• 한국콘텐츠학회논문지
• /
• 제20권9호
• /
• pp.448-460
• /
• 2020

이 연구는 소셜미디어상에서의 부정적 경험이 소셜미디어 사용을 통한 사회자본의 증진에 미칠 수 있는 영향을 살펴보고자 한다. 이를 위하여 소셜미디어에서의 피해경험과 가해경험이 소셜미디어로부터의 지각된 성과가 사회자본에 미치는 긍정적 역할에 어떻게 영향을 미치는지 살펴볼 것이다. 온라인 설문조사는 2019년 11월에 실시되었으며, 총 846명의 응답 자료가 최종 분석에 사용되었다. 평균중심화 기법을 활용한 2단계 회귀분석 결과, 첫째, 피해경험은 교량적 사회자본에의 의미 있는 효과가 없는 것으로 나타났으나 지각된 성과와 피해경험이 교량적 사회자본에의 부적인 조절효과를 보였다. 둘째, 피해경험은 결속적 사회자본에 지각된 성과와의 부적인 조절 효과를 보여주어 지각된 성과가 가지는 결속적 사회자본에의 정적 영향력이 피해경험으로 인해서 감소될 수 있음을 보여 주었다. 셋째, 가해경험은 교량적 사회자본 및 결속적 사회자본에의 조절효과가 유의하지 않는 것으로 나타나 피해경험과 다르게 소셜미디어를 통한 사회적 자본증진에 부적인 영향을 주지 않는 것으로 나타났다. 이에 소셜미디어 사용자들을 대상으로 피해예방을 위한 교육이 필수적이며, 신뢰 위해 요소들을 완화하기 위한 법제화가 요구된다.

• 대한전자공학회논문지TC
• /
• 제42권1호`
• /
• pp.49-60
• /
• 2005

유무선 기간 망에서 사용되어 지는 Core Network System간 연동 부분의 Back Bone이 NO.7 Protocol이다. 그래서 유선망에서 기본적인 중계 ISUP이나, 지능망 INAP 처리, 그리고 이동망에서 각 Network Element System간 연동되는 MAP 연동 방식이 NO.7 방식을 사용하고 있다. 따라서 이 NO.7을 이용하는 Core Network에서 운영 중에 장애가 발생하거나, 기존에 인지되지 않고 지나온 문제점들을 최단시간에 감지하여 도출할 수 있는 시스템이 필요로 되었다. 본 논문에서는 Core Network 에서 사용되는 NO.7 Signaling 방식에 대해 더욱 신뢰성을 확보하고, 장애 발생 여부 등을 분석할 수 있도록 하기 위하여 NO.7 Signaling Message들을 추출하여 Core Network 시스템의 기능 및 성능을 분석하고 Report를 작성할 수 있는 NO.7 Protocol 분석 측정 시스템을 고안하였다. 이 시스템은 NO.7 Signaling을 담당하는 Core Network 시스템의 NO.7 HW Module 에 연결하여 Monitoring만 수행하고, 어떤 시나리오에 대한 Emulator 기능이나 Simulation 기능은 제공하지 않는다. 이 시스템은 현재 NO.7 MTP, ISUP, INAP, 그리고 MAP 에 대해 측정 및 분석기능을 수행하도록 하였고, 여러 유무선 기간 망 사업자에 제공하여 SW 및 HW 적인 면 그리고 운영적인면 등에서 여러 가지 문제들을 확인하여 교정할 수 있었다. 향후에는 이외에 BSC-MSC 연동되어 지는 A-Interface 등과 같은 기능도 제공함으로써 NO.7 Protocol 전반적인 분석과 동시에 Core Network 시스템에 효율적인 운영을 도모할 수 있다.

