• 한국정보통신학회논문지
• /
• 제18권7호
• /
• pp.1643-1651
• /
• 2014

소셜네트워크서비스(SNS)는 사용자들이 자신들의 정보를 가족, 친구, 그리고 소속단체원들과 공유하는 것을 가능케 해 준다. SNS 상의 정보의 양은 기하급수적으로 증가하고 있는 추세다. 특히 페이스북은 연예오락(영화, 음악, TV쇼 등)과 관련된 흥미로운 기능을 채택해 오고 있다. 그러나 페이스북은 사용자들에게 관심 아이템을 추천할 때 필요한 사용자들의 시간, 장소, 소셜 상황 등 상황적 정보는 고려하지 않고 있다. 따라서 이 논문에서 사용자들이 언제, 어디서, 누구와 영화를 보는지 등에 대한 다양한 상황적 정보의 통합에 기반을 둔 영화 추천 접근법을 제안 하고자 한다. 또한 두 명이 함께 영화를 관람하러 갔을 때 동시에 만족할만한 영화 추천 방법을 제안한다. 실험을 위해 사용자들의 영화관람 내용을 기록하고 이에 기반을 두어 적절한 추천 영화를 소개해 줄 수 있는 'MyMovieHistory'라는 페이스북 응용프로그램을 개발하였다.

• 인터넷정보학회논문지
• /
• 제16권2호
• /
• pp.41-48
• /
• 2015

영화 리뷰 사이트에서 영화 평점은 네티즌들의 주관적 판단으로 결정된다. 이로 인해 그들이 남긴 영화평과 평점 사이의 극성이 서로 불일치하는 경우가 종종 발생한다. 본 논문에서는 이 문제를 해결하기 위해 영화의 평가에 영향을 미치는 감성 문장들의 집합을 만들고, 이들을 영화평에 적용하여 평점을 추론한다. 감성 문장들의 집합을 만들기 위한 과정은 감성 어휘 사전을 구축하는 단계와 감성 문장을 구성하는 단계로 이루어진다. 감성 어휘 사전은 영화평에서 쓰인 형용사와 형용사의 극성을 저장한다. 감성 문장은 영화와 관련된 명사를 주어로 갖고 감성 어휘 사전의 어휘를 서술어로 갖는 문장 구조이다. 감성 문장의 극성과 감성 문장에서 쓰인 서술어의 극성이 다른 문장들은 제거하여 감성 문장들이 감성 어휘 사전 어휘의 극성과 일치되도록 하였다. 영화평에서 쓰인 감성 문장들의 평균 점수를 구하면 영화평이 갖는 감성 점수가 된다. 본 연구 결과를 통해 네티즌들이 매긴 평점에 비해 감성 문장 집합을 적용하여 계산한 영화평의 감성 점수가 영화평에 대한 의견을 더 잘 반영한다는 것을 알 수 있다.

• 한국콘텐츠학회논문지
• /
• 제22권3호
• /
• pp.152-164
• /
• 2022

이 논문은 도미니크 쿠크(Dominic Cooke)감독의 영화 <체실비치에서>(On Chesil Beach, 2017)의 줄거리와 클래식 음악과 영화의 의미연합 관계를 탐구하는 것으로, 내러티브에 의한 정보가 클래식 음악이 지닌 정보와 어떻게 연합하는지를 분석하고 있다, 이를 위하여 베쉬위너(David Bashwiner)가 분석한 영화 <킹스 스피치>(King's Speech, 2010)의 마지막 장면과 베토벤 심포니의 음량 및 기악법 변화와의 관계, 그리고 안수환이 분석한 <그린 북>(Green Book, 2018)의 호텔 대화 장면과 드뷔시의 아라베스크에서 나타나는 변화에 의한 의미 연합 연구를 방법론으로 활용하였다. 또한 악곡이 지닌 음악 외적인 정보를 통하여 어떻게 청각적 의미를 생성하는 지를 슈만의 '트로이메라이'를 활용한 분석을 선행연구로 삼아 방법론으로 활용하였다. 영화 <체실비치에서>에는 모차르트의 K.593과 하이든의 Op.77 No.1, 그리고 슈베르트의 D. 810이 활용되었다. 본 연구는 <체실비치에서>에 나타난 모차르트, 하이든, 슈베르트의 곡이 어떤 기능을 하고 있는지를 분석하였다. 이 영화는 등장인물들의 관계와 내면적 의도를 표현하기 위하여 악기 간의 관계, 음악적 정보와 음악외적 정보 등을 활용하였다. 이러한 클래식 음악의 정보들과 영화의 줄거리적 핵심 정보는 감상의 이해를 향상시키는 기능이 있음을 본 연구를 통하여 알 수 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2011년도 한국컴퓨터종합학술대회논문집 Vol.38 No.1(C)
• /
• pp.269-272
• /
• 2011

