• 정보관리연구
• /
• 제34권4호
• /
• pp.43-61
• /
• 2003

본 연구의 목적은 멀티미디어 시대에 필요한 새로운 검색도구를 조사하는 것이다. 시소러스가 유용한 검색도구이나 디스크립터가 명사로 이루어져 인간의 감성을 검색하기 위해서는 형용사의 사용이 필요하다. 따라서 본 연구에서는 I R I사의 형용사 이미지 스케일을 사용하여 감성적 의미를 갖고 있는 색상을 이용하여 감성 시소러스를 실험적으로 구축하였다. 구축의 규모는 2 6 1개로 이루어졌으며, 관계설정은 스케일의 거리와 주요 이미지 스케일의 중첩도를 활용하였다. 구축에는 후보 디스크립터를 보관하고 구조화할 수 있는 용어풀 기능이 있는 감성 형용사 전용 구축 프로그램을 사용하였다.

• 한국정보관리학회:학술대회논문집
• /
• 한국정보관리학회 2002년도 제9회학술대회 논문집
• /
• pp.197-204
• /
• 2002

형용사는 감성 및 감정검색을 위한 색인에서 주로 사용된다. 이를 위해서는 형용사의 개념관계를 파악하고 표현하는 것이 중요한 일이다. 본 연구에서는 형용사의 개념관계를 표현하기 위하여 형용사의 특성, 관련 개념구조를 고찰하고, 아울러 구조화, 관계, 표시방법, 배열 등을 고려하여 형용사 시소러스를 설계하였다.

• 한국콘텐츠학회논문지
• /
• 제8권3호
• /
• pp.138-145
• /
• 2008

인간의 감성을 이해하고 반응하는 인간 친화적 게임기술 개발은 게임을 디자인하는데 매우 중요한 요소이다. 게임에서 유발되는 감성 중 목표 감성에 도달하는 정도를 나타내는 의미로 게임성을 정의하는 것은 필요하다. 대부분의 감성관련 연구는 감성어휘 체계화를 통한 대표 감성을 추출하고 해당 디자인 소와의 연관관계로 감성을 평가하고자 하였다. 그러나 이러한 정의는 게임성에 대한 방향성을 이해하는데 긍정적인 면은 있으나 구체적이고 객관적인 플레이어의 감성을 표현 할 수 없는 단점을 가지고 있다. 본 연구에서는 이러한 게임성에 대한 체계적 이해를 위하여 형용사 시소리스를 이용함으로써 감성적 표현을 플레이어의 의도에 따라 정확하게 나타낼 수 있도록 형용사의 의미적 상관관계를 분석할 수 있는 방안을 제안하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제5권10호
• /
• pp.1698-1711
• /
• 2011

Knowledge is often represented as a set of rules or a semantic network in intelligent systems. Recently, ontology has been widely used to represent semantic knowledge, because it organizes thesaurus and hierarchal information between concepts in a particular domain. However, it is not easy to collect semantic relationships among concepts. Much time and expense are incurred in ontology construction. Collective intelligence can be a good alternative approach to solve these problems. In this paper, we propose a collective intelligence approach of Games With A Purpose (GWAP) to collect various semantic resources, such as words and word-senses. We detail how to construct the semantic information model or ontology from the collected semantic resources, constructing a system named FunWords. FunWords is a Korean lexical-based semantic resource collection tool. Experiments demonstrated the resources were grouped as common nouns, abstract nouns, adjective and neologism. Finally, we analyzed their characteristics, acquiring the semantic relationships noted above. Common nouns, with structural semantic relationships, such as hypernym and hyponym, are highlighted. Abstract nouns, with descriptive and characteristic semantic relationships, such as synonym and antonym are underlined. Adjectives, with such semantic relationships, as description and status, illustration - for example, color and sound - are expressed more. Last, neologism, with the semantic relationships, such as description and characteristics, are emphasized. Weighting the semantic relationships with these characteristics can help reduce time and cost, because it need not consider unnecessary or slightly related factors. This can improve the expressive power, such as readability, concentrating on the weighted characteristics. Our proposal to collect semantic resources from the collective intelligence approach of GWAP (our FunWords) and to weight their semantic relationship can help construct the semantic information model or ontology would be a more effective and expressive alternative.