걸리지 않았을텐데 팀 전체의 의견을 수렴하고, 그 과정에서 설명하고, 설득하다보니 시간이 굉장히 많이 소요되었다. 하지만 반대로 혼자였다면 빠뜨리고 넘어가거나 허술한 정책이 있었으리라 생각된다.

 

화면설계서를 와이어 프레임을 기준으로 작성되었기 때문에 이 화면설계서를 기준으로 작성된 정책은 디자이너에게 전달되는 과정의 산출물이었다. 그래서 디자인적으로 신경쓰지 않아도 되는데 화면에서 몇 %를 차지할 것인지, 글자수가 너무 길 경우 몇 글자까지 노출시키고, "..."으로 대체할 것인지까지 정하게 되었다.

내가 현재 작성하는 목적에 따라 작성하는 범위를 잘 설정해야 한다.

 

그런 와중에도 가장 시간이 많이 소요된 부분은 아무래도 AI를 적용한 기능이었다.

 

배달의민족 리뷰가 현재는 하나의 평점과 텍스트로 구성되어 있다.
이때 텍스트를 텍스트마이닝 해서 감성분석이라는 자연어처리기술을 통해 맛, 양, 위생, 포장 이렇게 4가지 세부요소에 따른 평점으로 변환해서 제공하려고 한다.

 

[기존]
평점: 4.0
텍스트: 정말 맛있었는데 양은 조금 적었어요.

 

[세부요소에 대한 평점]
맛: 5 (맛있다고 해서 기본 평점에서 가산점)
양: 3 (양이 적다고 해서 감점)
위생: 4
포장: 4

 

이렇게 추출한 세부요소에 대한 평점을 통계로 사장님에게 보여드리고, 개선점을 찾아주는 기능이다.

이때 텍스트마이닝을 통해 추출한 키워드별 점수 설정 기준을 정할 때 의문이 들었다.

예시에서는 임의로 1점씩 줄이고, 늘렸지만 키워드마다 영향력이 다르고, 같은 키워드라도 어떤 맥락에서 사용했는지에 따라 배점이 다르다.

이러한 불확실성과 모호함을 해결하기 위해 interval-valued neutrosophic numbers(이하 IVNN)라는 개념이 나왔다.

참고한 사례는 영화 리뷰에 관한 모델인데 하나의 평점, 텍스트로 구성된 리뷰를 통해 키워드별 IVNN를 컴퓨터가 자체적으로 학습하고 이를 바탕으로 평점이 없는 리뷰의 평점을 예측하는 모델이었다. 하지만 우리의 경우 요소별 평점이 아니라서 기준으로 잡을 평점이 없는게 문제인데 이때 키워드별 IVNN을 어떻게 설정할 지에 대해서 의견이 분분했다.