본 연구에서는 보행자의 이동(Navigation)지원을 목적으로 한 감성검색시스템의 구축(Implementation)에 있어 시스템의 주요 구성요소 중의 하나인 보행자 감성모델을 사용자의 감성에 일치시키는 방법에 대해 제안하고, 평가실험을 통하여 모델의 타당성을 검증하였다. 가상의 목적지를 의미하는 인테리어 이미지 화상을 이용하여 데이터베이스를 작성한 후 10명의 실험 참가자를 대상으로 각각 5회에 걸쳐 목적지 검색과 만족도에 대한 평가실험을 실시하였다. 실험 참가자에게는 각 실험단계마다의 검색결과에 대해 만족도를 평가하도록 하였으며, 피험자로부터의 피드백 데이터를 이용하여 데이터베이스에 구축된 보행자 감성모델을 반복적으로 학습하도록 하였다. 평가실험 종료 후 보행자 감성모델의 학습효과를 확인하기 위하여 재현율(Recall ratio), 적합율(Precision ratio), 검색순위(Retrieval ranking), 만족도(Satisfaction level)를 비교하였다. 실험결과 5회의 학습을 통하여 재현율, 적합율, 검색순위, 만족도 등이 모두 유의미한 수준으로 상승된 것으로 나타나 본 논문에서 제안하는 보행자 감성모델의 학습방법이 개인의 감성을 획득하는 방법으로서 유효하다는 점을 확인하였다. 또한 본 연구에서 제안한 보행자 감성모델은 상업공간의 인테리어와 같은 시각적 이미지 화상을 대상으로 한 모바일 콘텐츠 제공시스템의 개발에 있어서도 유효하다는 점을 확인하였다. 향후 다양한 분야의 정보기기 콘텐츠의 개발에 있어 본 연구에서 제안한 보행자 감성모델이 사용자 개인의 감성을 획득하는 방법론으로 활용될 수 있을 것으로 기대된다.
본 연구에서는 보행자의 이동(Navigation)지원을 목적으로 한 감성검색시스템의 구축(Implementation)에 있어 시스템의 주요 구성요소 중의 하나인 보행자 감성모델을 사용자의 감성에 일치시키는 방법에 대해 제안하고, 평가실험을 통하여 모델의 타당성을 검증하였다. 가상의 목적지를 의미하는 인테리어 이미지 화상을 이용하여 데이터베이스를 작성한 후 10명의 실험 참가자를 대상으로 각각 5회에 걸쳐 목적지 검색과 만족도에 대한 평가실험을 실시하였다. 실험 참가자에게는 각 실험단계마다의 검색결과에 대해 만족도를 평가하도록 하였으며, 피험자로부터의 피드백 데이터를 이용하여 데이터베이스에 구축된 보행자 감성모델을 반복적으로 학습하도록 하였다. 평가실험 종료 후 보행자 감성모델의 학습효과를 확인하기 위하여 재현율(Recall ratio), 적합율(Precision ratio), 검색순위(Retrieval ranking), 만족도(Satisfaction level)를 비교하였다. 실험결과 5회의 학습을 통하여 재현율, 적합율, 검색순위, 만족도 등이 모두 유의미한 수준으로 상승된 것으로 나타나 본 논문에서 제안하는 보행자 감성모델의 학습방법이 개인의 감성을 획득하는 방법으로서 유효하다는 점을 확인하였다. 또한 본 연구에서 제안한 보행자 감성모델은 상업공간의 인테리어와 같은 시각적 이미지 화상을 대상으로 한 모바일 콘텐츠 제공시스템의 개발에 있어서도 유효하다는 점을 확인하였다. 향후 다양한 분야의 정보기기 콘텐츠의 개발에 있어 본 연구에서 제안한 보행자 감성모델이 사용자 개인의 감성을 획득하는 방법론으로 활용될 수 있을 것으로 기대된다.
For an emotion retrieval system implementation to support pedestrian navigation, coordinating the pedestrian emotion model with the system user's emotion is considered a key component. This study proposes a new method for capturing the user's model that corresponds to the pedestrian emotion model an...