• 경영정보학연구
• /
• 제17권1호
• /
• pp.49-64
• /
• 2015

SNS의 확산으로 온라인 상점에서는 상품에 대한 주관적인 의견이 내포되어 있는 고객리뷰 정보가 빠르게 생성되고 확산되어 다른 고객들에게 큰 영향을 미치고 있다. 이와 더불어, 고객들의 긍정적 또는 부정적 의견을 분석하여 개선방안을 모색하려는 오피니언마이닝(opinion mining)이 주목 받고 있다. 고객리뷰에 내포된 감성정보를 가진 용어들은 감성분류를 하는데 가장 중요한 역할을 하기 때문에 영향력이 높은 용어를 선별하는 것이 가장 중요하다. 본 연구에서는 품사태깅을 이용하여 최적의 용어들을 선별하고 용어정보에 기반한 문서수준에서의 감성분류모형을 제안하고자 한다. 고객리뷰의 감성분류모형에 대표적인 기계학습기법인 SVM을 적용하고, SVM의 입력변수 선정과정에 품사태깅 방식과 용어추출기법을 다르게 조합하고 사용하여 긍정적/부정적 문서를 분류하였다. 본 연구에서 제안한 감성분류모형의 성과를 검증하기 위해 아마존(Amazon.com)의 영화와 도서에 대한 고객리뷰 80,000개를 수집하여 불필요한 용어들을 제거한 후 품사태깅을 통해 용어를 추출하였다. 추출된 용어는 문서빈도, TF-IDF, 정보획득량, 카이제곱 통계량의 값을 산출하여 값을 통해 용어들을 순위화하고, 각 상위 20개에 해당하는 최적의 용어를 선정한 후 SVM을 이용하였다. 제안된 감성분류모형을 통해 기존 연구에서 언급한 형용사만을 사용한 예측변수와 4품사를 사용한 예측변수에서의 실험결과를 통해 비교 분석하였다. 카이제곱 통계량 기반의 감성분류모형이 다른 모형보다 예측성과가 가장 우수하게 나타나는 것을 확인할 수 있었다. 본 연구에서 제안된 문서수준에서의 용어기반 감성분류모형을 이용함으로써 온라인 상점에서의 서비스 개선과 경쟁력 확보에 많은 도움이 될 것으로 기대된다.

• 한국전자거래학회지
• /
• 제19권4호
• /
• pp.1-19
• /
• 2014

빅데이터 내에 존재하는 감정 정보를 추출하여 사용자들이 특정 대상에 대하여 갖고 있는 인식이 어떠한지를 파악하고자 하는 노력이 활발히 이루어지고 있다. 상품, 영화, 그리고 사회적 이슈 등에 대한 문장을 분석하여 사람들이 해당 주제에 어떠한 견해를 가지고 있는지를 분석하고 측정하여 구체적인 선호도를 알아내는 것이다. 문장에서 드러나는 감정 정도를 얻기 위해서는 감정어휘의 목록과 정도값을 제시할 수 있는 감정어휘사전이 필요하므로 본 연구에서는 감정어휘를 발견하는 방법과 이들의 정도값을 결정하는 문제를 다룬다. 기본적인 방법은 기초 감정어휘의 목록 수집과 이들의 정도값은 선행연구 결과와 직접 설문 방식을 이용하고, 확장된 목록의 수집과 정도값은 사전의 표제어 설명부(glosses)를 이용해 추론하는 것이다. 그 결과 발견된 감정어휘는 전형성을 띠고 있는 기본형 감정어휘, 기본형 감정어휘의 gloss에 사용된 확장형 1단계 1층위 감정어휘, 비 감정어휘 중 gloss에 기본형 또는 확장형 감정어휘를 가지고 있는 확장형 2단계 1층위 감정어휘, gloss의 gloss에 기본형 또는 확장형 감정어휘가 사용된 확장형 2단계 2층위 감정어휘의 네 종류로 나뉜다. 그리고 확장형 감정어휘의 정도값은 기본형 감정어휘의 정도값을 기초로 문형의 가중치와 강조승수를 적용하여 얻었다. 실험 결과 AND, OR 문형은 내포된 어휘의 감정 정도값을 평균내는 가중치를, Multiply 문형은 정도 부사어의 종류에 따라 1.2~1.5의 가중치를 갖는 것으로 파악되었다. 또한 NOT 문형은 사용된 어휘의 감정 정도를 일정 정도로 낮추어 역전시키는 것으로 추정된다. 또한 확장형 어휘에 적용되는 강조승수는 1층위에서 2, 2층위에서 3을 갖는 것으로 예상된다.

