• International Journal of Internet, Broadcasting and Communication
• /
• 제13권2호
• /
• pp.224-230
• /
• 2021

YouTube is an OTT service that leads the home economy, which has emerged from the 2020 Corona Pandemic. With the growth of OTT-based individual media, creators are required to establish attractive storytelling strategies that can be preferred by viewers and elected for YouTube recommendation algorithms. In this study, we conducted a study on modeling that proposes a content storyline for creators. As the ability for Creators to create content that viewers prefer, we have presented the data literacy ability to find patterns in complex and massive data. We also studied the importance of compelling storytelling configurations that viewers prefer and can be selected for YouTube recommendation algorithms. This study is of great significance in that it deviated from the viewer-oriented recommendation system method and proposed a story suggestion model for individual creaters. As a result of incorporating this story proposal model into the production of the YouTube channel Tiger Love video, it showed a certain effectiveness. This story suggestion model is a machine learning text-based story suggestion system, excluding the application of photography or video.

• 문화기술의 융합
• /
• 제8권3호
• /
• pp.113-128
• /
• 2022

본 연구의 목적은 급격한 미디어 산업 변화의 중심에 있는 개인 미디어 환경에 관심을 가지고, 특히 어디서든 접속, 시청, 제작 가능한 모바일 미디어 환경을 선도하는 1인 혹은 소수 미디어 크리에이터들의 활동 영역을 탐구하여 크리에이터들과 시청자들 간의 상호 생태계를 면밀히 살피는데 있다. 특히 유튜브가 제공하는 추천서비스, 예를 들면 사용자의 이용 습관 빅데이터 알고리즘을 바탕으로 사용자는 자신의 사용 데이터가 제공될수록 진화된 서비스를 마주하게 된다는 점에 주목하고, 추천서비스가 사용자와 제작자 간의 신뢰 형성, 그리고 사용자의 몰입과 구독의도에 미치는 영향을 살펴보고자 하였으며, 이러한 상호 간의 관계 형성 과정을 구체적 자료를 통해 실증하는 것이 본 연구의 목적이다. 결론 부분에 연구결과를 토대로 유추할 수 있는 시사점과 향후 추가 연구를 위한 제언 등을 제시하였다.

• 정보과학회 논문지
• /
• 제42권5호
• /
• pp.664-670
• /
• 2015

인터넷과 스마트폰의 발전과 함께 소셜 미디어 공유 사이트인 유튜브도 크게 성장하여 수많은 동영상을 공유하는 사이트가 됐다. 사용자들이 유튜브를 통해 동영상을 공유하면서 소셜 데이터를 만들어내고, 많은 동영상들 중에서 본인의 관심사가 반영된 동영상 추천을 원하게 된다. 본 논문에서는 유튜브 데이터를 이용하여 사용자의 사회적 관계와 유튜브의 특징이 반영된 소셜 카테고리 분류 목록을 기반으로 사용자의 소셜 카테고리를 추출한다. 우리는 좀 더 정확하고 의미있는 추천을 위해 추출된 사용자 소셜 카테고리를 이용한 유튜브 동영상을 추천하는 알고리즘을 제안하였다. 또한 실험을 통해 그 유효성을 검증하였다.