For an emotion retrieval system implementation to support pedestrian navigation, coordinating the pedestrian emotion model with the system user's emotion is considered a key component. This study proposes a new method for capturing the user's model that corresponds to the pedestrian emotion model and examines the validity of the method. In the first phase, a database comprising a set of interior images that represent hypothetical destinations was developed. In the second phase, 10 subjects were recruited and asked to evaluate on navigation and satisfaction toward each interior image in five rounds of navigation experiments. In the last phase, the subjects' feedback data was used for of the pedestrian emotion model, which is called ‘learning' in this study. After evaluations by the subjects, the learning effect was analyzed by the following aspects: recall ratio, precision ratio, retrieval ranking, and satisfaction. Findings of the analysis verify that all four aspects significantly were improved after the learning. This study demonstrates the effectiveness of the learning algorithm for the proposed pedestrian emotion model. Furthermore, this study demonstrates the potential of such pedestrian emotion model to be well applicable in the development of various mobile contents service systems dealing with visual images such as commercial interiors in the future.
For an emotion retrieval system implementation to support pedestrian navigation, coordinating the pedestrian emotion model with the system user's emotion is considered a key component. This study proposes a new method for capturing the user's model that corresponds to the pedestrian emotion model and examines the validity of the method. In the first phase, a database comprising a set of interior images that represent hypothetical destinations was developed. In the second phase, 10 subjects were recruited and asked to evaluate on navigation and satisfaction toward each interior image in five rounds of navigation experiments. In the last phase, the subjects' feedback data was used for of the pedestrian emotion model, which is called ‘learning' in this study. After evaluations by the subjects, the learning effect was analyzed by the following aspects: recall ratio, precision ratio, retrieval ranking, and satisfaction. Findings of the analysis verify that all four aspects significantly were improved after the learning. This study demonstrates the effectiveness of the learning algorithm for the proposed pedestrian emotion model. Furthermore, this study demonstrates the potential of such pedestrian emotion model to be well applicable in the development of various mobile contents service systems dealing with visual images such as commercial interiors in the future.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
마지막으로 본 연구에서 제안한 보행자 감성모델을 발전시키기 위하여 해결해야할 과제에 대하여 기술한다. 먼저, 쇼핑이나 점포정보 등과 같이 대규모의 데이터를 이용하여 감성검색시스템을 구축할 경우에는 표준 감성모델의 작성에 필요한 감성평가데이터의 수집이 물리적으로 불가능하다.
본 연구에서는 2차원 행렬로 기술되어 있는 퍼지 시소러스인 보행자 감성모델의 학습방법을 복잡한 문제의 최적화 방법의 일종인 최대 경사법에 기초하여 제안하였다. 제안한 보행자 감성모델이 상업시설의 인테리어 공간과 같은 시각적 감성유발자극을 대상으로 한 콘텐츠의 검색에 있어서도 유효한가를 검증하기 위하여 100개의 이미지 화상을 이용한 간이 데이터베이스를 구축하여 평가실험을 실시하였다.
따라서 표준 감성모델을 자동적으로 구축하기 위한 방법의 개발이 필요하다. 본 연구에서는 이를 위해 후속연구로서 색채의 물리적 특징량을 자동적으로 추출하는 프로그램을 개발하고, 이를 이용하여 표준 감성모델을 구축하는 방법에 대해 검토하고 있다. 다음으로 보행자 개인의 감성은 내비게이션 상황이나 물리적 환경조건에 변화하는 상황의존성을 지니고 있다.
그러나 선행연구에서는 지식베이스의 학습을 통한 보행자 감성모델의 갱신방법에 대해서는 제안하고 있지 않았다. 이와 같은 점을 개선하기 위하여 본 연구에서는 보행자의 내비게이션지원을 목적으로 한 감성검색 시스템을 구축함에 있어 시스템의 구성요소 중의 하나인 보행자 감성모델을 사용자의 감각에 일치시키는 방법에 대해 제안하고, 평가실험을 통하여 모델로서의 타당성을 검증하고자 한다.
제안 방법
5회에 걸친 보행자 감성모델의 학습결과에 대한 실험참가자의 만족도를 실험 전과 후로 비교하였다. 표 6은 ‘Classic, Modern, Romantic, Cool’ 의 네 가지 감성어에 대한 학습 전과 후의 만족도를 비교한 것이다.
