• 지능정보연구
• /
• 제28권3호
• /
• pp.1-22
• /
• 2022

본 연구는 패널 벡터자기회귀 모형을 활용하여 국내 TV 드라마에 대한 디지털 불법복제, 시청률, 온라인 입소문 간의 동태적 관계를 종합적으로 분석하였다. 주요 분석결과는 다음과 같다. 첫째, 시청률은 디지털 불법복제에 부정적 영향을 받지만 구글 버즈에는 긍정적 영향을 받는다. 둘째, 디지털 불법복제는 시청률과 소셜 버즈에 부정적인 영향을 받는다. 셋째, 소셜 버즈와 구글 버즈는 서로 긍정적 영향을 받는다. 영화나 음악에 대한 불법복제 효과 연구는 많이 이루어졌으나 TV 드라마에 대한 연구는 상대적으로 제한적이다. 본 연구는 TV 드라마의 디지털 불법복제 영향을 실증 분석하였으며, 특히 디지털 불법복제가 시청률에 미치는 직접효과 뿐만 아니라 온라인 입소문을 통한 간접효과가 존재함을 실증적으로 밝혔다는 점에서 의의가 있다. 또한 온라인 입소문을 소셜 버즈와 구글 트렌드 지표로 다양화하여 그 효과를 검증함으로써 중요한 실무적 시사점을 제공한다.

• 정보교육학회논문지
• /
• 제25권6호
• /
• pp.927-934
• /
• 2021

인공지능은 우리의 삶에 점차 많은 부분을 차지하고 있으며, 발전하는 속도도 빨라지고 있다. 학생들의 컴퓨팅 사고력을 인공지능이 학습하는 방법대로 길러주는 것을 ACT(AI based Computational Thinking)라고 한다. ACT 중 패턴 인식은 문제를 효율적으로 해결하기 위해 필수적인 요소이다. 패턴 분석은 패턴 인식 과정의 일부로 볼 수 있다. 실제로 넷플릭스의 개인 맞춤 영화 추천, 반복된 증상을 분석하여 코로나 바이러스로 명명하는 것 등이 모두 패턴 분석의 결과이다. 패턴인식을 포함한 ACT의 중요성이 부각되는 것에 반면, 유치원과 초등학교 저학년을 대상으로 한 소프트웨어 교육은 국외에 비해 많이 부족한 실정이다. 따라서 본 연구에서는 유치원 학생들을 대상으로 하여 패턴 분석을 통한 인공지능 기반 컴퓨팅 사고력 계발을 위한 교재를 설계하고 개발하였다.

• 한국산업정보학회논문지
• /
• 제15권2호
• /
• pp.31-39
• /
• 2010

VoD(Video-on-Demand) 시스템에서 다루는 데이터는 대용량이면서 실시간에 처리되어야 하는 연속 매체의 특성을 지니고 있다. 대용량의 데이터가 차지하는 저장 공간과 전송 대역폭을 줄이기 위해 사용되는 압축 기법과 데이터의 실시간 처리를 보장하기 위한 자원의 예약 기법은 모두 연속 매체를 처리하는데 있어 필수적이다. VoD 시스템에서는 사용자들에게 영화의 재생뿐만 아니라 고속 전진이나 고속 후진과 같은 대화식 동작도 함께 제공할 수 있어야 하는데 대화식 동작이 야기하는 데이터 요구량의 변화는 디스크 대역폭, 통신망 대역폭, 메모리와 같은 시스템 자원의 관리를 어렵게 한다. VoD 시스템의 경우 기 저장된 비디오 데이터를 처리하기 때문에 데이터 블록에 대한 선반입이 가능하다. 본 논문에서는 가변 비트율의 비디오 데이터를 처리하는 VoD 서버에서 서버의 버퍼를 이용하여 데이터 블록들을 선반입함으로써 대화식 동작을 지원할 수 있는 버퍼 관리 기법을 제안한다. 본 논문에서 제안한 버퍼 관리 기법은 모의실험 결과 수용 사용자 수에서 LRU 기법에 비해 약 34%의 성능 향상을 보였다.