• 한국콘텐츠학회논문지
• /
• 제18권12호
• /
• pp.660-675
• /
• 2018

본 논문은 최근 급성장하고 있는 온라인 영상 서비스의 인지된 특성이 이용자의 긍정적인 몰입 경험과 만족도에 어떠한 영향을 미치는 지 알아보고자한다. 연구를 위해 평소 유튜브를 이용하는 20-30대 응답자 289명을 대상으로 설문을 실시하였고, 이후 위계적 회귀분석을 사용해 변인 간 관계를 분석하였다. 그 결과 유튜브의 상호작용 특성과 추천 서비스의 새로움, 콘텐츠의 다양성, 콘텐츠의 오락성이 모두 개인의 몰입 경험 하위차원에 영향을 미치고 있음이 확인되었다. 한편 추천 서비스의 정확성은 개인의 몰입 경험에는 유의한 영향이 없었으나, 만족 수준에는 긍정적 영향을 주었다. 마지막으로 몰입은 이용자의 만족에 직접 적인 영향을 주고, 유튜브의 특성과 만족을 일부 매개한다는 사실도 확인했다. 이 같은 연구결과는 온라인 영상 플랫폼 서비스에 대한 이용자의 인식과 경험을 이해하는 데 도움이 되며, 이용자의 만족을 위해 실무 적으로 고려해야 할 사안들을 제시했다는 데 의의가 있다.

• 한국인터넷방송통신학회논문지
• /
• 제21권3호
• /
• pp.99-105
• /
• 2021

넥플릭스,유튜브로 대표되는 OTT 동영상 제작 서비스에 인공지능으로 콘텐츠를 개인별 맞춤식 추천 시스템은 보편화 되었다. 유튜브의 개인별 맞춤 추천서비스 시스템은 두 개의 신경망으로 구성되는데 신경망 하나는 추천 후보생성 모델이고 다른 하나는 순위평가 네트워크로 구성된다. Netflix의 동영상 추천 시스템은 두 개 데이터 분류 시스템으로 구성되어 있으며 콘텐츠 기반 필터링과 협업 필터링으로 나누어진다. 코로나 펜데믹으로 온라인 플랫폼 주도의 콘텐츠 제작이 활성화 되면서 인공지능을 활용한 가상 인플루언서 분야가 부각되고 있다. 가상인플루언서는 GAN(Generative Adversarial Networks) 인공지능으로 제작되는데 성격이 다른 두 시스템이 서로 경쟁하는 방식으로 학습이 반복되는 비교사(Unsupervised) 학습 알고리즘이다. 이 연구는 AI 개인별 추천 기반 플랫폼과 가상인플루언서(메타버스)가 향후 OTT의 핵심콘텐츠로의 발전 가능성도 연구해 보았다.

• Journal of Information Technology Applications and Management
• /
• 제31권3호
• /
• pp.1-18
• /
• 2024

This study analyzed the impact of YouTube creator characteristics and channel access factors on the intention to continue watching content, noting that the development of the digital media environment has diversified media audiences' content preferences and access routes. Specifically, we analyzed the effects of YouTube creator trustworthiness, attractiveness, familiarity, and social influence, as well as the effects of recommendation services on perceived usefulness, perceived ease, and perceived enjoyment. The study found that creator credibility and recommendation service had a positive impact on the perceived usefulness of content, while intimacy and charm were important factors in increasing the easy of use and playfulness of content. These perceived usefulness, ease, and playfulness also had a strong positive impact on users' intention to continue watching the channel. This suggests that trust and intimate relationships with creators and appropriate content recommendations play an important role in increasing user satisfaction and channel persistence. The significance of this study's analysis of creator and channel access factors based on the extended technology acceptance model is that it shows the potential for extending and applying the existing technology acceptance model to the digital content environment.

• 한국컴퓨터정보학회논문지
• /
• 제27권5호
• /
• pp.37-45
• /
• 2022

2020년 기준 대표적인 온라인 동영상 플랫폼인 유튜브에는 1분에 약 500시간의 동영상이 업로드되고 있다. 이에 업로드된 다수의 다양한 동영상을 통해 정보를 획득하는 사용자의 수가 늘고 있어 온라인 동영상 플랫폼들은 더 나은 추천 서비스를 제공하기 위해 노력하고 있다. 현재 사용되고 있는 추천 서비스는 사용자의 시청 기록을 기반으로 사용자에게 동영상을 추천하는데 이는 교육용 동영상과 같이 특정 목적 및 관심사를 다루는 동영상 추천에 좋은 방법이 아니다. 최근 추천 시스템은 사용자의 시청 기록뿐만 아니라 아이템의 콘텐츠 특징을 함께 활용한다. 본 논문에서는 유튜브를 기반으로 교육용 동영상 추천을 위한 교육용 동영상의 콘텐츠 특징을 추출하고, 이를 활용하는 추천 시스템을 설계하여 웹 애플리케이션으로 구현한다. 사용자들의 만족도를 조사하여 추천 시스템의 추천 성능의 만족도 85.36%, 편의성 만족도 87.80%를 보인다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.281-283
• /
• 2021