추천은 다양한 컨텐츠 중에서 사용자가 원하는 것을 선택할 수 있도록 돕는 것이다. 이러한 추천은 광고주가 자신의 광고에 적절한 컨텐츠를 찾을 때에도 활용될 수 있다. 본 논문에서는 광고를 표현하는 태그와 영화를 나타내는 주제어들을 매칭하여 광고에 적합한 영화를 추천하는 문제를 다룬다. 이 문제의 경우, 광고를 표현하는 태그의 개수가 적고, 영화의 주제어와 성격이 다른 경우가 많아 단순 매칭을 활용한 추천 기법으로는 결과를 얻을 수 없는 경우도 존재한다. 우리는 이러한 문제를 완화하기 위해 키워드 확장을 통한 추천 기법을 제안한다. 구체적으로 각 영화 컨텐츠가 가진 주제어를 위키피디아를 통해 검색하고 이를 통해 주제어를 확장한다. 광고의 태그 또한 위키피디아 검색을 통해 확장한다. 이렇게 확장된 영화 주제어와 광고 태그를 연관성 규칙에 기반하여 매칭한다. 실험 결과 단순 매칭보다 제안한 확장을 통한 매칭이 37.5%의 성능 향상을 보였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2017년도 제56차 하계학술대회논문집 25권2호
• /
• pp.316-317
• /
• 2017

본 논문에서는 영화산업에서 사용되고 있는 바이럴 영상의 발전 방향을 알아보고자 한다. 영화에서 사용되는 바이럴 영상은 네티즌의 입소문에 근거하여 영화를 미리 알리고자 하는 목적으로 제작되며 그 유형은 크게 인터뷰, 거짓뉴스 등으로 구분된다. 바이럴 마케팅과 연관되어 결국 적은 투자로 많은 효과를 거두는 것이 필요하다고 보면 영화산업에서 사용되는 바이럴 영상에 대해서도 체계적인 분석과 연구가 필요하다. 본 연구에서는 바이럴 영상의 기존 영화 적용에 대해서 알아보고 최근의 스토리기반 바이럴 영상에 대해 알아본다. 스토리기반 바이럴 영상은 제작에 많은 분석이 필요하다. SNS점유율에 따른 특성도 고려되어야 한다. 기존의 인터뷰나 뉴스보다는 새로우면서도 영화에 대한 직접적인 관심을 이끌어 낼 수 있다는 새로운 방식에 대해서도 발전방향을 알아보아야 한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 추계학술대회
• /
• pp.651-654
• /
• 2009

본 논문에서는 중국의 만화영화(애니메이션)가 발전해 온 역사에 대해 연구하였다. 이 연구를 통해 만화영화의 경력, 시기, 작품, 수상경력 등의 역사를 연구해보았다. 중국 만화영화의 4시대(굴기 시대, 휘황 시대, 암흑 시대, 재생 시대)를 연구하면서 중국 만화영화의 현황과 발전 방향을 설명했다.

