• 한국융합학회논문지
• /
• 제11권6호
• /
• pp.163-171
• /
• 2020

본 연구는 국내 영화 콘텐츠 큐레이션 연구에 나타난 메타데이터 연구들을 찾아서 연도별로 내용과 변화를 예술 경영의 관점에서 분석하는 것이다. 큐레이션과 추천시스템은 모두 그 바탕에 메타데이터의 기능이 작동하고 있다. 연구의 목적은 디지털 콘텐츠에서 큐레이션과 추천시스템이 어떻게 다른가를 확인하는 것이다. 연구절차와 방법은 '영화'와 '메타데이터'를 키워드로 논문을 검색하고, 이를 연도별 연구경향, 연구내용의 목적, 용도별 분석, 추천 방식의 유형에 따른 변화의 4단계로 분석하는 과정을 거쳤다. 연구 결과는 영화 메타데이터 연구는 이용자 측면의 연구에 관심이 높고, 도입단계, 추천방식 진화단계, 공유와 참여 단계로 발전하고 있으며, 영화 큐레이션은 검색지원, 콘텐츠 기반, 협력필터링, 하이브리드, 인공지능, 큐레이션의 6단계로 진화하였다는 결론을 얻은 것이다. 이 연구는 장르별 예술경영을 위한 메타데이터 개발에 기여할 것으로 기대한다.

• 정보처리학회논문지D
• /
• 제13D권2호
• /
• pp.279-286
• /
• 2006

인터넷 쇼핑몰에서의 상품 추천을 위해 널리 사용되는 방식 중 한 가지는 상품의 특성과 고객의 특성을 비교하여 고객에 맞는 상품을 추천하는 방식이다. 이 방식은 상품이나 고객의 특성을 표현하는 자질(Feature)의 개수가 많을수록 그 중에 어떤 자질을 선택해야 더 좋은 추천 성과를 가져올 수 있는지 파악해 내는 것이 추천의 효과 및 효율성 측면에서 중요하지만 아직까지 충분히 연구되지 않은 실정이다. 본 연구에서는 인터넷 서점에서의 가상 구매실험을 바탕으로 사용자가 구매한 책 들에서 사용자를 잘 나타낼 수 있는 자질을 선택하는 방식에 대해서 벡터 스페이스 모형, TFIDF(Term Frequency-Inverse Document Frequency), Mutual Information, SVD(Singular Value Decomposition) 방식 등을 활용하여 실험하고 그 결과를 비교해본다. 실험 결과 SVD를 응용한 자질 추출 기법이 가장 좋은 성능을 나타내었다.

• 융합신호처리학회논문지
• /
• 제4권1호
• /
• pp.1-8
• /
• 2003

현재 사회전반에 걸쳐 급격히 증가하고 있는 멀티미디어 정보를 효율적으로 관리, 활용할 수 있는 방법이 다양하게 연구되고 있다. 본 논문에서는 정지영상 검색을 위해 사용자가 질의(query)를 요구하면 질의 물체를 배경으로부터 분할한 후 유사물체를 영상 데이터베이스 내에서 검색할 수 있는 내용기반 영상검색 시스템을 구현하였다. 질의영상이 들어오면 우선 메디안 필터링 처리를 하여 잡음 제거한 후 캐니 에지 탐지법으로 물체의 에지를 구한다. 그리고 볼록 다각형 기법을 이용하여 배경으로부터 질의물체를 분할한다. 분할된 영상으로부터 컬러 히스토그램을 구한 후 데이터 베이스내의 영상과 히스토그램 인터섹션을 하여 유사치를 구한다 또한 공간적 그레이 분포와 질감특성을 추출하기 위해 분할된 영상을 그레이 영상으로도 변환시켜 웨블릿 변환한 후 밴디드 오토코릴로그램과 에너지를 구해 유사치를 구한다. 이렇게 구한 유사치을 더해 최종 유사영상을 검색하는데 물체 분할기법을 사용함으로써 배경에 강인할 뿐 아니라 보다 정확한 물체 검색이 가능하였다.

