• 지능정보연구
• /
• 제24권4호
• /
• pp.33-49
• /
• 2018

TV 드라마는 타 장르에 비해 시청률과 채널 홍보 효과가 매우 크며, 한류를 통해 산업적 효과와 문화적 영향력을 확인시켜줬다. 따라서, 이와 같은 드라마의 흥행 여부를 예측하는 일은 방송 관련 산업에서 매우 중요한 부분임은 주지의 사실이다. 이를 위해서 본 연구에서는 2003년부터 2012년까지 10년간, 지상파 채널을 통해 방송된, 총 280개의 TV 미니시리즈 드라마를 분석하였다. 이들 드라마 중 평균 시청률 상위 45개, 하위 시청률 45개를 선정하여 흥행 드라마의 시청시간 분포 (5%~100%, 11-Step) 모형을 만들었다. 이들 기준 모형과 신규 드라마의 시청시간 분포와의 이격 거리를 Euclidean/Correlation으로 측정한 유사도(Similarity)를 통해, 시청자의 초기(1~5회) 시청시간 분포로 신규 드라마의 성패 여부를 예측하는 모델을 만들었다. 또한 총 방송 시간 중 70% 이상 시청한 시청자를 열혈 시청층(이하 열혈층) 으로 분류하고, 상위/하위 드라마의 평균값과 비교하여, 신규 드라마의 흥행여부를 판별할 수 있도록 설계하였다. 연구 결과 드라마의 초반 시청자 충성도(시청시간)는 드라마의 대흥행 여부를 예측하는데 중요한 요소임을 밝혔으며, 최대 75.47%의 확률로 대흥행 드라마의 탄생을 예측할 수 있었다.

• 한국빅데이터학회지
• /
• 제4권2호
• /
• pp.185-194
• /
• 2019

한국영화 100년 역사 속에 한국영화는 2012년부터 해마다 총 관객 수 1억 명을 넘고 있고, 총 매출액은 1조를 바라보고 있다. 이러한 한국영화의 흥행가도에 영향을 준 것이 스마트폰 보급률 60%와 가입자 수 3천만 명을 넘은 2012년과 상관이 있을 것이라 추정을 해 본다. 이에 따라 2012년 전후로 영화흥행 요인변수에도 변화가 필요했고, 새로운 독립변수로 훈련시킨 예측모델을 가지고 실전데이터에 적용하여 예측해 보았다.

• 응용통계연구
• /
• 제29권4호
• /
• pp.657-678
• /
• 2016

본 연구는 영화 흥행에 미치는 온라인 구전 변수들의 영향을 다루었다. 2012년 부터 2015년까지 4년 동안 국내에서 개봉한 총 관객 수 50만 이상인 276편의 영화에 대한 통계분석 결과 개봉 후 포털의 평가자 수, 개봉 후 블로그 수, 개봉 후 뉴스 수와 같은 온라인 구전의 크기를 나타내는 변수들이 온라인 구전의 방향을 나타내는 개봉 후 포털의 평점이나 혹은 영화의 내재적 속성을 나타내는 변수들로서 감독, 배우, 배급사, 등급, 국적, 개봉 월, 개봉 계절 등 보다 영화 흥행과 더욱 연관성이 있었다.

• 한국엔터테인먼트산업학회논문지
• /
• 제14권4호
• /
• pp.145-153
• /
• 2020

빠르게 변화하고 있는 4차 산업 시대에 빅데이터는 다양한 분야에 활용되고 있다. 최근 문화예술콘텐츠 전반에도 빅데이터의 활용은 급속도로 적용되고 있고, 그중에서도 영화는 자본이 많이 드는 예술장르로서 빅데이터의 활용은 매우 유용한 분석 수단이다. 본 연구는 2019년 제72회 칸 영화제의 황금종려상과 아카데미 시상식에서 4관왕(작품상, 감독상, 각본상, 외국어 영화상)을 차지하며 한국영화의 가치를 보여준 영화 <기생충>을 대상으로 빅데이터 분석기법을 적용하여 실시하였다. 이렇게 분석된 값은 데이터의 주기별 변화량과 감성의 값을 부여하는 오피니언 마이닝을 통해 영화 흥행을 예측하고, 페이스북(Facebook), 트위터(Twitter) 등 SNS의 활용지수와 토픽 키워드를 추출하여 관객들의 관심을 반영하는 영화적 요인들이 무엇인지를 살펴보았다. 이처럼 빅데이터를 활용한 영화흥행 요인분석으로 모델 구축 및 모형 개발로 흥행예측이 가능해지면 영화제작 과정의 효율성을 극대화하면서 제작비용과 영화실패에 따른 리스크를 최소화 할 것이다.