검색되어진 목적지 후보들을 브라우징하면서 자신의 감각에서 가장 많이 벗어난 이미지 화상을 한 개씩 선정한 후 자신의 감각보다 적합도가 지나치게 높다고 생각되는 이미지 화상에는 ‘Down’을, 자신의 감각보다 지나치게 낮다고 생각되는 이미지 화상에는 ‘Up’ 버튼을 선택하도록 하였다.
보행자가 직접 조작하는 클라이언트용 단말기에서 웹서버에의 접근은 SK Telecom의 Nate를 통하여 이루어지도록 하였다. 그러나 본 연구에서는 당초의 실험목적이 보행자 감성모델의 학습효과에 따른 타당성 검증이었기 때문에 데이터 수집의 효율성을 기하기 위하여 실제의 실험은 데스크 탑 환경에서 제작한 에뮬레이터를 이용하여 실시하였다.
따라서 퍼지 검색결과인 α-cut으로 구하여지는 크리스프 이미지 화상 집합을 평가검증을 위한 검색결과로 해석하였다.
재현율과 적합율을 계산하기 위하여 필요한 정답집합은 감성평가실험에서 피험자가 응답한 반응데이터를 이용하여 사전에 구하여 놓았다. 또한 학습효과의 검증을 위해 학습 전과 학습 후의 만족도를 비교하였고, 각 감성어휘에 대한 검색결과들의 학습 전과 후의 순위변화의 추이를 비교분석하였다.
검색실험은 보행자 감성모델에 대한 학습과정의 추이를 보기 위하여 모두 5회에 걸쳐 반복적으로 수행되었다. 마지막으로 5회 째의 실험 종료 후 검색결과들에 대하여 학습 전과 비교한 주관적 만족도를 100점 만점으로 평가하도록 하였다. 평가실험을 위한 감성어로는 ‘Classic’, ‘Modern’, ‘Romantic’, ‘Cool’의 네가지를 사용하였으며, 검색실험은 단일 감성어에 대해 각각 개별적으로 이루어졌다.
다음으로 검색대상인 100개의 이미지 화상이 내비게이션을 위한 가상의 목적지임을 주지시켰다. 목적지 검색과제는 단일 감성어를 키워드로 설정하여 수행하도록 하였다. 검색되어진 목적지 후보들을 브라우징하면서 자신의 감각에서 가장 많이 벗어난 이미지 화상을 한 개씩 선정한 후 자신의 감각보다 적합도가 지나치게 높다고 생각되는 이미지 화상에는 ‘Down’을, 자신의 감각보다 지나치게 낮다고 생각되는 이미지 화상에는 ‘Up’ 버튼을 선택하도록 하였다.
보행자 감성모델의 타당성 검증을 위하여 재현율(Recall ratio), 적합율(Precision ratio), 만족도(Satis faction level), 탐색순위(Retrieval ranking) 등 네 가지지표를 사용하였다. 재현율과 적합율은 정보검색 분야에서 데이터베이스의 신뢰성 검증을 위해 일반적으로 사용되는 다음의 식을 적용하여 산출하였다(Salton G.
보행자 내비게이션 지원을 위한 감성검색시스템의 구축에 있어 보행자 감성모델의 학습방법이 커피숍이나 레스토랑 등과 같은 시각적 이미지 화상에 대해서도 유의미한 효과를 나타내고 있는가를 검증하기 위하여 보행자 감성모델의 타당성 평가실험을 실시하였다. 초기 감성검색을 위한 표준 감성모델은 레스토랑 등을 나타내는 상업공간의 이미지 화상 100개와 25개의 감성어를 이용하여 작성하였다.
5를 이용하였고, 데이터베이스는 Microsoft Office Access 2007로 작성하였다. 보행자가 직접 조작하는 클라이언트용 단말기에서 웹서버에의 접근은 SK Telecom의 Nate를 통하여 이루어지도록 하였다. 그러나 본 연구에서는 당초의 실험목적이 보행자 감성모델의 학습효과에 따른 타당성 검증이었기 때문에 데이터 수집의 효율성을 기하기 위하여 실제의 실험은 데스크 탑 환경에서 제작한 에뮬레이터를 이용하여 실시하였다.
본 연구에서 구축한 감성검색시스템은 사용자가 검색 시 α-cut 수준을 스스로 설정하게 함으로써 검색결과의 수를 유연하게 조정할 수 있도록 하고 있다.