• 디지털융복합연구
• /
• 제17권3호
• /
• pp.405-411
• /
• 2019

본 연구는 국내외의 대표적 소셜 네트워크 서비스(SNS)인 인스타그램에서 새롭게 출시한 모바일 동영상 플랫폼 IGTV에서의 패션 뷰티 서비스를 위한 사용성을 연구하고 더 나은 사용자 경험을 제시하는 것에 목적이 있다. 최근 스마트폰을 이용한 동영상 소비와 그 콘텐츠의 분량이 늘어나며 IGTV를 비롯한 다양한 모바일 동영상 서비스가 출시되고, 이에 트렌드에 민감한 패션 뷰티 업계가 가장 발 빠른 대응을 보인다. 연구 방법으로는 1차로 문헌 연구를 통해 현재 제공되는 모바일 동영상 플랫폼 서비스를 조사하였다. 2차로 IGTV의 사용성 평가를 위해 현재 스마트폰을 통해 패션 뷰티 콘텐츠를 소비하는 8명의 사용자를 대상으로 태스크를 주고, 그에 따른 심층 인터뷰를 진행하였다. 그 결과 두 가지 개선 방안을 도출할 수 있었다. 첫째로 기존 인스타그램 사용자들이 IGTV로 유입되어 오랜 시간 서비스를 이용하기 위해 높은 접근성과 직관적인 사용자 경험 제공이 요구되었다. 둘째로 기존에 제공되던 서비스와 다른 패션 뷰티 트렌드와 정보를 얻고 공유하기 위한 IGTV만의 차별전략이 필요하다. 본 연구를 바탕으로 추후 IGTV에서 패션 뷰티 영상 콘텐츠 서비스 사용성이 개선되고, 다양한 후속 연구가 진행되기를 기대한다.

• 디자인융복합연구
• /
• 제15권2호
• /
• pp.17-35
• /
• 2016

스마트폰 대중화와 맞물려 소셜네트워크 서비스 이용이 일상화되자 기업은 제품홍보 및 브랜드 인지도 제고를 위해 여러 개의 소셜네트워크 서비스를 마케팅 채널로 활용하고 있다. 기업은 소셜네트워크 서비스 마케팅 초기부터 현재까지 사용자의 관심유도와 자발적 참여 증진을 위해 게임의 기능적 측면과 정서적 즐거움을 재현하는 '게이미피케이션(Gamification)' 요소를 사용하고 있다. 따라서 본 연구는 소셜네트워크 서비스의 게이미피케이션 요소를 고찰하고 하나의 기업이 여러개의 소셜네트워크 서비스를 마케팅 채널로 활용할 때 나타나는 특징을 살펴보고자 했다. 우선 문헌연구를 통해 소셜네트워크 서비스와 게이미피케이션의 개념 및 특징을 고찰하였다. 다음으로 게이미피케이션 구성요소인 게임 기법과 역학, 재미유형을 정리하였다. 그리고 이론적 고찰에 근거하여 국내에서 가장 많이 사용하는 '카카오스토리', '밴드', '페이스북', '인스타그램' 4개의 소셜네트워크 서비스 중 3개 이상을 사용 중인 '코카콜라 코리아', '롯데마트', '캐논 코리아', '코오롱스포츠', '유니클로 코리아' 5개 기업의 게이미피케이션 마케팅 사례를 수집하여 게이미피케이션 마케팅 특징을 분석하고 시사점을 도출하였다. 마지막으로 소셜네트워크 서비스를 통한 게이미피케이션 마케팅 기획의 초석이 되길 바라며 게이미피케이션과 소셜네트워크 서비스 측면에서 가이드라인을 제안하였다.