• 디지털콘텐츠
• /
• 11호통권42호
• /
• pp.69-72
• /
• 1996

• 한국컴퓨터정보학회논문지
• /
• 제26권10호
• /
• pp.9-17
• /
• 2021

인간은 사회적인 동물로서, 대화로써 정보를 얻거나 사회적인 교류를 해왔다. 대화는 두 사람 이상의 작은 모임에서 서로 말을 편하게 주고받는 것으로, 한 사람이 다른 사람에게 가지는 감성에 따라 그 말의 분위기가 달라질 수 있다. 영화에서 인물들과 인물들이 펼치는 이야기는 중요한 요소로 작용하며, 인물들 간의 관계는 이야기와 인물 간의 대사를 이해하는데 꼭 필요하다. 그러나 이런 정보를 영화에서 자동으로 추출하는 방법은 아직까지 연구되지 않아서 관객들에게 제공되고 있지 못하고 있다. 따라서, 영화 속 양상을 자동으로 분석하는 모델이 필요하다. 본 논문에서는 딥 러닝 기법을 활용하여 각 영화 등장 인물들 간의 감성을 측정하여 영화 속 인물들 간의 관계를 효과적으로 분석하는 방법을 제안한다. 제안 방법은 먼저 영화 대본으로부터 주요 인물들을 추출하고, 주요 인물들 간의 대화를 효과적으로 찾는다. 그런 다음, 주요 인물들 간의 관계를 분석하기 위하여, 감성 분석을 수행하여 전체 시간 간격 내 대사의 위치에 따라 가중치를 부여하고 점수를 수집한다. 또한, 실데이터를 이용한 실험을 통하여 제안 기법이 효과적으로 영화 등장 인물들 간의 감성을 분석할 수 있음을 보인다.