본 연구에서 제안하는 보행자 감성모델의 구축방법은 감성검색시스템의 사용자가 모바일 단말기를 이용하여 목적지나 경로를 반복적으로 검색함으로써 자신의 감성에 적합한 감성을 검색시스템이 지속적으로 획득할 수 있다는 점에 그 특징이 있다.
전술한 바와 같이 키워드를 이용한 검색시스템에서는 복수의 검색키워드 사이의 관련성을 기술한 시소러스가 사용된다. 본 연구에서는 보행자의 감성이 검색결과에 반영될 수 있도록 시소러스를 구성하고 있는 키워드 사이의 관련성을 [0, 1] 범위의 2차원 퍼지 행렬로 표현하였다. 여기에서 검색키워드는 ‘Modern’, ‘Classic’ 등의 감성을 나타내는 어휘가 되며, 이 어휘를 ‘감성어’로 표현하기로 한다.
본 연구에서는 이와 같이 보행자 자신의 감성에 맞는 정보를 탐색하기 위해 검색 시에 갱신되는 퍼지 시소러스를 ‘보행자 감성모델’로, 표준적인 집단의 평균 감성데이터를 이용하여 작성한 초기 퍼지 시소러스를 ‘표준 감성모델’로 정의하기로 한다.
실험자극의 제시, 반응데이터의 수집은 실험용 에뮬레이터 상에서 자동적으로 수행되도록 하였다. 실험용 감성검색시스템은 제어부, 자극표시, 반응수집부, 자극화상 저장부로 구성되었다. 제어부에는 웹서버가 사용되었고, 윈도우상에서 실험제어 프로그램이 구동되도록 하였으며, 제어표시 및 반응수집부에는 모바일 폰 에뮬레이터가 이용되었다.
제어부에는 웹서버가 사용되었고, 윈도우상에서 실험제어 프로그램이 구동되도록 하였으며, 제어표시 및 반응수집부에는 모바일 폰 에뮬레이터가 이용되었다. 실험용 감성검색시스템은 지정된 인스트럭션, 자극제시, 반응수집, 휴식 및 종료의 지시를 수행하였다. 피험자가 마우스를 이용하여 검색결과에 대한 만족도를 평가한 모든 데이터는 데이터베이스 내의 보행자 학습이력 테이블에 자동적으로 기록되도록 하였다.
이러한 문제를 해결하기 위하여 데이터베이스의 이용자인 보행자가 제공하는 피드백 정보로부터 감성어 사이의 관련성을 사용자의 감성에 일치시키는 기능을 감성검색시스템에 내장하도록 하였는데, 본 연구에서는 이 기능을 보행자 감성모델의 ‘학습’이라고 정의하였다.
본 연구에서는 2차원 행렬로 기술되어 있는 퍼지 시소러스인 보행자 감성모델의 학습방법을 복잡한 문제의 최적화 방법의 일종인 최대 경사법에 기초하여 제안하였다. 제안한 보행자 감성모델이 상업시설의 인테리어 공간과 같은 시각적 감성유발자극을 대상으로 한 콘텐츠의 검색에 있어서도 유효한가를 검증하기 위하여 100개의 이미지 화상을 이용한 간이 데이터베이스를 구축하여 평가실험을 실시하였다. 5회의 검색실험에서 보행자 감성모델에 대한 학습결과 재현율, 적합율이 모두 상승한 것으로 나타났다.
평가실험을 위한 감성어로는 ‘Classic’, ‘Modern’, ‘Romantic’, ‘Cool’의 네가지를 사용하였으며, 검색실험은 단일 감성어에 대해 각각 개별적으로 이루어졌다.
대상 데이터
1인당 평균 실험시간은 50분(Median: 43분)이었다. 모든 피험자는 디자인 및 예술계열의 전공자들로서 평소 새로운 정보기기에 대한 관심이 많고, 터치스크린 모바일폰 등의 조작경험이 풍부하며, 레스토랑이나 커피숍 등을 이용함에 있어 분위기를 중시하는 사람들로 선정하였다.
실험에 참가한 피험자는 10명(남 5명, 여 5명)이었으며, 연령은 20~30대(Median: 24세)이었다. 1인당 평균 실험시간은 50분(Median: 43분)이었다.