• 디지털융복합연구
• /
• 제17권8호
• /
• pp.95-104
• /
• 2019

최근 소프트웨어 교육이 4차 산업혁명의 핵심요소로 강조되고 있으며, 이러한 시대적 요구에 따라 많은 대학들이 전교생을 대상으로 하는 소프트웨어 교육을 강화하고 있다. 전교생을 대상으로 하는 SW교육 도입을 위해 온라인 콘텐츠의 활용은 효과적인 방안이라고 할 수 있다. 그러나 일률적인 온라인 콘텐츠의 제공은 학생들의 개별적인 특성(전공, 흥미, 이해력, 관심분야 등)을 고려하지 못하는 한계를 갖는다. 본 연구에서는 불리언 형태의 시청이력 데이터 환경에서 콘텐츠 간의 방향성 있는 유사도를 활용하는 추천 기법을 제안한다. 연관규칙 분석의 확신도를 유사도 값으로 활용하는 새로운 아이템기반 추천 수식을 제안하여 국내의 실제 유료 콘텐츠 사이트의 데이터에 적용하였다. 실험 결과 코사인, 자카드 등의 전통적인 유사도 방식을 기반으로 하는 협력적 추천방식을 사용할 때 보다 추천 정확도가 향상됨을 확인할 수 있었다.

• Journal of Information Science Theory and Practice
• /
• 제9권2호
• /
• pp.66-82
• /
• 2021

Recommender Systems have gained immense popularity due to their capability of dealing with a massive amount of information in various domains. They are considered information filtering systems that make predictions or recommendations to users based on their interests and preferences. The more recent technology, Linked Open Data (LOD), has been introduced, and a vast amount of Resource Description Framework data have been published in freely accessible datasets. These datasets are connected to form the so-called LOD cloud. The need for semantic data representation has been identified as one of the next challenges in Recommender Systems. In a LOD-enabled recommendation framework where domain awareness plays a key role, the semantic information provided in the LOD can be exploited. However, dealing with a big chunk of the data from the LOD cloud and its integration with any domain datasets remains a challenge due to various issues, such as resource constraints and broken links. This paper presents the challenges of interconnecting and extracting the DBpedia data with the MovieLens 1 Million dataset. This study demonstrates how LOD can be a vital yet rich source of content knowledge that helps recommender systems address the issues of data sparsity and insufficient content analysis. Based on the challenges, we proposed a few alternatives and solutions to some of the challenges.

• 지능정보연구
• /
• 제29권1호
• /
• pp.27-40
• /
• 2023

스마트 기기의 보급률 증가와 더불어 코로나의 영향으로 스마트 기기를 통한 미디어 콘텐츠의 소비가 크게 늘어나고 있다. 이러한 추세와 더불어 OTT 플랫폼을 통한 미디어 콘텐츠의 시청과 콘텐츠의 양이 늘어나고 있어서 해당 플랫폼에서의 콘텐츠 추천이 중요해지고 있다. 콘텐츠 기반 추천 관련 기존 연구들은 콘텐츠의 특징을 가리키는 메타 데이터를 활용하는 경우가 대부분이었고 콘텐츠 자체의 내용적인 메타 데이터를 활용하는 경우는 부족한 상황이다. 이에 따라 본 논문은 콘텐츠의 내용적인 부분을 설명하는 제목과 시놉시스를 포함한 다양한 텍스트 데이터를 바탕으로 유사한 콘텐츠를 추천하고자 하였다. 텍스트 데이터를 학습하기 위한 모델은 한국어 언어모델 중에 성능이 우수한 KLUE-RoBERTa-large를 활용하였다. 학습 데이터는 콘텐츠 제목, 시놉시스, 복합 장르, 감독, 배우, 해시 태그 정보를 포함하는 2만여건의 콘텐츠 메타 데이터를 사용하였으며 정형 데이터로 구분되어 있는 여러 텍스트 피처를 입력하기 위해 해당 피처를 가리키는 스페셜 토큰으로 텍스트 피처들을 이어붙여서 언어모델에 입력하였다. 콘텐츠들 간에 3자 비교를 하는 방식과 테스트셋 레이블링에 다중 검수를 적용하여 모델의 유사도 분류 능력을 점검하는 테스트셋의 상대성과 객관성을 도모하였다. 콘텐츠 메타 텍스트 데이터에 대한 임베딩을 파인튜닝 학습하기 위해 장르 분류와 해시태그 분류 예측 태스크로 실험하였다. 결과적으로 해시태그 분류 모델이 유사도 테스트셋 기준으로 90%이상의 정확도를 보였고 기본 언어모델 대비 9% 이상 향상되었다. 해시태그 분류 학습을 통해 언어모델의 유사 콘텐츠 분류 능력이 향상됨을 알 수 있었고 콘텐츠 기반 필터링을 위한 언어모델의 활용 가치를 보여주었다.