국내 OTT(Over-the-top media service) 시장의 추천 서비스에서 거론되는 대표 업체는 Youtube와 Netflix이다. Youtube는 여러 방법을 거쳐 2016년부터 이용자의 시청 시간을 기록하여 이용하는 알고리즘을 머신러닝에 도입하면서 개인화된 추천을 본격화하였고, Netflix는 사용자의 선택한 영상, 시청 시간대, 영상 시청 기기 등 정보 수집을 통해 이용자를 분류하고 비슷한 시청 패턴을 가진 사람들을 같은 그룹에 묶는 방식과 영상을 직접 시청 후 사람이 태그(메타데이터)를 직접 기록하여 사용자로부터 수집한 정보와 영상에 붙은 태그 정보를 이용한다. 본 논문에서는 수기로 작성하던 영상 미디어의 메타데이터를 자동으로 생성하여 영상미디어의 추천을 개선하기 위한 방법을 제안하고자 한다.

• 디지털콘텐츠학회 논문지
• /
• 제17권5호
• /
• pp.307-316
• /
• 2016

사용자는 일반적으로 멀티미디어 소셜 서비스로부터 다른 사람들과 같은 결과를 제공받는다. 따라서 소셜 네트워크 안에 개인의 어려운 문제를 해결하기 위해 본 논문에서는 의사 결정 시스템 구축을 사용자의 활동, 사용자의 기분과 소셜 네트워크를 통한 사용자의 친구 관계 정보를 활용하는 방법을 제안한다. 사용자의 현재 기분 상태에 따라 시스템은 사용자에게 가장 적합한 영상을 유추한다. 이 시스템은 사용자가 이용하는 소셜 네트워크 데이터베이스에서 추출한 추천 방법의 집합을 측정하고, 가중치에 따라 모호한 값이 각각의 방법에 할당한다. 본 논문에 시스템에서는 퍼지 수집 솔루션을 찾아서 하위 집합들로 방법들을 분류하고, 가장 적절한 방법을 선택하기 위해 퍼지로직을 기반으로 상기 하위 집합을 결정한다. 마지막으로, YouTube API와 다양한 영상을 이용하여 시뮬레이션 실험을 진행하였다. 이 실험에서 채널 추천 시스템은 사용자 특성에 맞는 적절한 결과를 보여주며, 이것은 여러 사용자의 평가에 기반하는 현재 유투브 보다 더 좋은 만족감을 준다.

• 한국인터넷방송통신학회논문지
• /
• 제23권5호
• /
• pp.1-8
• /
• 2023

교차 도메인 추천은 다른 도메인에 있는 관련 사용자 정보 데이터와 아이템 데이터를 공유하는 방법입니다. 주로 사용자 중복이 많은 온라인 쇼핑몰이나 유튜브, 넷플릭스와 같은 멀티미디어 서비스 컨텐츠에서 사용됩니다. K-means 클러스터링을 통해 사용자 데이터와 평점을 기반으로 군집화를 실시하여 임베딩을 생성합니다. 이 결과를 트랜스포머 네트워크를 통해 학습한 후 사용자 만족도를 예측합니다. 그런 다음 트랜스포머 기반 추천 모델을 사용하여 사용자에게 적합한 아이템을 추천합니다. 이 연구를 통해 추천함으로써 더 적은 시간적 비용으로 초기 사용자 문제를 예측하고 사용자들의 만족도를 높일 수 있다는 결과를 실험을 통해 보여주었습니다.