보행자는 이들 공간의 감성평가에 있어서 부분적 요소보다는 전체적 이미지로 판단하는 인지적 특징을 가지고 있다. 이와 같은 보행자의 인지적 특징을 고려하여 100개의 상업공간 이미지 화상을 실험대상으로 선정하였다. 모든 자극은 바닥, 벽, 천정을 포함하는 이미지 화상들로 제한하였다.
모든 자극은 바닥, 벽, 천정을 포함하는 이미지 화상들로 제한하였다. 평가실험 시 100개의 실험자극은 검색결과 리스트를 나타내는 썸네일 이미지와 썸네일 이미지를 확대표시 하기 위한 상세 이미지 화면으로 구성하였다. 그림 1은 평가실험에 사용된 이미지 화상들의 일부를 나타낸 것이다.
이론/모형
본 연구에서는 퍼지 시소러스를 이용한 감성검색방법으로 Kim & Kitajima(2007)가 제안한 퍼지 데이터 검색법을 적용하였다.
이러한 점을 감안하여 본 연구에서는 퍼지집합으로 검색결과가 주어지는 데이터 검색법을 채용하고 있다. 이 방법에서는 검색결과가 검색조건에 일치하는 정도를 나타내는 [0, 1] 범위의 수치(멤버십 함수 값)가 부여된다.
한편 유저의 피드백을 효율적으로 보행자 감성모델에 반영시키기 위해서는 불필요한 감성어 사이의 관련도의 변경은 피하고 최적의 변경량을 구하지 않으면 안 된다. 이를 위해 본 연구에서는 비선형 문제에 대한 최적화 방법의 일종인 방법인 최대 경사법(Steepest descent method)을 감성어 사이의 관련도의 변경량 계산을 위한 방법으로 채용하였다(Ogawa, 1991). 최대 경사법에서 변경량 ΔWmn은 다음과 같이 결정된다.
재현율과 적합율은 정보검색 분야에서 데이터베이스의 신뢰성 검증을 위해 일반적으로 사용되는 다음의 식을 적용하여 산출하였다(Salton G. & McGill, M. J., 1986).
성능/효과
(1) 본 연구에서 제안한 보행자 감성모델의 학습방법은 집단의 감성데이터를 기초로 구축한 표준 감성모델로부터 개인감성의 추출과 활용에 유효하다는 점을 확인하였다.
(3) 감성이 중시되는 내비게이션에 있어 보행자가 이동환경에 대한 적절한 지식이 부족할 경우에도 본 연구에서 제안한 보행자 감성모델을 이용함으로써 내비게이션의 부조화를 조기에 극복할 수 있다.
1) 사용자에게는 감성어 사이의 관련도로부터 계산되어진 검색결과의 적합도만이 제시되기 때문에 사용자가 감성어 사이의 관련도를 직접 확인할 수는 없다. 따라서 사용자가 감성어 사이의 관련성을 평가하여 피드백한다는 것은 사실상 불가능하기 때문이다.
2) 감성어 사이의 관련도를 사용자가 알 수 있다고 하여도 감성어 수 자체가 많아질 가능성이 크기 때문에 사용자가 직접 감성어 사이의 관련도를 평가하여 피드백 하는 것은 사실상 불가능하다.
제안한 보행자 감성모델이 상업시설의 인테리어 공간과 같은 시각적 감성유발자극을 대상으로 한 콘텐츠의 검색에 있어서도 유효한가를 검증하기 위하여 100개의 이미지 화상을 이용한 간이 데이터베이스를 구축하여 평가실험을 실시하였다. 5회의 검색실험에서 보행자 감성모델에 대한 학습결과 재현율, 적합율이 모두 상승한 것으로 나타났다. 특히 퍼지 시소러스인 보행자 감성모델을 검색과정에 이용함으로써 종래의 크리스프 집합론에 기초한 키워드 검색방식에서는 저조하였던 재현율이 29.
감성어‘Cool’의 재현율이 가장 높은 것으로 나타났으며, 네가지 감성어의 평균 재현율은 57.1%이었다.
결과적으로 실험결과 재현율, 적합율이 학습이 진행됨과 동시에 모두 상승하였으며, 학습 전과 비교하여 학습 후의 검색결과에 정답 이미지 화상들이 상위 순위에 위치하고 있다는 것을 알 수 있었다.
