[2026학년도 1학기 캡스톤디자인]안되는거없어_게임 리뷰 유용성 평가

Abstract

본 프로젝트는 게임 도메인에 특화된 리뷰 유용성 예측 모델 PRIS-RHP와 이를 활용한 웹 서비스 PatchLens를 개발한 것이다. 기존의 리뷰 유용성 예측 연구는 도메인 범용성과 소비자 관점에 치우쳐 있어, 게임 산업의 특수성을 충분히 반영하지 못한다는 한계가 있었다. 특히 게임 리뷰는 지속적인 업데이트와 패치에 따라 그 가치가 변화하는 동적 특성을 지니며, 개발자에게 유용한 리뷰는 실제 게임 개선에 활용될 수 있어야 한다.이에 본 프로젝트는 문제를 "게임 개발자가 우선 검토해야 할 리뷰를 식별하는 것"으로 재정의하고, 리뷰와 패치노트 간의 의미적 상호작용을 학습하는 접근을 제안하였다. 리뷰와 패치노트를 동일한 BGE 임베딩 공간에 투영한 뒤, 두 표현의 원소별 곱과 차를 결합하여 상호작용을 명시적으로 포착하고, 리뷰어 메타데이터와 언어적 특징을 함께 활용하여 Deep Pyramid MLP로 유용성 점수를 예측한다. No Man's Sky의 Steam 리뷰와 공식 패치노트를 매칭한 데이터셋으로 실험한 결과, 제안 모델은 텍스트·메타 기반 베이스라인 대비 모든 평가지표에서 가장 우수한 성능(RMSE 0.367)을 달성하였다. 나아가 예측 결과를 단순 점수가 아닌 개발자가 활용 가능한 인사이트로 가공하기 위해, LLM 프롬프트 엔지니어링을 결합한 웹 서비스 PatchLens를 구현하였다. 이를 통해 개발자는 우선순위가 높은 리뷰를 선별하고, 카테고리별 피드백과 구체적인 개선 방향을 확인하며, 중요 리뷰를 실제 업무 흐름으로 연계하여 관리할 수 있다.