• 한국정보통신학회논문지
• /
• 제20권6호
• /
• pp.1087-1095
• /
• 2016

이 연구는 빅데이터를 활용하여 영화흥행 요인을 분석하는 것이 목적이다. 한국의 영화산업 규모는 날로 커지고 있지만, 현재까지 진행되어온 영화 흥행 요인 분석 및 예측과 관련된 논의는 관련 데이터를 망라하지 못해 정확성을 담보할 수 없는 상황이었다. 지금까지 한국에서의 천만 영화는 총 13편이 있었고, 이 연구에서는 천만 흥행에 눈물과 웃음이 주된 텍스트 내적 요인으로 작용함을 밝혔다. 이에 빅데이터를 활용해 영화에 대한 댓글 중 웃음과 눈물과 관련된 용어를 수집한 후, 영화의 구성 5단계(발단-전개-위기-절정-결말) 중 어느 부분에 웃음과 눈물 요소가 많은지를 도표화하여 천만 영화의 장르별 구성 방식을 논증하였다. 이러한 분석 결과는 앞으로 영화 제작 전 단계에서 시나리오 상에서의 흥행 예측을 하는 종합적인 데이터베이스 구축에 기여하게 될 것이다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제20권12호
• /
• pp.615-622
• /
• 2014

국제적 수준으로 성장한 한국의 영화 시장 환경은 더욱 타당한 자료 분석에 근거한 의사 결정 수단을 필요로 하게 되었다. 또한 발전된 정보 환경으로 인해 실시간으로 생성되는 대규모 데이터를 신속히 처리하고 분석하여 보다 정밀한 결과를 예측할 수 있어야 한다. 특히 전처리 작업은 정보 분석 과정 중 가장 많은 시간이 소요 되므로 대규모 데이터 기반 분석 환경에서도 합리적인 시간 내에 처리할 수 있어야 한다. 본 논문에서는 영화 흥행 예측을 위한 대용량 데이터 전처리 방법을 연구하였다. 영화 흥행 데이터의 특성을 분석해 전처리의 각 유형별 처리 방법을 설정했으며 하둡 기반 맵리듀스 프레임워크를 사용하는 방법을 사용하였다. 실험 결과 빅데이터 기법을 사용한 전처리가 기존의 방법보다 더 좋은 수행 결과를 보이는 것을 확인하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제26권6호
• /
• pp.1259-1269
• /
• 2015

최근 빅 데이터는 학계에서 키워드로 자리매김을 하고 있다. 빅 데이터의 유용성은 학계뿐만 아니라 정부, 지자체 그리고 기업체까지 파급되고 있고, 빅 데이터 속에서 유용한 정보를 도출해 내기 위해 노력하고 있다. 본 연구에서는 영화에 대한 리뷰를 가지고 텍스트 마이닝 (text mining)을 이용한 빅 데이터 분석을 수행한다. 본 연구의 목적은 포털 사이트 'D'사와 영화진흥위원회의 영화에 대한 리뷰 데이터, 그리고 고객들의 평점평균 (score)과 스크린 수 (screen number)를 설명변수로 사용하고, 영화 흥행 여부를 종속변수로 하여 로지스틱 회귀분석을 통한 영화 흥행 예측 모형을 제안하는 것이다. 분석결과, 본 연구에서 제안한 예측모형의 정분류율은 95.74%로 얻어졌다.