결론적으로 본 연구에서 제안한 보행자 감성모델의 학습방법이 상업공간의 인테리어와 같은 시각적 이미지 화상에 대하여도 동일한 학습효과를 보였다는 점을 확인할 수 있었다.
이것은 α 값이 클 경우 정확도가 높은 이미지 화상들만이 검색결과에 포함되기 때문이다. 그 결과 검색결과에 포함되는 정답 이미지 화상의 수가 적어짐으로써 재현율은 낮아지나, 정확도가 높은 이미지 화상은 증가하고 부정확한 이미지 화상은 적어지기 때문에 적합율은 상승하게 되는 것이다. 따라서 검색조건에 따라 달라지는 재현율과 적합율을 계산하기 위해서는 적절한 상태의 α 값을 결정하는 방법이 필요하다.
네 가지의 감성어에 대한 학습 전 평균 만족도는 48%이었으나 학습 후에는 65%로 상승한 것으로 나타나 평균 17%의 학습에 의한 만족도 상승효과가 있었음을 알 수 있었다.
7%이었다. 네 개의 감성어에 대한 평균 순위변화의 수와 변화율은 각각 7개, 59.8%이었다. 순위변화가 가장 적은 감성어는 Classic(2.
4%이었다. 따라서 종래의 키워드 검색방법에 비하여 본 연구에서 적용한 퍼지 감성검색법을 이용하였을 때 재현율이 27.7%로 상승한 것을 알 수 있다. 또한 5회의 학습과정을 거친 후의 재현율은 Classic (70.
따라서 표준 감성모델을 이용하여 피험자별로 생성하는 보행자 감성모델의 구축방법이 검색자의 개인 대응형 감성모델 작성방법으로서 타당하다는 것을 확인할 수 있었다.
7%로 상승한 것을 알 수 있다. 또한 5회의 학습과정을 거친 후의 재현율은 Classic (70.2%), Modern(69.5%), Romantic(60.4%), Cool(75.1%) 으로 나타났으며, 평균 재현율은 68.8%이었다. 따라서 퍼지 검색방법을 사용한 경우에 있어서도 보행자 감성모델의 학습을 통해 학습 후의 재현율이 11.
8%로 크게 상승한 것으로 나타나 보행자 감성모델의 이용에 대한 유효성을 확인할 수 있었다. 또한 학습에 따른 순위변화의 추이를 살펴본 결과 평가실험이 반복됨에 따라 피험자 개인별로 작성되는 보행자 감성 모델이 점진적으로 검색자의 감각에 일치되어가는 과정을 확인할 수 있었다. 평균 만족도에 있어서도 학습 전 검색에서는 48%이었으나 5회 학습 후 검색에서는 65%로 나타나 평균 17%의 만족도 상승효과가 있었음을 알 수 있었다.
먼저 감성어 ‘Classic’을 살펴보면 표준 감성모델을 이용한 학습 전의 검색에서는 10명의 피험자 평균 만족도가 47%로 나타났으나, 학습 후에는 64%로 상승하였다.
보행자는 검색결과로부터 제시되는 각 검색후보에 대한 적합도를 보고 자신의 감성과 일치하는지의 여부를 판단하여 사용자 인터페이스를 통해 피드백 한다. 본 연구에서의 감성검색시스템에서는 검색결과에 대한 적합도가 사용자 인터페이스를 통하여 피드백 정보로 제시되기 때문에 사용자는 검색결과 출력된 이미지 화상과 이에 대한 상세정보를 통해 출력 이미지 화상이 검색조건을 어느 정도 만족하고 있는가를 판단할 수 있다. 사용자의 이러한 판단은 보행자 감성모델의 학습을 위한 피드백으로 정보로 활용된다.
8%이었다. 순위변화가 가장 적은 감성어는 Classic(2.2개, 27.5%)이었고, 가장 큰 감성어는 Cool (11.8개, 78.7%)로 나타났다. 전체 피험자의 학습에 따른 평균 순위변화율의 추이를 보아도 평가실험이 반복됨에 따라 보행자 감성모델인 퍼지 시소러스가 검색자의 감성에 일치되는 방향으로 갱신되었음을 알 수 있다.
