• 한국산학기술학회논문지
• /
• 제16권1호
• /
• pp.62-69
• /
• 2015

본 연구의 목적은 문화콘텐츠가 가진 서사성이 이와 연관된 다른 형태의 문화콘텐츠에 대한 선호도에 미치는 영향을 살펴보는 것이다. 이를 위해 본 연구는 먼저 문화콘텐츠의 형식을 시각적 정보의 양에 따라 소설, 만화, TV 프로그램으로, 문화콘텐츠의 장르를 스토리 연속성의 중요성에 따라 멜로/드라마, 코미디, 액션으로 분류하였다. 선행연구에 의하면 각 형식과 장르 중 소설 형식과 멜로/드라마 장르가 가장 서사성이 높은 형태의 문화콘텐츠로 설명되는데, 본 연구에서는 이러한 서사성의 영향을 영화 산업을 중심으로 한 설문 조사를 통해 검증하였다. 본 연구의 결과는 다음과 같다. 첫째, 서사성이 높은 형식으로 분류되는 소설 형식을 선호하는 사람은 본인이 선호하는 장르와 동일 장르의 영화도 선호하는 것으로 나타났는데, 이러한 현상은 서사성이 낮은 형식인 TV 프로그램에 있어서는 나타나지 않았다. 둘째, 소설에 대한 이러한 현상은 특히 서사성이 높은 장르인 멜로/드라마 작품을 원작으로 하는 영화에 대해 더 강하게 나타난 반면 서사성이 낮은 장르인 코미디나 액션 장르에서는 나타나지 않았다. 이상의 결과를 통하여 본 연구는 일반 관객의 문화콘텐츠 선호도에 있어서 일반적으로 서사성이 중요한 역할을 한다는 것을 발견했으며 특히 영화 원작이 높은 서사성을 가진 경우에는 영화의 선호도가 더욱 크게 상승한다는 것을 발견하였다.

• 응용통계연구
• /
• 제35권2호
• /
• pp.265-283
• /
• 2022

사용자들의 영화정보를 기록한 MovieLens 데이터는 추천 시스템 연구에서 아이디어를 탐색하고 검증하는데 상당한 가치가 있는 데이터로, 기존 데이터 분할 및 군집화 알고리즘을 사용하여 사용자 평점 데이터를 기반으로 항목 집합을 분할하는 연구 등에 사용되는 데이터이다. 본 논문에서는 기존 연구에서 대표적으로 사용되었던 영화 평점 데이터와 영화 장르 데이터를 통해 사용자의 장르 선호도를 예측하여 선호도 패턴을 기반으로 사용자를 군집화(clustering)하고, 유의미한 정보를 얻는 연구를 진행하였다. MovieLens 데이터는 영화의 전체 개수에 비해 사용자별 평균 영화 평점 수가 낮아 결측 비율이 높다. 이러한 이유로 기존의 군집화 방법을 적용하는 데 한계가 존재한다. 본 논문에서는 MovieLens 데이터 특성에 모티브를 얻어 쌍별 규합 벌점함수(pairwise fused penalty)를 활용한 볼록 군집화(convex clustering) 기반의 방법을 제안한다. 특히 결측치 대체(missing imputation)도 동시에 해결하는 최적화 문제를 통해 기존의 군집화 분석과 차별화하였다. 군집화는 반복 알고리즘인 ADMM을 통해 제안하는 최적화 문제를 풀어 진행한다. 또한 시뮬레이션과 MovieLens 데이터 적용을 통해 제안하는 군집화 방법이 기존의 방법보다 노이즈 및 이상치에 상대적으로 민감하지 않은 것으로 보인다.

• 한국콘텐츠학회논문지
• /
• 제16권11호
• /
• pp.91-102
• /
• 2016

본 연구는 VOD 이용 특성에 따라 유료방송 가입자의 장르 선호도가 어떻게 나타나는지 IPTV 가입자를 대상으로 8개월간 이용한 영화 VOD 구매 데이터를 중심으로 분석하였다. 분석 결과, 첫째 4000원 미만의 콘텐츠 이용 시 4000원 이상의 콘텐츠 이용시보다 장르 집중도가 더 높게 나타났다. 이는 플랫폼 사업자가 제공하는 대중에 기반한 콘텐츠 추천 서비스가 제한될 경우 가입자가 자신의 장르 선호도에 따라 구매하는 경향이 있음을 보여준다. 둘째, 해외 영화 이용시 국내 영화 이용시 보다 장르 선호도가 크게 나타났다. 셋째, 구매 횟수와 구매금액이 많은 고객이 더 다양한 장르를 이용하는 것으로 밝혀졌다. 이는 헤비 유저나 지불 의향이 높은 고객은 다양한 장르를 소비하는 경향이 있음을 보여주는 것이다. 이 결과를 통해 향후 선호 장르에 기반한 개인화 추천 서비스를 가입자에게 제공할 경우 유료방송 VOD 이용이 더 증가할 것으로 예측할 수 있다.