• 한국지능시스템학회논문지
• /
• 제24권5호
• /
• pp.482-488
• /
• 2014

대표적인 소셜 네트워크 서비스(SNS)인 트위터의 내용을 분석하여 자동으로 트윗에 나타난 사용자의 감성을 분석하고자 한다. 기계학습 기법을 사용해서 감성 분석 모델을 생성하기 위해서는 각각의 트윗에 긍정 또는 부정을 나타내는 감성 레이블이 필요하다. 그러나 사람이 모든 트윗에 감성 레이블을 붙이는 것은 비용이 많이 소요되고, 실질적으로 불가능하다. 그래서 본 연구에서는 "감성 레이블이 있는 데이터"와 함께 "감성 레이블이 없는 데이터"도 활용하기 위해서 반감독 학습기법인 self-training 알고리즘을 적용하여 감성분석 모델을 생성한다. Self-training 알고리즘은 "레이블이 있는 데이터"의 레이블이 있는 데이터를 활용하여 "레이블이 없는 데이터"의 레이블을 확정하여 "레이블이 있는 데이터"를 확장하는 방식으로, 분류모델을 점진적으로 개선시키는 방식이다. 그러나 데이터의 레이블이 한번 확정되면 향후 학습에서 계속 사용되므로, 초기의 오류가 계속적으로 학습에 영향을 미치게 된다. 그러므로 조금 더 신중하게 "레이블이 없는 데이터"의 레이블을 결정할 필요가 있다. 본 논문에서는 self-training 알고리즘을 이용하여 보다 높은 정확도의 감성 분석 모델을 생성하기 위하여, self-training 중 "감성 레이블이 없는 데이터"의 레이블을 결정하여 "감성 레이블이 있는 데이터"로 확장하기 위한 3가지 정책을 제시하고, 각각의 성능을 비교 분석한다. 첫 번째 정책은 임계치를 고려하는 것이다. 분류 경계로부터 일정거리 이상 떨어져 있는 데이터를 선택하고자 하는 것이다. 두 번째 정책은 같은 개수의 긍/부정 데이터를 추가하는 것이다. 한쪽 감성에 해당하는 데이터에만 국한된 학습을 하는 것을 방지하기 위한 것이다. 세 번째 정책은 최대 개수를 고려하는 것이다. 한 번에 많은 양의 데이터가 "감성 레이블이 있는 데이터"에 추가되는 것을 방지하고 상위 몇%만 선택하기 위해서, 선택되는 데이터의 개수의 상한선을 정한 것이다. 실험은 긍정과 부정으로 분류되어 있는 트위터 데이터 셋인 Stanford data set에 적용하여 실험하였다. 그 결과 학습된 모델은 "감성 레이블이 있는 데이터" 만을 가지고 모델을 생성한 것보다 감성분석의 성능을 향상 시킬 수 있었고 3가지 정책을 적용한 방법의 효과를 입증하였다.

• 한국콘텐츠학회논문지
• /
• 제20권11호
• /
• pp.249-257
• /
• 2020

본 연구는 화장품을 판매하는 공급자와 화장품을 구입한 경험이 있는 구매자의 화장품 관련 소셜미디어를 접한 고객을 대상으로 두 집단의 소셜미디어 활동이 화장품 제품 속성과 구매자들의 구매 만족도 사이에서 매개역할을 하는지 알아보고자 하였다. 이를 위해 소셜미디어를 접한 후 화장품을 구입한 구매자 321명이 참여했으며 온라인 설문지를 활용해 자료를 수집했다. 데이터 분석에는 기술통계 분석과 구조방정식 모델링(SEM)이 적용되었다. 구체적인 연구결과는 다음과 같다. 첫째, 화장품의 구매특성은 직접적인 구매의도에 영향을 주지 못하였다. 둘째, 구매의 특성은 공급자의 소셜미디어 활동과 구매자의 소셜미디어 활동에 정적으로 영향을 미쳤으나, 공급자의 소셜미디어활동 영향력이 다소 더 크게 확인되었다. 셋째, 화장품 구매 속성과 구매 만족도 사이에서 공급자와 구매자의 소셜미디어 활동은 완전 매개하는 것으로 나타났으며, 최종 화장품 구매에 있어서, 구매자들의 소셜미디어 활동의 영향력이 공급자의 소셜미디어 활동보다 더 강하게 나타났다. 결과적으로 구매자가 최종 화장품을 구매할 때는 공급자의 소셜미디어 활동보다는 구매자의 실제 사용 후기나 그 제품을 쓰는 모습들과 같은 오프라인에서 느낄 수 있는 것을 화면이나 후기로 보았을 때 더욱 고객들이 제품을 구매하고자 하는 의향이 강함을 알게 되었으며, 소셜미디어 활동은 공급자의 소셜미디어 활동보다는 실제 구매자의 사용 후기의 공헌도가 높은 것을 알 수 있다.