이상과 같은 네 가지 감성어에 대한 학습 전후의 만족도 비교로부터 보행자 감성모델의 학습방법이 개인의 감성을 획득하는 방법으로서 유효하다는 점을 확인하였다.
이상과 같은 실험결과로 볼 때 보행자 내비게이션 지원을 위한 정보검색에 있어 보행자 감성모델인 퍼지 시소러스를 검색자의 감각에 일치시키기 위해 제안한 학습방법이 상업시설의 인테리어 이미지와 같은 시각적 자극의 검색에 있어서도 유효하다는 것을 알 수 있다.
5%로 적합율이 크게 상승하였다. 키워드 검색방법에 비해 학습 전인 표준 보행자 감성모델을 이용한 경우 적합율이 16.2%로 상승하였으며, 5회 학습을 실행한 후의 검색에서는 18.4% 상승한 것으로 나타났다. 위와 같은 적합율의 변화로 볼 때 반복적인 검색실험이 진행되면서 퍼지 시소러스의 학습효과에 의해 보다 검색자의 감각에 일치하는 이미지 화상들이 많이 검색되었다는 것을 알 수 있다.
5회의 검색실험에서 보행자 감성모델에 대한 학습결과 재현율, 적합율이 모두 상승한 것으로 나타났다. 특히 퍼지 시소러스인 보행자 감성모델을 검색과정에 이용함으로써 종래의 크리스프 집합론에 기초한 키워드 검색방식에서는 저조하였던 재현율이 29.4%에서 68.8%로 크게 상승한 것으로 나타나 보행자 감성모델의 이용에 대한 유효성을 확인할 수 있었다. 또한 학습에 따른 순위변화의 추이를 살펴본 결과 평가실험이 반복됨에 따라 피험자 개인별로 작성되는 보행자 감성 모델이 점진적으로 검색자의 감각에 일치되어가는 과정을 확인할 수 있었다.
또한 학습에 따른 순위변화의 추이를 살펴본 결과 평가실험이 반복됨에 따라 피험자 개인별로 작성되는 보행자 감성 모델이 점진적으로 검색자의 감각에 일치되어가는 과정을 확인할 수 있었다. 평균 만족도에 있어서도 학습 전 검색에서는 48%이었으나 5회 학습 후 검색에서는 65%로 나타나 평균 17%의 만족도 상승효과가 있었음을 알 수 있었다.
표 2는 네 가지 감성어에 대한 α-cut 을 검색조건으로 지정하여 검색했을 때의 재현율을 종래의 키워드 검색방법과 비교한 것이다. 평균적인 감성평가 데이터를 기초로 작성되어 있는 표준 보행자 감성모델을 이용한 초기검색에서는 Classic(59.3%), Modern(58.3%), Romantic(50%), Cool(60.7%)으로 나타났다. 감성어‘Cool’의 재현율이 가장 높은 것으로 나타났으며, 네가지 감성어의 평균 재현율은 57.
후속연구
(2) 감성평가데이터를 기초로 구축한 표준 감성모델은 감성적 특징과 시각적 특징량 사이의 상관관계모델로 구성되어 감성 콘텐츠의 개발에 있어 사용자감성모델 구축을 위한 지식베이스로 활용될 수 있다.
다음으로 보행자 개인의 감성은 내비게이션 상황이나 물리적 환경조건에 변화하는 상황의존성을 지니고 있다. 따라서 정보검색 시 보행자의 감성적 판단을 결정짓는 내적, 외적요인과 검색 결과에 대한 피드백 정보 사이의 인과관계를 시계열적으로 분석하여 보행자 감성을 추정할 수 있는 예측모델의 개발에 대한 연구가 필요하다.
모바일 환경 하에서 개인의 감성을 고려하여 콘텐츠 정보를 제공하기 위해서는 먼저 감성을 유발시키는 자극에 대한 물리적 속성을 추출하고, 물리적 자극으로부터 사용자가 받아들이는 감성반응과의 인과관계를 규명하여 상호 간을 추정할 수 있는 기술의 개발이 선행되어야 한다. 또한 사용자의 감성특성이 정보검색과정에 유연하게 반영될 수 있는 검색 알고리즘 및 개인 감성모델의 학습방법이 개발되어야 한다. 마지막으로 모바일 환경 하에서 사용자에게 콘텐츠 정보를 제공하기 위한 감성검색시스템의 구축(Implementation)이 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
일반적인 검색시스템을 구성하는 세 가지 요소는?