• 한국지능시스템학회논문지
• /
• 제24권4호
• /
• pp.443-449
• /
• 2014

사람의 영화에 대한 선호도에는 개인의 특성과 영화의 속성을 기반으로 하는 다양한 요인이 연관되어 있다. 영화 추천을 위한 사용자-영화-선호도 연관 관계의 분석 기법으로서, 다중 개념 탐색 기법의 특성을 지닌 infinite relational model (IRM)의 활용 가능성을 확인하고, 이를 기초로 영화 선호 유형에 따른 사용자-영화 군집을 탐색한다. 별점으로 표현되는 명시적인 선호도 데이터에 영화 컨텐츠 관련 메타데이터를 추가하여 학습 데이터를 구성하고, 이에 IRM을 적용하여 공군집화(co-clustering)를 수행한 결과, 해석 가능한 다양한 명시적 연관 관계를 발견하였다. 공군집화 결과를 기초로 개인화 추천에서의 다양한 활용 방안을 논의한다.

• 한국멀티미디어학회논문지
• /
• 제18권9호
• /
• pp.1068-1082
• /
• 2015

Due to the rapid advancement of the mobile technology, smart phones have been widely used in the current society. This lead to an easier way to retrieve video contents using web and mobile services. However, it is not a trivial problem to retrieve particular video contents based on users' specific preferences. The current movie recommendation system is based on the users' preference information. However, this system does not consider any emotional means or perspectives in each movie, which results in the dissatisfaction of user's emotional requirements. In order to address users' preferences and emotional requirements, this research proposes a movie recommendation technology to represent a movie's emotion and its associations. The proposed approach contains the development of emotion ontology by representing the relationship between the emotion and the concepts which cause emotional effects. Based on the current movie metadata ontology, this research also developed movie-emotion ontology based on the representation of the metadata related to the emotion. The proposed movie recommendation method recommends the movie by using movie-emotion ontology based on the emotion knowledge. Using this proposed approach, the user will be able to get the list of movies based on their preferences and emotional requirements.

• Asia Marketing Journal
• /
• 제21권1호
• /
• pp.1-21
• /
• 2019

Online platforms often provide rating information to customers to relieve the uncertainty they encounter when purchasing experience goods. Prior research has focused mostly on the roles of rating volume and the valence of an average rating among the various possibilities. However, less frequently investigated is the effect of rating dispersion, which may be associated with uncertainty regarding how well a product fits a customer's personal preference, on new trials of experience goods. In this study, we examine the effect of rating dispersion on new trials of experience goods and identify the conditions which intensify or reduce the effect. Empirical analyses of movie box office sales data and online rating data reveal three interesting findings. First, movie sales decrease as movie ratings become increasingly dispersed. Second, the negative effect of rating dispersion on movie sales is more pronounced with more rating volume. Third, this negative effect weakens when additional information about a movie is available (i.e., higher average rating, greater star power, and time since its release). We discuss the academic and practical implications of our findings.

• 한국융합학회논문지
• /
• 제9권11호
• /
• pp.69-74
• /
• 2018

인터넷 기술과 다양한 정보 기술의 융합을 통해 광대한 정보를 수집 및 가공하여 사용자 취향에 맞는 다양한 지식을 서로 주고받을 수 있게 되었다. 특히, 영화 미디어 속에 내포된 감정 변화의 흐름을 통해 사용자의 취향과 연결된 밀접한 콘텐츠를 선호하는 경향이 있다. 사용자는 스크립트에 나타난 정보를 바탕으로 전체적인 감정의 흐름이나 특정한 등장인물, 또는 특정한 장면에서의 감정의 흐름을 보다 빠르게 이해하기 위해 시각화하고자 한다. 본 논문에서는 영화 웹페이지로부터 정제되지 않은 데이터를 획득한 후, 정제 과정을 거쳐 표준화된 스크립트 형식으로 변환한다. 정제된 데이터를 XML 문서로 변환하여 다양한 정보를 쉽게 획득한 후, 감정 예측 시스템에 각 문단을 입력하여 다양한 감정을 예측한다. 예측된 감정들의 흐름과 스크립트에 포함된 정보량을 혼합하여 사용자가 필요로 하는 다양한 감정의 전체적 또는 특정 부분에서 캐릭터들 간의 감정 상태의 변화를 시각화를 통해 쉽게 이해할 수 있는 시스템을 제안한다.

