[논문]장르 판별 알고리즘을 이용한 책 장르 시각화

김효영; 박진완

doi:10.5392/jkca.2012.12.05.052

문제 정의

본 시각화의 독창성 및 차별점은, 한 권의 책이 갖는 4가지 장르별 독자적 단어와 그 장르 근접도가 하나의 이미지로 표현함으로써, 더 높은 장르 근접도를 갖는 장르적 속성이 시각적으로 대비되어 드러나도록 설계하고자 하였다는 점이다. 따라서 각 장르별로 임의의 색상을 할당하여 각 장르의 장르독자성 사전에 포함된 단어들과 각 장르별 근접도를 시각적으로 표현하고자 하였다. 색상의 할당은 [표 7]과 같다.
본 시각화의 독창성 및 차별점은, 한 권의 책이 갖는 4가지 장르별 독자적 단어와 그 장르 근접도가 하나의 이미지로 표현함으로써, 더 높은 장르 근접도를 갖는 장르적 속성이 시각적으로 대비되어 드러나도록 설계하고자 하였다는 점이다. 따라서 각 장르별로 임의의 색상을 할당하여 각 장르의 장르독자성 사전에 포함된 단어들과 각 장르별 근접도를 시각적으로 표현하고자 하였다.
그러나 서적의 장르는 매우 다양하여 모든 장르에 대한 정의 및 구분은 쉽지 않다. 본 연구는 단어로 장르의 특성을 파악하는 방법론적 기초 연구이므로 연구를 위한 실험 및 검증의 편의를 위해 보편적 서적 분류체계로 구분되고 있는 장르 중 4가지를 선정하여 실험을 진행하고자 하였다. 서적 장르 구분의 기준으로서, 전 세계적으로 널리 이용되고 있는 인터넷 서점인 아마존닷컴(amzon.
본 연구에서는 서적이 갖는 장르적 특성을 서적 본문에 직접 사용된 단어들을 바탕으로 파악해낼 수 있는 방법에 대해 고찰하고, 실험을 통한 검증을 토대로 서적 장르 시각화의 요소를 도출한 후, 이를 직관적이고 효율적으로 시각화하는 방법에 대해 서술하였다. 본 서적 장르 시각화 연구가 갖는 의의는 다음과 같다.
책의 장르는 대부분의 경우 출판사나 저자에 의해 분류되는데, 이는 주관적인 것으로 실제 책의 텍스트가 갖는 성격과는 다소 차이가 있을 수 있다. 본 연구에서는 이러한 점에 착안하여 서적 텍스트에 사용된 단어 데이터를 분석하여 서적의 장르를 판별할 수 있는 방법론에 대하여 기술하고, 이러한 방법론의 타당성을 검증하며, 이를 통하여 도출된 각 서적 텍스트의 장르 정보를 시각적 요소로 매핑하여 한 장의 직관적인 이미지의 형태로 시각화하는 방법을 제안한다.
이러한 맥락에서 텍스트 데이터를 분석하여, 시각적으로 표현하고자 하는 요소를 도출한 뒤 이를 효과적인 시각적 요소로 매핑하여 하나의 이미지의 형태로 표현하고자 하는 텍스트 시각화에 관한 연구는, 방대한 데이터에서 파악하기 불가능한 복잡, 다양한 정보를 직관적으로 나타낼 수 있다는 점에서 정보 전달의 독창성 및 효율성을 갖는다. 본 연구에서는 이러한 텍스트 시각화 연구의 일환으로, 다양한 서적이 갖는 장르적 특성을 텍스트 데이터에 대한 분석을 토대로 도출한 후 이를 직관적인 하나의 이미지 포맷으로 표현하기 위한 방법론을 제시하고자 하였다. 이를 위해 서적의 장르적 성격을 나타내는 요인 도출을 위한 디지털 서적 데이터의 분석 및 처리 절차에 관한 연구와, 도출된 요인을 시각적 요소로 치환하는 방법에 대한 미학적, 디자인적 접근에 따른 구체적 내용을 기술한다.
본 연구에서는 임의의 서적 텍스트가 갖는 장르적 특성을 시각화하는 방법으로서 앞서 도출된 각 장르독자성 사전에 포함된 단어의 수와 함께 앞서 도출된 Average Word Distance를 통해 알 수 있는 4가지 장르에 대한 각 장르별 근접도를 요소로 하여 서적 텍스트 사용 단어 기반의 장르 정보를 직관적으로 표현하는 것을 최종 목표로 하였다. 따라서 이를 위해 시각적으로 표현되어야 할 필수 속성은 다음과 같다.
이 프로젝트에서는 소설이 갖는 텍스트 데이터를 ‘문학적 유기체(The Literary Organism)'로서 표현하여 개별 소설 고유의 문학적, 시각적 정체성을 나타내고자 하였다.
따라서 독자가 직접 책을 읽고 느끼게 되는 책의 장르와 상이한 경우가 발생하게 마련이다. 이를 위해 본 논문에서는 일반적인 장르 분류 기준으로 구분되는 특정 장르들의 고유의 단어 사전을 만들어 임의의 책을 이들 각각의 장르 사전들과 비교하는 과정을 거쳐 책의 단어 사용을 바탕으로 한 실질적 장르를 판별해 내는 것이다. 이는 구체적으로 다음과 같은 과정을 거친다.
이제 4개의 장르별로 각 장르의 특성을 강하게 갖는 단어들로 이루어진 장르독자성사전을 기준으로 임의의 책을 입력하여 그 책에 사용된 단어들과 각 장르독자성 사전을 비교하는 과정을 통하여 그 책이 어떤 장르에 가까운지를 도출하고자 한다.