• 지능정보연구
• /
• 제20권1호
• /
• pp.133-148
• /
• 2014

최근 다양한 정보채널들의 등장으로 인해 빅데이터에 대한 관심이 높아지고 있다. 이와 같은 현상의 가장 큰 원인은, 스마트기기의 사용이 활성화 됨에 따라 사용자가 생성하는 텍스트, 사진, 동영상과 같은 비정형 데이터의 양이 크게 증가하고 있는 것에서 찾을 수 있다. 특히 비정형 데이터 중에서도 텍스트 데이터의 경우, 사용자들의 의견 및 다양한 정보를 명확하게 표현하고 있다는 특징이 있다. 따라서 이러한 텍스트에 대한 분석을 통해 새로운 가치를 창출하고자 하는 시도가 활발히 이루어지고 있다. 텍스트 분석을 위해 필요한 기술은 대표적으로 텍스트 마이닝과 오피니언 마이닝이 있다. 텍스트 마이닝과 오피니언 마이닝은 모두 텍스트 데이터를 입력 데이터로 사용할 뿐 아니라 파싱, 필터링 등 자연어 처리기술을 사용한다는 측면에서 많은 공통점을 갖고 있다. 특히 문서의 분류 및 예측에 있어서 목적 변수가 긍정 또는 부정의 감성을 나타내는 경우에는, 전통적 텍스트 마이닝, 또는 감성사전 기반의 오피니언 마이닝의 두 가지 방법론에 의해 오피니언 분류를 수행할 수 있다. 따라서 텍스트 마이닝과 오피니언 마이닝의 특징을 구분하는 가장 명확한 기준은 입력 데이터의 형태, 분석의 목적, 분석의 결과물이 아닌 감성사전의 사용 여부라고 할 수 있다. 따라서 본 연구에서는 오피니언 분류라는 동일한 목적에 대해 텍스트 마이닝과 오피니언 마이닝을 각각 사용하여 예측 모델을 수립하는 과정을 비교하고, 결과로 도출된 모델의 예측 정확도를 비교하였다. 오피니언 분류 실험을 위해 영화 리뷰 2,000건에 대한 실험을 수행하였으며, 실험 결과 오피니언 마이닝을 통해 수립된 모델이 텍스트 마이닝 모델에 비해 전체 구간의 예측 정확도 평균이 높게 나타나고, 예측의 확실성이 강한 문서일수록 예측 정확성이 높게 나타나는 일관적인 성향을 나타내는 등 더욱 바람직한 특성을 보였다.

• 한국컴퓨터정보학회논문지
• /
• 제16권11호
• /
• pp.17-24
• /
• 2011

협업적 여과 시스템은 사용자에 대한 클러스터링을 구축한 후, 구축된 클러스터를 기반으로 사용자에게 아이템을 추천한다. 그러나 사용자 클러스터링 구축에 많은 시간이 소요되고, 사용자가 평가한 아이템이 피드백 되었을 경우 재구축이 쉽지 않다. 본 논문에서는 영화 추천 시스템에서의 사용자 클러스터링의 재구축 시간을 단축시키기 위해서 빈발 패턴 네트워크를 이용하여 사용자가 선호하는 장르 패턴을 추출하고, 추출된 패턴을 통해 사용자 클러스터링을 구축한다. 구축된 사용자 클러스터링을 협업적 여과에 적용하여 사용자에게 영화를 추천한다. 사용자 정보가 피드백 될 때, 전통적 협업적 여과는 사용자 클러스터링을 재구축하기 위해 모든 이웃 사용자를 재탐색하여 클러스터링 한다. 하지만 빈발 패턴 네트워크를 이용하여 장르 패턴 기반의 사용자 클러스터링을 적용한 협업적 여과는 사용자 클러스터링을 재구축시 사용자 탐색 공간을 국한시킴으로써 탐색 시간을 줄일 수 있다. 제안하는 장르 패턴기반의 사용자 클러스터링을 통해 사용자 정보가 피드백 된 후 사용자 클러스터를 재구축시 소요되는 시간을 줄일 수 있고, 전통적인 협업적 여과 시스템과 유사한 성능의 추천이 가능하게 되었다.

• 한국컴퓨터게임학회논문지
• /
• 제31권4호
• /
• pp.61-70
• /
• 2018

본 논문은 골프 스윙 자세 학습자를 위하여 골프 스윙의 참조 모델인 3D 모델과 학습자의 골프 스윙을 촬영한 동영상을 대상으로 스윙 동작 시 각각의 위치 및 시간에서 각 동작을 정밀하게 비교 분석하기 위해 3D 모델의 골프 스윙 동작과 학습자의 스윙 동작을 동기화 시키는 방법을 제안하고 구현한 결과를 제시한다. 3D 모델과 학습자의 스윙 동영상을 동기화시켜 재생하기 위해서 먼저 학습자의 골프 스윙 동영상을 촬영하고, 촬영한 동영상으로부터 어드레스 자세부터 피니쉬 자세까지 골프 클럽의 위치에 따라 상대적 시간 정보를 추출한다. 고품질 모션 캡쳐 장비를 통해 초당 120프레임으로 캡처된 골프 전문가의 움직임 정보를 3D 모델에 리깅한 3D 참조 모델에 학습자 스윙 동영상으로부터 추출한 골프 클럽의 위치별 시간 정보를 적용하여 3D 참조 모델과 학습자의 스윙 동영상을 동기화시켜 재생함으로 학습자는 골프 스윙의 각 위치에서 참조 모델과 자신의 자세를 정밀하게 비교함으로 자세를 교정하거나 학습할 수 있다. 동기화된 재생을 통하여 기존의 수동적으로 위치를 조정하며 참조 모델과 학습자의 스윙을 비교 분석하는 시스템의 기능을 편리하게 사용할 수 있도록 개선할 수 있으며, 골프 자세의 각 위치를 검출하는 영상 처리 기술을 적용한 부분을 제외하고, 동기화시키기 위해 동영상에서 자동적으로 각 위치의 시간 정보를 추출하여 동기화시켜 재생하는 방법은 일반적인 생활 스포츠 분야로 확대하여 활용할 수 있을 것으로 기대한다.

