• 정보처리학회 논문지
• /
• 제13권8호
• /
• pp.382-387
• /
• 2024

최근 성인 독서량은 지속적으로 감소하는데 비해 영상 콘텐츠 소비가 증가하고 있다. 이에 따라 새로운 사용자에 대한 선호도 및 행동 패턴에 대한 정보가 없고 새로운 도서에 대한 사용자 평가나 구매 정보가 부족해 콜드 스타트 문제와 데이터 희소성 문제가 발생하고 있다. 본 논문에서는 영상물 콘텐츠 기반 도서 하이브리드 추천 시스템을 제안하였다. 제안하는 추천 시스템은 영상물의 콘텐츠를 활용하여 콜드 스타트 문제와 데이터 희소성 문제를 해결할 수 있을 뿐만 아니라, 전통적인 도서 추천 시스템에 비해 성능이 향상됨을 보여주었다. 또한 장르, 줄거리, 평점 정보 등 사용자 취향 정보까지 모두 반영한 개인 맞춤형 추천 결과를 제시하였다.

• 한국컴퓨터정보학회논문지
• /
• 제27권5호
• /
• pp.37-45
• /
• 2022

2020년 기준 대표적인 온라인 동영상 플랫폼인 유튜브에는 1분에 약 500시간의 동영상이 업로드되고 있다. 이에 업로드된 다수의 다양한 동영상을 통해 정보를 획득하는 사용자의 수가 늘고 있어 온라인 동영상 플랫폼들은 더 나은 추천 서비스를 제공하기 위해 노력하고 있다. 현재 사용되고 있는 추천 서비스는 사용자의 시청 기록을 기반으로 사용자에게 동영상을 추천하는데 이는 교육용 동영상과 같이 특정 목적 및 관심사를 다루는 동영상 추천에 좋은 방법이 아니다. 최근 추천 시스템은 사용자의 시청 기록뿐만 아니라 아이템의 콘텐츠 특징을 함께 활용한다. 본 논문에서는 유튜브를 기반으로 교육용 동영상 추천을 위한 교육용 동영상의 콘텐츠 특징을 추출하고, 이를 활용하는 추천 시스템을 설계하여 웹 애플리케이션으로 구현한다. 사용자들의 만족도를 조사하여 추천 시스템의 추천 성능의 만족도 85.36%, 편의성 만족도 87.80%를 보인다.

• 한국콘텐츠학회논문지
• /
• 제20권4호
• /
• pp.1-13
• /
• 2020

본 연구는 온라인 동영상 플랫폼에 적용되는 추천 알고리듬을 이해하고자 유튜브에서 K-pop 뮤직비디오의 콘텐츠 특성과 재생 시 추천되는 연관 비디오(related video)의 관계를 규명하고 네트워크 분석을 통해 어떤 비디오가 연관 비디오로 추천되는지 살펴보았다. 분석 결과, K-pop 재생 시 비디오의 좋아요 수가 추천 순위에 영향을 주었으며 대부분 같은 채널에 속하거나 동일한 기획사에서 제작한 비디오가 연관 비디오로 추천되었다. 그리고 연관 비디오의 네트워크 분석 결과, K-pop 뮤직비디오의 네트워크가 강하게 형성되어 있으며 연관 비디오의 네트워크 분석에서 BTS의 뮤직비디오가 중심성이 높게 나타났다. 이러한 연구결과는 K-pop간의 네트워크가 강하기 때문에 K-pop을 검색 쿼리로 입력해서 비디오를 시청할 때는 연속적으로 K-pop을 즐길 수 있지만, 반대로 다른 장르의 비디오를 시청할 때는 K-pop이 연관 비디오로 추천되지 못할 수 있음을 의미한다.

• 한국인터넷방송통신학회논문지
• /
• 제23권2호
• /
• pp.29-35
• /
• 2023

본 논문은 영상으로부터 풍부한 메타데이터를 자동으로 생성하고 키워드로 동영상을 검색하는 선행 연구를 개선하여 문장 단위로 동영상을 검색할 수 있게 하였다. 문장 단위의 검색을 위해, 검색 문장에 대해 형태소를 분석하여 문장에서 핵심어를 추출하고, 각 핵심어에 가중치를 부여한 다음, 선행 연구에서 작성된 랭킹 알고리즘을 적용하여 동영상들을 추천한다. 본 논문의 동영상 검색 성능을 평가하기 위해서는 충분한 양의 동영상과 충분한 수의 사용자 경험이 필요하다. 하지만 이것이 부족한 현 상황에서 검색 결과에 대한 사용자의 전반적인 만족도, 추천 점수와 사용자 만족도의 비교 평가, 동영상 카테고리별 사용자 만족도 등을 평가하는 간접적인 방법을 사용하였다. 성능 평가 결과, 본 논문에서 구현한 풍부한 메타데이터 구축 및 동영상 추천 시스템은 사용자에게 높은 검색 만족도를 주는 것을 나타났다.

• 한국컴퓨터정보학회논문지
• /
• 제29권7호
• /
• pp.89-98
• /
• 2024

본 논문은 챕터 수준의 강의 동영상 추천 시스템에 있어서 추천의 정확도와 처리속도 간의 균형문제, 즉, 추천 정확도를 향상시키려면 처리 속도가 저하되고, 반대로 처리 속도를 높일 경우 정확도가 감소하는 문제에 대하여 연구한다. 본 논문에서는 이의 해결을 위하여 TF-IDF, K-Means++ Clustering, Graph Neural Network(GNN) 등 다양한 기법을 복합적으로 활용하는 방법을 제안한다. 즉, 챕터들의 유사성을 바탕으로 클러스터를 사전에 구성함으로써 검색 시의 계산량을 줄여 속도를 향상시키면서도, 클러스터를 노드로 하는 그래프에 대하여 GNN을 적용함으로써 추천의 정확도를 향상시키는 방법을 제안한다. 실험 결과 GNN을 사용한 경우 추천의 정확도가 MRR 지표에서 약 19.7% 증가하였으며, 유사도 기반의 정밀도에 있어서 약 27.7% 증가하는 결과를 확인할 수 있었다. 이를 통해 학습자의 질의에 보다 적합한 동영상 챕터를 추천하는 학습시스템 구축에 기여할 것으로 기대한다.