제안 방법

4) 이렇게 만들어진 장르독자성사전을 기준으로 판별을 위해 입력된 책에 사용된 단어들과의 유사도를 분석하여 각 장르와 입력 책과의 근접도(closeness)를 파악한다.
각 장르별 색상을 [표 7]과 같이 할당한 후, 각 장르별 독자성사전에 있는 단어들과, 그 단어들의 장르 근접도를 시각적으로 표현하기 위해서 임의의 한 책에서 각 장르독자성사전에 포함된 단어가 나타날 경우 그 단어를 하나의 점(dot)으로 표현하되, 발견된 장르독자성사전에 해당하는 장르의 할당 색상을 갖도록 설계하였다. 그리고 각 단어에 대해 각 장르독자성사전에서 높은 순위에 위치할수록 점의 크기가 미세하게 커지면서 명도가 높아지도록 조정하였다.
앞서 제작한 장르빈도사전에서 보편 단어를 제외한 각 장르적 특성을 갖는 단어를 빈도순으로 간추려 ‘장르독자성사전’을 제작한다. 각 장르빈도사전과 보편빈도사전의 데이터베이스를 비교하여 특정 장르 사전에서만 등장하는 특이 단어를 골라내어 장르만의 독자성을 보여주는 단어를 추출한다. 이는 전체 사전에 비해 장르 사전에서 현격히 순위가 올라가는 단어, 즉 빈도순위 상승의 거리 값(distance)으로 순위를 정한 단어들의 집합이 된다.
각 장르별 색상을 [표 7]과 같이 할당한 후, 각 장르별 독자성사전에 있는 단어들과, 그 단어들의 장르 근접도를 시각적으로 표현하기 위해서 임의의 한 책에서 각 장르독자성사전에 포함된 단어가 나타날 경우 그 단어를 하나의 점(dot)으로 표현하되, 발견된 장르독자성사전에 해당하는 장르의 할당 색상을 갖도록 설계하였다. 그리고 각 단어에 대해 각 장르독자성사전에서 높은 순위에 위치할수록 점의 크기가 미세하게 커지면서 명도가 높아지도록 조정하였다. 이렇게 분산된 점으로만 표현할 경우 전체적으로 각 장르별 근접도를 명확하게 구분하기 어렵게 될 수 있으므로, 같은 색상을 갖는 두 점들을 하나의 선으로 연결하되 상대적으로 더 많은 Word-Hit을 갖는 장르일수록 시각적으로 더 두드러지게 표현될 수 있도록 [그림 6]과 같이 베지어 곡선(Bezier Curve)¹⁾으로 표현하였고, 그 곡률을 상대적으로 더 크게 할당하였다.
그리고 이들 ‘장르빈도사전’에 등장하는 단어 중, 특정 장르의 성격을 갖기 보다는 보편적으로 많이 사용되는 단어를 제외하고, 실제로 특정 장르에서의 출현 빈도가 높은 단어를 판별하기 위해, ‘보편빈도사전’과 각 ‘장르빈도사전’의 빈도수를 비교, 분석하는 과정을 거쳐 ‘장르독자성사전’을 제작한다.
네 가지 장르의 대표서적으로, 먼저 판타지 장르의 경우 과거 판타지 소설의 양대 산맥인 J. R. R. Tolkien과 C. S. Lewis의 대표 작품인 ‘반지의 제왕’과 ‘나니아 연대기’와 함께, 현대 마법 판타지의 베스트셀러인 ‘해리포터와 마법사의 돌(1권)’을 추가로 선정하였고, 철학 장르의 경우 철학서의 고전인 플라톤의 저서와 칸트, 스피노자의 대표 저서를 선택하였다.
다음으로 각 장르별로 대표 서적을 선정하여 이들을 장르 대표 서적으로 할당하고, 이들 대표 서적에서 사용된 단어들을 빈도수로 정리한 ‘장르빈도사전’을 제작한다.
다음으로 위의 네 가지 장르 각각을 대표할 수 있는 대표 서적을 선별하여 각 장르별 대표 서적들에서 사용된 단어들의 출현 빈도수를 바탕으로 ‘장르빈도사전’을 제작한다.