• 한국콘텐츠학회논문지
• /
• 제8권2호
• /
• pp.1-8
• /
• 2008

사용자가 정보를 효율적으로 이용할 수 있도록 제어하고 필터링하는 일을 도와주는 정보 시스템이 등장하였다. 내용 기반 필터링은 아이템의 특징을 기술하는 정보와 사용자의 기호를 가지고 있는 프로파일을 비교하여 사용자에게 필요한 정보를 추천하는 방법이다. 이는 학습 방법에 따른 정확도가 변한다는 문제점이 있다. 본 논문에서는 내용 기반 필터링을 위한 프로파일 학습에 의한 선호도 발견을 제안하였다. 문제점을 개선하기 위해서 6단계로 평가한 선호도에 따른 추정치를 부여하여 프로파일 학습을 함으로써 추천의 정확도를 향상시켰다. 제안한 방법을 MovieLens 데이터에 적용하여 실험 및 평가를 실시하였는데, 기존 연구와 비교 실험을 통해 성능을 평가하였다.

• 지능정보연구
• /
• 제19권3호
• /
• pp.25-44
• /
• 2013

최근 IPTV와 스마트 TV 등의 등장과 영상 콘텐츠를 시청하고 검색할 수 있는 웹 서비스의 등장으로 영상 콘텐츠의 접근이 용이해져 사용자들은 자신이 원하는 콘텐츠를 찾고자 하는 요구가 증가하고 있다. 하지만 서비스되는 콘텐츠의 양이 방대하여 영상 콘텐츠를 검색할 때 사용하는 키워드 기반의 검색은 많은 양의 결과를 가져오며 사용자가 필요로 하지 않은 결과가 검색된다. 따라서 사용자가 원하는 콘텐츠의 검색 시간과 노력이 증가 하게 되었다. 이를 극복 하기 위해 콘텐츠 추천 및 검색에 대한 연구가 수행되어 왔다. 기존의 연구에는 사용자의 선호도 분석을 통하여 영상 콘텐츠를 추천하거나 비슷한 성향을 가지는 사용자들을 분류하여 콘텐츠를 추천하는 기법들이 연구되어 왔다. 본 논문에서는 영상 콘텐츠 중 영화의 추천을 위해 사용자 개인의 영화 메타데이터의 선호도를 분석하고, 영화의 메타데이터와 영화의 유사성을 도출하여 이를 기반으로 영화 추천 기법을 제안한다. 영화의 특징을 담고 있고, 사용자의 영화 선호도에 영향을 끼치는 장르, 줄거리, 배우, 키워드 등의 영화 메타데이터를 기반으로 온톨로지를 구축하고, 확률 기법을 통한 메타 데이터간의 유사성을 분석하여 유사 메타데이터를 연결한다. 또한 사용자의 선호도와 그룹을 정의하고, 사용자 정보를 활용하기 위한 사용자 모델을 정의한다. 제안하는 추천 기법은 1) 사용자 정보기반의 후보 영화 검색 컴포넌트, 2) 사용자 선호기반의 후보 영화 검색 컴포넌트, 3) 1)과 2)의 결과를 통합하고 가중치를 부여하는 컴포넌트, 4) 최종결과의 분석을 통한 개인화된 영화 추천 컴포넌트 등 총 4가지 컴포넌트로 구성된다. 제안하는 추천 기법의 실험을 위하여 20대 남/녀 10명씩 20명을 대상으로 실험을 진행하였으며, 실험결과 평균 Top-5에서 2.1개 Top-10에서 3.35개 Top-20에서 6.35의 영화가 보고 싶은 영화로 선택되었다. 본 논문에서는 영화 메타데이터간의 연관성 도출을 통하여 영화간의 유사성을 도출하고 이를 기반으로 사용자의 기본적인 정보를 활용한 추천뿐만 아니라 사용자가 예상하지 못한 영화의 추천이 가능하다.

• Asia Marketing Journal
• /
• 제15권1호
• /
• pp.155-168
• /
• 2013

This study describes consumers' movie choices in conjunction with other group members and attempts to reassess the effect of the online word of mouth (WOM) source in a joint decision context. The tendency of many people to go to movies in groups has been mentioned in previous literature but there is no modeling research that studies movie choice from the group decision perspective. We found that ignoring the group movie-going perspective can result in a misunderstanding, especially underestimation of genre preference and the impact of the WOM variables. Most of the studies to measure online WOM effects were done at the aggregate level, and the role of online WOM variables(volume vs valence) is mixed in the literature. We postulate that group-level analysis might offer insight to resolve these mixed understanding of WOM effects in the literature. We implemented the study via a random effect model with group-level heterogeneity. Romance, drama, and action were selected as genre variables; valence and volume were selected as online WOM variables. A choice-based conjoint survey was used for data collection and the models was estimated via Bayesian MCMC method. The empirical results show that (i) both genre and online WOM are important variables when consumers choose movies, especially as group, and (ii) the WOM valence effect are amplified more than the volume effect does as individuals are engaged in group decision. This research contributes to the literature in several ways. First, we investigate movie choice from a group movie-going perspective that is more realistic and consistent with the market behavior. Secondly, the study sheds new light on the WOM effect. At group-level, both valence and volume significantly affect movie choices, which adds to the understanding of the role of online WOM in consumers' movie choice.