• 지능정보연구
• /
• 제17권3호
• /
• pp.147-168
• /
• 2011

상품 및 서비스에 대한 개인화된 추천 서비스가 중요해짐에 따라, 많은 연구자들은 추천시스템 개발을 위한 다양한 지식과 기법들을 제공해왔다. 이러한 기법들 중에서 협업 필터링(Collaborative Fitering) 기법은 여러 분야에서 널리 사용되고 있으며, 그 유용성이 입증되었다. 하지만, 추천시스템의 성능을 더욱 높이기 위해서 현재의 협업 필터링 기법은 다음과 같은 점들을 고려해야 한다. 첫째, 대부분의 추천시스템과 관련한 연구에서 특정 고객과 성향이 유사한 다른 고객들을 찾기 위해 사용되는 유사도 함수들(Similarity Functions)은 대부분 특정한 관점에 초점을 두고 있기 때문에 다양한 관점에서 성향이 유사한 다른 고객들을 찾는데 한계를 가진다. 따라서, 특정 관점에 치우치지 않는 통합된 유사도 함수를 사용해야 할 필요가 있다. 둘째, 고객들의 성향은 시간이 지남에 따라 변화하기 때문에, 이를 추천결과에 반영하기 위해서는 시간에 따른 고객들의 구매 성향의 변화를 고려해야 한다. 본 연구는 여러 실험들을 통해 다음의 가설을 검정하는 것을 목적으로 하였다-다양한 관점이 동시에 반영된 통합 유사도 함수의 이용과 시간정보를 이용한 사용자의 구매 성향의 변화를 반영할 경우 추천의 정확도가 향상될 것이다. 다양한 실험을 통해, 본 연구에서 제시한 추천시스템은 전통적인 협업 필터링 기반의 추천시스템들에 비해 일반적으로 상당히 높은 정확도를 보였으며 이를 통해, 본 연구에서 제시한 가설이 채택될 수 있음을 확인하였다.

• 한국엔터테인먼트산업학회논문지
• /
• 제13권2호
• /
• pp.79-91
• /
• 2019

엔터테인먼트 산업은 투자 위험성으로 인해 경쟁력 확보를 통한 리스크 관리가 중요한 산업이다. 콘텐츠의 경쟁력은 산업 환경과 같은 외적 요인과 함께 몰입 기제를 중심으로 하는 내적 요소가 동시에 갖추어졌을 때 강화된다. 몰입 기제는 관람자의 인지 반응의 한 형태로 영상 콘텐츠 관람 시 뇌의 신호처리 과정을 통해 발생한다. 콘텐츠 시청과 관련된 뇌의 신호처리는 주로 작업기억(working memory) 영역에서 이루어지며 몰입도가 높은 콘텐츠의 경우 관람자에게 전달되는 콘텐츠 이외의 정보를 차단함으로써 일시적인 해리 상태를 발생시킨다. 최면이나 기억상실과 같은 증세와 유사한 해리상태는 관람객의 몰입도가 높은 수준에 도달했을 때 발생한다. 반면 관람자가 주의를 집중하고 있는 콘텐츠 정보는 외부정보 유입이 상대적으로 차단 또는 지연된 상태에서 일화 완충기(episodic buffer)를 통한 미래 사고(future thinking)의 구성을 위해 집중적으로 사용된다. 관람자의 미래사고 구성은 가설구성 행위(hypothesis forming activity)의 형태로 진행되며 뇌의 예측성(predictability)에 기반을 둔다. 이와 같은 가설 구성 행위가 뇌의 본질적 기능인 예측성과 스토리의 진화적 기능인 문제 해결 시뮬레이션과 조응할 때 관람자의 뇌는 콘텐츠에 높은 수준으로 몰입하게 된다. 가설 구성 행위가 효과적으로 이루어지기 위해서는 가설 구성의 배경, 가설구성의 주체, 인물의 내적 정보, 가설 발생 정보의 종류와 위치 및 규모, 정보의 가설 연관성과 유형 같은 요소들이 중요하다. 이와 같은 요소를 기준으로 김은숙 드라마<도깨비>를 분석한 결과 위의 요소들이 유기적이고도 효과적으로 작동하고 있음을 관찰할 수 있었다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.219-239
• /
• 2019