• 대한전자공학회논문지SP
• /
• 제37권5호
• /
• pp.9-20
• /
• 2000

본 논문에서는 디지털 컨텐트(Digital Content)의 저작권 보호를 위한 워터마크 삽입방법 중 DCT(Discrete Cosine Transform)를 이용한 워터마크 기법과 DFT(Discrete Fourier Transform)를 이용한 워터마크 기법을 비교하여 본다 주파수 변환 방법에 있어서 DCT는 영상의 주파수 상관관계에 따라 실수의 주파수 계수 값을 가진다 그러나 영상을 DFT 주파수 변환 시켰을 때는 주파수 성분이 복소수 값의 형태를 갖는 진폭 성분과 위상성분으로 나누어지는데 그 중 위상성분은 영상의 형태학적 정보 등 여러 가지 중요한 정보들을 포함한다 따라서 위상성분에 워터마크를 삽입함으로써 보다 강인한(Robust) 성질을 지닐 수 있다. 본 논문에서는 DCT 기반의 워터마킹 기법과 DFT 기반의 워터마킹 기법을 각각 객체 단위 워터 마킹 기법에 적용하여 비교하였다 비교결과 DCT를 이용한 워터마크의 삽입 방법에 비해 DFT의 위상성분에 워터마크를 삽입하는 것이 일반적인 영상처리(사이즈 변화, 손실 압축(Lossy Compression), Blurring, Median, Distort등)에 강인한 결과를 나타내었고 반면에 DCT를 이용한 워터마크 삽입 기법은 영상 공격자의 의도적인 공격(다른 워터마크 삽입 등)에 있어서 DFT 위상성분에 삽입한 결과에 비해 더 좋은 결과를 나타내었다.

• 대한전자공학회논문지SP
• /
• 제49권2호
• /
• pp.113-121
• /
• 2012

본 논문은 대용량 동영상을 관리하기 위한 빠르고 효율적인 내용기반 중복 동영상 검출 알고리즘을 제안한다. 효율적인 중복 동영상 검출을 위해 대용량의 동영상을 처리하기 쉬운 작은 단위로 나누는 동영상 장면 전환 기반 분할 기술을 적용하였다. 동영상 서비스 및 저작권 보호 관련 사업모델의 경우, 필요한 기술은 아주 작은 구간의 동영상이나 한 장의 영상 을 검색하기보다는 상당한 길이 이상 일치하는 동영상을 파악하는 기술이 필요하다. 이러한 중복 동영상 검출을 위해 본 논문에서 동영상을 장면 전환을 기준으로 분할하여, 나누어진 장면 내에서 움직임 분포 서술자와 대표 프레임을 선택하여 프레임 서술자를 추출한다. 움직임 분포 서술자는 동영상 디코딩 과정에서 얻어지는 매크로 블록의 움직임 벡터를 이용한 장면 내 움직임 분포 히스토그램을 구성하였다. 움직임 분포 서술자는 정합시 고속 정합이 가능하도록 필터링 역할을 한다. 반면 움직임 정보만는 낮은 변별력을 가진다. 이를 높이기 위해 움직임 분포 서술자를 이용하여 정합된 장면 간에 선택된 대표 프레임의 패턴 서술자를 이용하여 동영상의 중복 여부를 최종 판단한다. 제안된 방법은 실제 동영상 서비스 환경에서 우수한 인식률과 낮은 오인식률을 가질 뿐만아니라 실제 적용이 가능할 정도의 빠른 정합 속도를 얻을 수 있었다.