• 지능정보연구
• /
• 제19권1호
• /
• pp.57-77
• /
• 2013

소셜 미디어는 모바일 어플리케이션과 웹에서 가장 많이 사용되는 미디어 중 하나이다. Nielsen사의 보고서에 따르면 소셜 네트워크 서비스와 블로그가 온라인 사용자의 주 활동 공간으로 사용되고 있으며, 미국인 중에서 온라인 활동이 왕성한 5명의 사용자중 4명은 매일 소셜 네트워크 서비스와 블로그를 방문하고 온라인 활동 시간의 23%를 소비한다고 집계하고 있다. 미국의 인터넷 사용자들은 야후, 구글, AOL 미디어 네트워크, 트위터, 링크드인 등과 같은 소셜 네트워크 서비스중 페이스북에서 가장 많은 시간을 소비한다. 최근에는 대부분의 회사들이 자신의 특정 상품에 대하여 "페이스북 페이지(Facebook Page)"를 생성하고 상품에 대한 프로모션을 진행한다. 페이스북에서 제공되는 "좋아요" 옵션은 페이스북 페이지를 통해 자신이 관심을 가지는 상품(아이템)을 표시하고 그 상품을 지지할 수 있도록 한다. 많은 영화를 제작하는 영화 제작사들도 페이스북 페이지와 "좋아요" 옵션을 이용하여 영화 프로모션과 마케팅에 이용한다. 일반적으로 다수의 스트리밍 서비스 제공업들도 영화와 TV 프로그램을 즐기며 볼 수 있는 서비스를 사용자들에게 제공한다. 이 서비스는 일반 컴퓨터와 TV 등의 단말기에서인터넷을 통해 영화와 TV 프로그램을 즉각적으로 제공할 수 있다. 스트리밍 서비스의 선두 주자인 넷플릭스는 미국, 라틴 아메리카, 영국 그리고 북유럽 국가 등에 3천만 명 이상의 스트리밍 사용자가 가입되어 있다. 또한 넥플릭스는 다양한 장르로 구성된 수백만 개의 영화와 TV 프로그램을 보유하고 있다. 하지만 수많은 콘텐츠로 인해 사용자들은 자신이 선호하는 장르에 관련된 영화와 TV 프로그램을 찾기 위해 많은 시간을 소비해야 된다. 많은 연구자들이 이러한 사용자의 불편함을 줄이기 위해 아이템에 대한 사용자가 보지 않은 아이템에 대한 선호도를 예측하고 높은 예측값을 갖는 아이템을 사용자에게 제공하기 위한 추천 시스템을 적용하였다. 협업적 여과 방법은 추천 시스템을 구축하기 위해 가장 많이 사용되는 방법이다. 협업적 여과 시스템은 사용자들이 평가한 아이템을 기반으로 각 사용자 간의 유사도를 측정하고 목적 사용자와 유사한 성향을 가진 사용자 그룹을 결정한다. 군집된 그룹은 이웃 사용자 집단으로 불리며 이를 이용하여 특정 아이템에 대한 선호도를 예측하고, 예측 값이 높은 아이템을 목적 사용자에게 추천해 준다. 협업적 여과 방법이 적용되는 분야는 서적, 음악, 영화, 뉴스 및 비디오 등 다양하지만 논문에서는 영화에 초점을 맞춘다. 이 협업적 여과 방법이 추천 시스템 내에서 유용하게 활용되고 있지만 아직 "희박성 문제"와 "콜드 스타트 문제" 등 해결해야 할 과제가 남아있다. 희박성 문제는 아이템의 수가 증가할수록 아이템에 대한 사용자의 로그 밀도가 감소하는 것이다. 즉, 전체 아이템 수에 비해 사용자가 아이템에 대해 평가한 정보가 충분하지 않기 때문에 사용자의 성향을 파악하기 어렵고, 이로 인해 사용자가 아직 평가하지 않은 아이템에 대해서 선호도를 추측하기 어려운 것을 말한다. 이 희박성 문제가 포함된 경우 적합한 이웃 사용자 집단을 형성하는데 어려움을 겪게 되고 사용자들에게 제공되는 아이템 추천의 질이 떨어지게 된다. 콜드 스타트 문제는 시스템 내에 새로 들어온 사용자 또는 아이템으로 지금까지 한 번도 평가를 하지 않은 경우에 발생한다. 즉, 사용자가 평가한 아이템에 대한 정보가 전혀 포함되어 있지 않거나 매우 적기 때문에 이러한 경우 또한 적합한 이웃 사용자 집단을 형성하는데 어려움을 겪게 되고 사용자가 평가하지 않은 아이템에 대한 선호도 예측의 정확성이 감소되게 된다. 본 논문에서는 영화 추천 시스템에서 발생될 수 있는 초기 사용자 문제를 해결하기 위하여 사용자가 평가한 영화와 소셜 네트워크 서비스로부터 추출된 사용자 선호 장르를 활용하여 사용자 군집을 형성하고 이를 활용하는 방법을 제안한다. 소셜 네트워크 서비스로부터 사용자가 선호하는 영화 장르를 추출하기 위해 페이스북 페이지의 '좋아요' 옵션을 이용하며, 이 '좋아요' 정보를 분석하여 사용자의 영화 장르 관심사를 추출한다. 페이스북의 영화 페이지는 각 영화를 위한 페이스북 페이지로 구성되고 있으며, 사용자는 자신의 선호도에 따라서 "좋아요" 옵션을 선택할 수 있다. 사용자의 페이스북 정보는 페이스북 그래프 API를 활용하여 추출되고 이로부터 사용자 선호 영화를 알 수 있게 된다. 시스템에서 활용되는 영화 정보는 인터넷 영화 데이터베이스인 IMDb로부터 획득한다. IMDb는 수많은 영화와 TV 프로그램을 보유하고 있으며, 각 영화에 관련된 배우 정보, 장르 및 부가 정보들을 포함한다. 논문에서는 사용자가 "좋아요" 표시를 한 영화 페이지를 이용하여 IMDb로부터 영화 장르 정보를 가져온다. 그리고 추출된 영화 장르 선호도와 본 시스템에서 제안하는 영화 평가 항목을 이용하여 유사한 이웃 사용자 집단을 구성한 후, 사용자가 평가하지 않은 아이템에 대한 선호도를 예측하고, 높은 예측 값을 갖는 아이템을 사용자에게 추천한다. 본 논문에서 제안한 사용자의 선호 장르 기반의 사용자 군집 기법을 이용한 시스템을 평가하기 위해서 IMDb 데이터 집합을 이용하여 사용자 영화 평가 시스템을 구축하였고 참가자들의 영화 평가 정보를 획득하였다. 페이스북 영화 페이지 정보는 참가자들의 페이스북 계정과 페이스북 그래프 API를 통해 획득하였다. 사용자 영화 평가 시스템을 통해 획득된 사용자 데이터를 제안하는 방법에 적용하였고 추천 성능, 품질 및 초기 사용자 문제를 벤치마크 알고리즘과 비교하여 평가하였다. 실험 평가의 결과 제안하는 방법을 적용한 추천 시스템을 통해 추천의 품질을 10% 향상시킬 수 있었고, 초기 사용자 문제에 대해서 15% 완화시킬 수 있음을 볼 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2014년도 추계학술발표대회
• /
• pp.1081-1084
• /
• 2014

최근 들어, 많은 추천시스템들이 연구 되고 있으며, 대부분은 개인 맞춤형 추천 시스템이 연구되고 있다. 기존의 영화추천시스템에서는 희박성의 문제가 제기된다. 본 논문에서는 희박성에 대해 보안하고자, 개인리뷰에 대한 가중치를 활용한다. 그 결과 사용자에게 정보의 제공에 대해 효율성을 높이고, 사용자마다 영화에 대한 리뷰에 따른 감정 및 사용자의 정보들을 반영한 영화추천시스템을 설계 및 구현한다.