• 한국콘텐츠학회논문지
• /
• 제19권6호
• /
• pp.179-191
• /
• 2019

TV 드라마 한 시즌 제작에 최소 수십 억 원이 투입되지만 투자 대비 효과 예측은 쉽지 않으며 참여 인력의 중요성에도 불구하고 그들에 대한 적절한 평가지표는 아직 존재하지 않는다. 그 동안 콘텐츠 평가지표로 널리 사용되어온 시청률 절대 수치는 지속 감소하고 있지만 대체할만한 지표는 아직 없는 상태다. 본 연구에서는 시청률 절대 수치가 아니라 개별 드라마 시청률 간 상대적 우위를 반응변수로 하고, 드라마 참여 인력이 과거에 획득하여 축적한 상대적 우위를 계량 능력지표화 하여 설명변수로 설계함으로써 드라마의 상대적 흥행성을 예측하는 모형을 개발하였다. 예측 모형으로는 다양한 머신러닝 알고리즘을 활용하였고 예측 성능을 높이기 위해 기존 연구에서 유용한 것으로 판명된 설명변수를 추가하여 조합하였다. 결과적으로 본 연구에서 설계한 설명변수와 기존 연구의 설명변수로부터 최적의 조합을 탐색하여 구축한 예측 모형은 84%의 높은 정분류율로 우수한 예측 성능을 보여주었다. 이렇게 본 연구에서는 TV 드라마 참여 인력 능력지표와 시청률을 활용하여 콘텐츠의 상대적 흥행성을 예측함으로써 콘텐츠 산업 전반 투자 효율화와 활성화를 촉진하려 한다.

• 응용통계연구
• /
• 제29권7호
• /
• pp.1257-1270
• /
• 2016

본 연구는 영화 흥행의 척도로서 총 관객수의 예측을 다루었다. 의사결정나무, MLP 신경망모형, 다항로짓모형, support vector machine과 같은 데이터마이닝 분류 기법들을 사용하여 개봉 전, 개봉 일, 개봉 1주 후, 그리고 개봉 2주 후 시점 별로 예측이 이루어진다. 국적, 등급, 개봉 월, 개봉 계절, 감독, 배우, 배급사, 관객수, 그리고 스크린 수와 같은 영화의 내재적인 속성을 나타내는 변수 뿐만 아니라 포털의 평점과 평가자 수, 블로그 수, 뉴스 수와 같은 온라인 구전 변수들이 예측변수로 사용되었다. 10-중 교차 검증에서 신경망모형의 정확도는 개봉 전 시점에서도 90% 이상의 높은 예측력을 보였다. 또한 최종 온라인 구전 변수의 추정치를 예측변수로 추가함으로서 예측의 정확도가 더 높아짐을 볼 수 있다.

• 예술인문사회 융합 멀티미디어 논문지
• /
• 제7권4호
• /
• pp.593-601
• /
• 2017

본 연구는 영화산업의 가치사슬단계에 따라 각 단계에서 고려할 수 있는 변인을 활용하여 제작/투자, 배급, 상영단계별 모형을 구성하였다. 모형의 예측력을 높이기 위해 회귀분석으로 유의미한 변인을 도출하여 모형을 추가로 설정하였다. 주어진 변인을 바탕으로 기계학습 분석방법인 인공신경망과 의사결정나무 분석방법 간의 예측력 차이를 비교하였다. 분석 결과, 제작/투자 모형과 배급 모형에서 모든 변인을 투입했을 때는 인공신경망의 정확도가 의사결정나무보다 높았으나, 회귀분석결과에 따라 선정된 변인을 투입하였을 때는 의사결정나무의 정확도가 더 높았다. 상영 모형에서는 회귀분석결과의 반영여부와 관계없이 인공신경망의 정확도가 의사결정나무의 정확도보다 높게 나타났다. 본 논문은 영화흥행 예측연구에 기계학습기법을 적용하여 예측성과가 향상됨을 확인하였다는데 의의가 있다. 선형회귀분석 결과를 기계학습기법에 반영함으로써 기존의 선형적 분석방법의 한계를 극복하고자 하였다.