일반적으로 검색시스템은 검색대상, 키워드, 색인의 세 가지 요소로 구성되며, 검색 시에는 사용자가 검색조건으로 지정한 키워드와 색인어 사이의 일치여부를 데이터베이스에 조회하여 최종적인 검색결과를 제시하게 된다. 여기에서 키워드와 색인어 사이의 관계는 이분법적인 크리스프(Crisp) 집합론에 기초하여 결정되기 때문에 색인어로 등록되어 있는 데이터만 검색결과로 제시된다.
개인의 감성적인 행동을 지원하기 위한 지능형 콘텐츠 개발의 실제 사례는?
특히 기존의 단순기능만을 제공하던 위젯 중심에서 사용자가 직접 제작한 콘텐츠를 이용할 수 있는 스마트폰 중심으로 휴대폰 환경이 변화하면서 개인의 감성적인 행동을 지원하기 위한 지능형 콘텐츠 개발의 필요성이 높아지고 있다. 실제로 iPhone(Apple사)이나 Nexus one(Google사) 등의 스마트폰에서는 GPS로부터 취득한 위치정보를 이용하여 보행자의 내비게이션 지원이나 주변정보 등의 정보서비스를 제공하고 있기도 하다.
보행자의 내비게이션 지원에 관련한 연구사례에는 어떤 것들이 있는가?
보행자의 내비게이션 지원과 관련해서는 현재까지 다수의 연구사례가 보고되고 있다. 대표적인 연구로는 보행자가 원하는 목적지를 구체적으로 추론하는 목적지 정보 검색에 대한 연구(Shibata et al., 2002), 목적지까지의 복수경로를 유전적 알고리즘을 이용하여 탐색하는 최적경로설정에 대한 연구(Maruyama et al., 2004; Akasaka & Onisawa, 2006), 경로유도에 있어 보행자의 인지적 특성을 고려한 정보표시방법에 대한 연구(Hukui et al., 2003; Akao et al., 2004) 등이 있다. 또한 시각정보로부터의 감성추출과 관련된 연구로는 디지털 전통공예 프리젠테이션을 위한 감성정보처리법(Miyakawa et al.
참고문헌 (12)
김돈한 (2006). 보행자의 감성을 고려한 경로탐색 지원 시스템 제안. 디자인학연구, 19(2), 81-90.
Akao, T., Daimon, T. & Kawashima H. (2004). Comparative study on Information contents of Route Guidance for Pedestrians, Sumposium on Mobile Interaction and Navigation(Japan), 83-88.
Akasaka, Y. & Onisawa, T. (2006). Pedestrian Navigation Reflecting Individual Preference for Route Selection, Soft(Japan), 18(6), 90-100.
Hukui, R. (2003). A Proposal and Evaluation Related to Display Method of Pedestrian Navigation Information Using Cellular Phone, Information Processing(Japan), 44(12), 2968-2978.
Kim, D. H. & Kitajima, M. (2007). A Proposal a Personal Navigation Support System considering Pedestrians' Preference, Bulletin of JSSD(Japan), 54(1), 41-48.
Konishi S., Nonaka H., & Kurihara M. (2008). Extraction and Application of Human Individulity in Colors Based on Hierarchy of Kansei Words, Soft (Japan), 20(1), 141-149.
Maruyama, A. (2004). P-Tour: A Personal Navigation System with Travel Schedule Planning and Route Guidance based on Schedule, Information Processing (Japan), 45(12), 2678-2687.
Miyakawa, A., Sugita, K., & Shibata, Y. (2004). Kansei Information Processing for Digital Traditional Crafting Presentation System, Information Processing (Japan), 45(2), 526-539.
Ogawa, Y., Morita, T., & Kobayashi, K. (1991). A Fuzzy document retrieval system using the keyword connection matrix and its learning method. Fuzzy Sets and System, 38, 17-41.
Salton G. & McGill, M. J. (1986). Introduction to Modern Information Retrieval. MsGrae-Hill.
Shibata, F. (2002). A Method for Inferring Destinations based on User's Situation for Indoor pedestrian navigation System, Information Processing (Japan), 43(12), 3809-3817.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.