• 대한전자공학회논문지SP
• /
• 제48권5호
• /
• pp.84-95
• /
• 2011

본 논문에서는 위성영상을 압축하는 과정에서 발생하는 압축잡음을 내용 분석을 통해 적응적으로 제거하는 디블록킹 알고리즘을 제안 한다. 특히, 제공된 KOMPSAT(korean multi-purpose satellite)-2는 열 단위로 동일한 양자화 계수를 적용하며 고주파 성분이 많은 부분을 압축하여 효율 및 시간을 향상 시켰으나 압축률이 높은 동일 열 내에 복잡도가 낮은 부분에서 압축 잡음이 나타나는 문제점이 있다. 이러한 압축잡음을 제거하기 위해 일반적인 디블록킹 필터를 적용 시 복잡한 영역을 평활화시키는 문제점이 있다. 따라서 제안한 방법에서는 영상 분석 후 적응적 디블록킹 필터를 통해 에지를 보존하면서 격자잡음을 제거 한다. 이와 동시에 WLFPCA(weighted lowpass filter using principle component analysis)를 이용하여 큰 곡선형 경계부분의 계단잡음을 제거 하였다. 제안한 방법은 성능을 평가하기 위한 모의실험 결과로부터 기존의 방법에 비하여 객관적 화질 지표인 PSNR(peak signal to noise ratio)과 주관적 화질 지표인 MSSIM(mean structural similarity)에서 비슷하거나 향상된 결과를 보였으며 특히, 기존의 압축잡음 제거 알고리즘은 반복적 프로세싱을 통해 계단잡음을 제거하나 제안한 방법은 싱글패스(single-path) 방식으로 시간을 크게 단축시켜 실시간에 가까운 처리가 가능하도록 하였으며, 계산양을 줄여 하드웨어의 적용이 용이하게 하였다.

• 디지털콘텐츠학회 논문지
• /
• 제13권4호
• /
• pp.559-565
• /
• 2012

정보통신의 발달로 스마트폰은 대중화를 이루었으며, 스마트폰의 대중화는 앱스토어라는 새로운 영역을 생성하였다. 스마트폰에서 사용되는 응용소프트웨어인 앱은 앱스토어를 통해 편리하게 거래될 수 있다는 장점으로 빠른 성장을 이루었다. 앱스토어에서 거래되는 앱들의 수량이 방대해짐에 따라 사용자가 원하는 앱을 정확히 추출하기란 매우 어렵다. 앱스토어에서 사용하는 일반적인 앱 추천 방식은 사용자가 입력한 질의어에 따라 앱을 추천하는 방식이다. 이러한 내용 기반 방식은 디지털 형태로 이루어진 앱을 추천할 때는 효과적인 기법이 아니다. 앱 추천의 정확성을 높이기 위해 본 논문에서는 특성 유사도 기반 앱 추천 기법을 제안한다. 본 논문에서 제안한 기법은 앱의 장르, 기능성, 다운로드 수 등을 이용하여 앱에 대한 속성을 생성한 후, 사용자의 앱 사용에 대한 성향과 비교하여 앱을 추천하는 방식을 따른다. 다양한 실험에서 본 논문에서 제안한 기법이 기본적인 앱 추출 기법보다 평균 33%의 성능 향상을 보였다.