• 방송공학회논문지
• /
• 제20권6호
• /
• pp.848-861
• /
• 2015

본 논문에서는 메타정보로 표현된 마케팅 및 홍보전략·의도 등을 이용하여 홍보동영상을 쉽게 제작하는 웹기반 서비스 시스템을 소개한다. 홍보영상제작 시스템은 홍보물을 제작하려는 사용자가 사진이나 동영상을 제공하면 업종정보와 잠재고객정보 등을 이용해서 관련된 홍보동영상을 자동으로 생성하는 시스템이며 IT기술에 어려움을 느끼는 사용자들을 배려한다. 이와 관련된 기존 서비스들은 사전 정의되거나 새로 추가한 테마나 범주에 맞춰 템플릿들을 제작하고, 이를 갤러리 형식의 인터페이스로 제시하면 사용자가 원하는 템플릿을 직접 선택하여 홍보영상을 완성하는 방식이었다. 통상적으로 이를 실현하기 위해서는 템플릿 등에 해당 파일을 설명할 수 있는 태그를 붙여서 분류하고 검색하는 방식을 사용하는데 정형화되지 않은 메타정보들을 포함하는 템플릿 등이 새롭게 추가될 경우 관리 및 분석을 위해 별도의 정형화 과정이 필요하다. 이 작업은 서비스 규모가 커지고 시간당 처리수가 증가할수록 부담이 된다. 이를 해결하고자 본 논문에서는 장면템플릿 관련 비정형 메타정보를 주제모델링 방법을 사용해서 자동 분류한다. 또한 홍보전략 및 홍보의도를 표현하는 정형화 되지 않은 전략메타정보를 이용해서 적절한 장면템플릿을 추천하는 방법을 제안한다.

• 한국인터넷방송통신학회논문지
• /
• 제21권3호
• /
• pp.99-105
• /
• 2021

넥플릭스,유튜브로 대표되는 OTT 동영상 제작 서비스에 인공지능으로 콘텐츠를 개인별 맞춤식 추천 시스템은 보편화 되었다. 유튜브의 개인별 맞춤 추천서비스 시스템은 두 개의 신경망으로 구성되는데 신경망 하나는 추천 후보생성 모델이고 다른 하나는 순위평가 네트워크로 구성된다. Netflix의 동영상 추천 시스템은 두 개 데이터 분류 시스템으로 구성되어 있으며 콘텐츠 기반 필터링과 협업 필터링으로 나누어진다. 코로나 펜데믹으로 온라인 플랫폼 주도의 콘텐츠 제작이 활성화 되면서 인공지능을 활용한 가상 인플루언서 분야가 부각되고 있다. 가상인플루언서는 GAN(Generative Adversarial Networks) 인공지능으로 제작되는데 성격이 다른 두 시스템이 서로 경쟁하는 방식으로 학습이 반복되는 비교사(Unsupervised) 학습 알고리즘이다. 이 연구는 AI 개인별 추천 기반 플랫폼과 가상인플루언서(메타버스)가 향후 OTT의 핵심콘텐츠로의 발전 가능성도 연구해 보았다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.281-283
• /
• 2021

국내 OTT(Over-the-top media service) 시장의 추천 서비스에서 거론되는 대표 업체는 Youtube와 Netflix이다. Youtube는 여러 방법을 거쳐 2016년부터 이용자의 시청 시간을 기록하여 이용하는 알고리즘을 머신러닝에 도입하면서 개인화된 추천을 본격화하였고, Netflix는 사용자의 선택한 영상, 시청 시간대, 영상 시청 기기 등 정보 수집을 통해 이용자를 분류하고 비슷한 시청 패턴을 가진 사람들을 같은 그룹에 묶는 방식과 영상을 직접 시청 후 사람이 태그(메타데이터)를 직접 기록하여 사용자로부터 수집한 정보와 영상에 붙은 태그 정보를 이용한다. 본 논문에서는 수기로 작성하던 영상 미디어의 메타데이터를 자동으로 생성하여 영상미디어의 추천을 개선하기 위한 방법을 제안하고자 한다.

• 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.

• 한국정보통신학회논문지
• /
• 제25권12호
• /
• pp.1716-1722
• /
• 2021

최근 동영상 콘텐츠 제공 서비스는 그 용량이 매우 증가하여 사용자 추천의 중요성이 증가하고 있다. 그리고 이러한 콘텐츠는 다양한 특성을 내포하고 있어 사용자가 지정한 키워드만으로 그 콘텐츠의 특징을 제대로 표현하기 어렵다. 그러므로 사용자가 정의한 키워드를 이용하는 기존의 추천 시스템은 개체의 특성을 제대로 반영하지 못하는 한계가 있다. 본 논문에서는 교육용 동영상 서비스 시스템의 콘텐츠 추천을 위한 기법 중 음성데이터 기반 자막을 이용한 분석과 영상의 키프레임을 이용한 영상 비교 기법의 효율성을 비교한다. 또한, 실험 결과를 통해 각 분석 기법이 효율적으로 활용될 수 있는 영상 콘텐츠의 유형 및 환경을 제안한다.