[그림 3]은 Jack Kerouac의 소설 ‘On the Road’를 유기체적으로 시각화한 이미지이다. 단순한 트리구조로 표현하면서, 그 유기체적 느낌을 잘 살리기 위해 수작업으로 제작하였다. ‘On the Road'의 첫 번째 파트를 장 (chapter)으로 분리하고, 각 장은 절(paragraph)로, 절은 문장으로, 문장은 단어들로 분리한 후, 각 문장에 따른 단어의 수에 따라 조직화하여 표현하였다.
특히 1-2회 정도만 등장하는 단어가 많은데 이들은 보통 의성어, 의태어, 고유명사 혹은 오타에 기인한 것이다. 데이터베이스의 총량에 따라 본 사전의 제작기간이 크게 늘어나고, 빈도 수 하위 2%의 단어는 큰 의미가 없으므로 이들을 제외하고, 상위 20%에 속하는 10만 단어를 바탕으로 보편빈도사전을 제작하였다. [표 1]는 보편빈도사전에 포함된 단어들을 빈도수 순으로 나열한 것이다.
이렇게 분산된 점으로만 표현할 경우 전체적으로 각 장르별 근접도를 명확하게 구분하기 어렵게 될 수 있으므로, 같은 색상을 갖는 두 점들을 하나의 선으로 연결하되 상대적으로 더 많은 Word-Hit을 갖는 장르일수록 시각적으로 더 두드러지게 표현될 수 있도록 [그림 6]과 같이 베지어 곡선(Bezier Curve)¹⁾으로 표현하였고, 그 곡률을 상대적으로 더 크게 할당하였다. 또한 도출된 Word-Hit과 Average Word Distance로 판별된 각 장르별 근접도가 낮을수록 더욱 흐릿하게 표현하여(blur effect) 그 시각적 감도가 낮아지도록 함으로써, 결국 최종 이미지에서 가장 높은 근접도를 갖는 장르의 점과 라인의 색상이 상대적으로 더욱 눈에 띌 수 있도록 설계하였다.
이 작업은 총 3종류의 시각화 작업으로 이루어져있으며, 이중 가장 대표적인 것이 성경 텍스트 내의 교차 언급을 시각화한 ‘Bible Cross-References’이다. 성경 내에 교차적으로 언급되는 63,000여 개의 교차 언급을 막대(bar)와 호(arc)를 이용하여 시각적으로 표현하였다[그림 2]. 방대한 데이터를 인터랙션이 없는 하나의 이미지 형태로 시각화하기 위해 정보 전달이라는 기능적 측면보다는 심미적 측면에 중점을 둔 작업으로 볼 수 있다.
‘On the Road'의 첫 번째 파트를 장 (chapter)으로 분리하고, 각 장은 절(paragraph)로, 절은 문장으로, 문장은 단어들로 분리한 후, 각 문장에 따른 단어의 수에 따라 조직화하여 표현하였다. 여기에 11가지의 주제별 색상을 할당하여 적용함으로써 각 시각화 결과 이미지가 임의의 소설에 대한 주제와 내용을 시각적으로 나타내도록 하였다. 이에 따라 여러 문학 작품에 대한 주제와 성격 및, 작가에 따른 문장과 문체의 차이점 등을 느낄 수 있도록 했다는 점에서 그 의의를 갖는다.
그리고 각 단어에 대해 각 장르독자성사전에서 높은 순위에 위치할수록 점의 크기가 미세하게 커지면서 명도가 높아지도록 조정하였다. 이렇게 분산된 점으로만 표현할 경우 전체적으로 각 장르별 근접도를 명확하게 구분하기 어렵게 될 수 있으므로, 같은 색상을 갖는 두 점들을 하나의 선으로 연결하되 상대적으로 더 많은 Word-Hit을 갖는 장르일수록 시각적으로 더 두드러지게 표현될 수 있도록 [그림 6]과 같이 베지어 곡선(Bezier Curve)¹⁾으로 표현하였고, 그 곡률을 상대적으로 더 크게 할당하였다. 또한 도출된 Word-Hit과 Average Word Distance로 판별된 각 장르별 근접도가 낮을수록 더욱 흐릿하게 표현하여(blur effect) 그 시각적 감도가 낮아지도록 함으로써, 결국 최종 이미지에서 가장 높은 근접도를 갖는 장르의 점과 라인의 색상이 상대적으로 더욱 눈에 띌 수 있도록 설계하였다.