• 한국콘텐츠학회논문지
• /
• 제10권3호
• /
• pp.92-100
• /
• 2010

현재 홈 네트워크 환경은 디지털 가전기기의 발전으로 홈 네트워크 환경에서 TV는 IPTV의 양방향성 특성으로 시청환경과 거주환경에도 변화를 주고 있다. TV는 거주자의 동선이 가장 많이 확보되는 거실에 배치되어 있다는 점과 가족구성원이 손쉽게 사용하고 사용도 또한 높다는 점에서 홈 미디어의 통합적 제어 역할에 적합한 조건을 갖추고 있다. 그래서 홈 네트워크 환경에서 TV의 현재 역할과 사용자 시나리오 분석을 통해 앞으로의 사용자 니즈를 유추하기 위해 1차적으로 국내외 기업들이 제시하고 있는 기술과 개발시나리오를 수집하고 2차로는 에스노그라피 관찰을 통해 IPTV를 중심으로 한 사용자 행태를 관찰하여 앞서 1차적으로 조사하였던 기업이 제시하는 시나리오와 비교분석하였다. 사례조사와 실험을 통한 사용자 시나리오를 분석한 결과 기업별 연구에는 시큐리티, 엔터테인먼트와 가정 내에서 이루어 질 수 있는 통합형 디바이스 연구가 주를 이루고 있다면, 에스노그라피에 의한 사용자행동패턴은 오토테인먼트, 시큐리티가 주를 이루었고, 아직 TV와 홈 미디어 주변기기와의 상호작용은 미흡한 것으로 나타났다. 이 논문을 통해서 가정에서의 사용자의 컨텍스트를 분석하고 이를 기반으로 서비스 개발에 효과적으로 활용할 수 있게 제시할 수 있었고, 사용자의 행태를 분석결과 가정 내 활동과 가정 외 활동의 비율 또한 고려되어야 한다는 점을 알 수 있었다.

• 디지털융복합연구
• /
• 제17권3호
• /
• pp.107-117
• /
• 2019

블로그, 소셜 미디어 등의 발달로 인해 점점 더 많은 사람들이 본인의 의견이나 감정을 표현하기 위해 온라인상에서 텍스트 문장을 작성한다. 그리고 이같은 온라인 텍스트 문장속에 숨겨져 있는 긍정 또는 부정등의 감성을 찾아내는 연구분야를 감성분석 이라고 한다. 그중에서도 이모션 마이닝은 사람들의 구체적인 이모션을 찾아내는데 초점을 맞춘 연구분야이다. 본 연구에서는 속성선택 방법과 단일 및 앙상블 분류기를 조합하여 효과적인 이모션 마이닝 예측모델을 제시하고자 한다. 이를 위해 두가지 대표적인 오픈 데이터인 Tweet와 SemEval2007 데이터를 이용하여 TF-IDF를 계산하고 백 오브 워즈(BOW: bag-of-words) 형태로 속성 셋을 구성하였다. 그리고 효과적인 이모션 마이닝이 될 수 있는 최적의 속성을 선택하기 위하여 상관관계 기반 속성선택(CFS), 정보획득 속성선택 (IG), 그리고 ReliefF 등 세가지 속성선택 방법을 적용하였다. 선택된 속성을 이용하여 아홉가지 분류기 모델로 이모션 마이닝의 정확도를 비교하였다. 실험 결과, Tweet 데이터는 의사결정나무(DT)가 CFS, IG, ReliefF에 의한 속성을 이용할 경우 정확도가 상승했고, 랜덤서브스페이스(RS)는 CFS, IG에 선택된 속성을 사용할 경우 정확도가 상승했다. SemEval2007 데이터는 ReliefF에 의해 선택된 속성으로 로지스틱 회귀분석(LR)을 적용하였을 때 정확도가 상승했고, 나이브 베이지안 네트워크(NBN)은 CFS, IG에 의한 속성을 사용할 경우 정확도가 상승하였다.