개인에게 맞춤형 서비스를 제공하는 것이 중요해지면서 개인화 추천 시스템 관련 연구들이 끊임없이 이루어지고 있다. 추천 시스템 중 협업 필터링은 학계 및 산업계에서 가장 많이 사용되고 있다. 다만 사용자들의 평점 혹은 사용 여부와 같은 정량적인 정보에 국한하여 추천이 이루어져 정확도가 떨어진다는 문제가 제기되고 있다. 이와 같은 문제를 해결하기 위해 현재까지 많은 연구에서 정량적 정보 외에 다른 정보들을 활용하여 추천 시스템의 성능을 개선하려는 시도가 활발하게 이루어지고 있다. 리뷰를 이용한 감성 분석이 대표적이지만, 기존의 연구에서는 감성 분석의 결과를 추천 시스템에 직접적으로 반영하지 못한다는 한계가 있다. 이에 본 연구는 리뷰에 나타난 감성을 수치화하여 평점에 반영하는 것을 목표로 한다. 즉, 사용자가 직접 작성한 리뷰를 감성 수치화하여 정량적인 정보로 변환해 추천 시스템에 직접 반영할 수 있는 새로운 알고리즘을 제안한다. 이를 위해서는 정성적인 정보인 사용자들의 리뷰를 정량화 시켜야 하므로, 본 연구에서는 텍스트 마이닝의 감성 분석 기법을 통해 감성 수치를 산출하였다. 데이터는 영화 리뷰를 대상으로 하여 도메인 맞춤형 감성 사전을 구축하고, 이를 기반으로 리뷰의 감성점수를 산출한다. 본 논문에서 사용자 리뷰의 감성 수치를 반영한 협업 필터링이 평점만을 고려하는 전통적인 방식의 협업 필터링과 비교하여 우수한 정확도를 나타내는 것을 확인하였다. 이후 제안된 모델이 더 개선된 방식이라고 할 근거를 확보하기 위해 paired t-test 검증을 시도했고, 제안된 모델이 더 우수하다는 결론을 도출하였다. 본 연구에서는 평점만으로 사용자의 감성을 판단한 기존의 선행연구들이 가지는 한계를 극복하고자 리뷰를 수치화하여 기존의 평점 시스템보다 사용자의 의견을 더 정교하게 추천 시스템에 반영시켜 정확도를 향상시켰다. 이를 기반으로 추가적으로 다양한 분석을 시행한다면 추천의 정확도가 더 높아질 것으로 기대된다.

• 인터넷정보학회논문지
• /
• 제17권3호
• /
• pp.107-113
• /
• 2016

소셜 네트워크 서비스(SNS)의 활성화로 웹상에는 방대한 양의 온라인 리뷰들이 생산되고 있으며, 이러한 온라인 리뷰들은 다양한 콘텐츠들에 대한 의견 데이터로써 콘텐츠 이용자와 제공자들에게 가치 있는 정보로 활용되고 있다. 한편, 온라인 리뷰에 대한 중요도가 높아짐에 따라 온라인 리뷰를 분석하여 글쓴이의 의견이나 평가, 태도, 감정 등을 추출해 내는 오피니언마이닝에 대한 연구가 활발하게 진행되고 있다. 그러나 기존의 오피니언마이닝 연구들에서는 리뷰의 의견 분류에만 초점을 맞추어 감성 분석 기법을 설계하였기 때문에 리뷰 속에 내포되어있는 작성자의 자세한 만족도까지는 알 수 없었으며, 감성 분석 기법이 특정 콘텐츠에 한정되어있어 도메인이 같지 않은 다른 콘텐츠들에는 적용될 수 없다는 문제점이 있었다. 이에 본 연구에서는 기존 의견 분류 방법에 강도를 주어 좀 더 세밀한 감성 분석을 수행하고, 이 결과를 통계적 척도에 적용하여 리뷰에 내포되어 있는 작성자의 자세한 만족도를 도출 할 수 있는 감성 분석 기법을 제안한다, 그리고 제안한 기법을 바탕으로 도메인에 상관없이 다양한 콘텐츠에 적용되어 콘텐츠의 만족도를 분석 할 수 있는 시스템을 설계하였다. 또한 방대한 양의 리뷰 데이터들을 빠르고 효율적으로 처리하기 위해 빅 데이터 처리도구인 하둡을 기반으로 시스템을 구축하였다. 본 시스템을 통해 콘텐츠 이용자는 보다 효율적인 의사결정을, 제공자들은 빠른 반응분석을 할 수 있어 본 시스템은 사용자의 의견을 필요로 하는 다양한 분야에 매우 실용적으로 활용 될 것으로 기대한다.