유튜브 은닉 질적 정보 분석 기반 유튜브 채널 랭킹 기법

YouTube Channel Ranking Scheme based on Hidden Qualitative Information Analysis

Abstract

현 시대를 유튜브 시대라고 불릴 정도로 유튜브가 큰 인기를 얻고 있다. 동영상 시청자뿐만 아니라 실제 영상 제작자, 즉 유튜버들도 늘어나고 있어 다양한 주제의 컨텐츠들을 이용할 수 있게 되었다. 사용자와 컨텐츠의 수가 증가하면서 정보 선택의 폭은 커지고 있다는 장점을 갖고 있지만 사용자의 필요에 맞는 정보를 골라내기는 더욱 어렵다. 따라서 본 연구에서는 사용자가 필요로 하는 주제의 채널을 다각도에서 분석하고, 해당 채널의 랭킹을 제공하고자 한다. 채널을 크롤링하고 통계정보인 양적 데이터와 댓글의 은닉 질적 데이터 분석을 통해 채널과 채널 영상의 평균 인지도를 측정한다. 최종적인 사례 연구로써 수치 데이터 통계와 감성분석 결과 기반 사용자에게 영어 학습 채널을 추천하여 시공간에 구애 받지 않는 플립드 러닝 효과의 극대 성을 보인다.

Youtube has become so popular that it is called the age of YouTube. As the number of users and contents increase, the choice of information increases. However, it is difficult to select information that meets the needs of users. YouTube provides recommendations based on their watch list. Therefore, in this study, we want to analyze the channel of user's subject in various angles and provide the proposed scheme based on the crawled channels, measurement of the perception of channels and channel videos through quantitative data and hidden qualitative data analysis. Based on the above two data analysis, it is possible to know the recognition of the channel and the recognition of the channel video, thereby providing a ranking of the channels that deal with the topic. Finally, as a case study, we recommend English learning channels to users based on numerical data statistics and emotional analysis results to maximize flipped learning effect regardless of time and space.

Fig. 1 Recommendation System analysis flowchart

Fig. 2 Pseudo code of scoring function

Fig. 3 # of subscriber per channel

Fig. 5 # of video likes per channel

Fig. 6 # of video comments per channel

Fig. 7 Correlation between video and comments per channel (i.e., Table Analysis)

Fig. 8 Correlation between video and comments per channel (i.e., Graph Analysis)

Fig. 4 # of video per channel

Fig. 9 (Normalization) # of subscriber per channel

Fig. 10 (Normalization) # of video comments per channel

Fig. 11 (Normalization) # of video likes per channel

Fig. 12 (Normalization) Correlation between video and comments per channel