이렇게 수집된 책들에서 사용된 단어들을 추출해낸 데이터를 바탕으로 ‘보편 빈도사전’을 제작하였다.
이렇게 제작된 ‘장르독자성사전’을 바탕으로 임의의 책을 알고리즘에 대입하여 각 장르독자성사전과 비교하는 과정을 거쳐 사용 단어의 장르 근접도를 도출한다.
이렇게 수집된 책들에서 사용된 단어들을 추출해낸 데이터를 바탕으로 ‘보편 빈도사전’을 제작하였다. 이를 위해 Java 기반 언어인 processing을 이용하여 프로그램을 개발하였고, 전형적인 string operation과 token 알고리즘, 그리고 binary search 알고리즘, quick sort 알고리즘 등 데이터베이스 구성을 위한 기능을 할당하였다. 이 사전은 단어 빈도 (frequency)와 그에 따른 순위(rank)를 보관한다.
이를 위해 먼저 최대한 많은 디지털 서적 데이터를 수집하여 분석한 후, 이들 서적에 사용된 단어로 ‘보편 빈도사전’을 제작한다.
본 연구에서는 이러한 텍스트 시각화 연구의 일환으로, 다양한 서적이 갖는 장르적 특성을 텍스트 데이터에 대한 분석을 토대로 도출한 후 이를 직관적인 하나의 이미지 포맷으로 표현하기 위한 방법론을 제시하고자 하였다. 이를 위해 서적의 장르적 성격을 나타내는 요인 도출을 위한 디지털 서적 데이터의 분석 및 처리 절차에 관한 연구와, 도출된 요인을 시각적 요소로 치환하는 방법에 대한 미학적, 디자인적 접근에 따른 구체적 내용을 기술한다.
이를 위해 앞서 언급한 단어 빈도수 추출 프로그램을 통하여 입력 책의 단어를 빈도순으로 정리한 단어 사전을 만들고, 이를 각 장르독자성사전에 등재된 단어들과 비교하는 프로세스를 행하도록 알고리즘을 설계하였다. 임의의 입력 서적에 있는 단어가 각 장르독자성사전에서 발견될 경우, 이를 ‘Word-Hit’이라 칭하고, 각 동일 단어 사이의 순위의 차이를 구하여 그 값의 평균을 ‘Average Word Distance’라 명명하였다.
첫째, 일반적으로 저자나 출판사에 의해 주관적으로 분류되는 책의 장르를 책에 직접 사용된 단어 데이터의 분석을 바탕으로 해당 서적의 실질적 장르를 판단하는 방법론에 대하여 제안하고, 이를 검증하였다.
성경의 각 권 (book)은 흰색과 밝은 회색으로 번갈아가며 구분하여 표현하였고, 각 장에 있는 절(verse)의 수가 많을수록 막대의 길이가 길어진다. 총 63,779개의 교차 언급은 하나의 호(arc)의 형태로 나타내었고, 교차 언급된 두 개의 각 장(chapter)의 거리에 따라 색상을 다르게 입혀 마치 무지개와 같은 시각적 효과를 갖도록 하였다.

대상 데이터

대부분의 서적에서 보편적으로 많이 사용되는 단어를 빈도순으로 정리하기 위해 다양한 장르로 이루어진 4,000권의 디지털 서적을 데이터 파일 형태로 수집하였다. 본 연구에서는 데이터 수집의 용이성을 위해 영문 서적 데이터를 대상으로 하였다.
또한 여성소설 장르의 대표작으로 대표적 현대 여류 작가인 Jordi Picoult의 대표적 여성 소설로 알려진 ’House Rules'와 함께 고전 여성소설의 대명사인 Jane Austin의 ’오만과 편견(Pride and Prejudice)'과 ‘Sense and Sensibility)'를 선정하였고, S. F 장르의 대표 서적으로는 S. F 소설의 아버지로 불리우는 대표적 세 저자인 Arthur C. Clarke와 Robert A. Heinlein, 그리고 Isaac Asimov의 대표작을 각각 1-2권 선정하였다.
대부분의 서적에서 보편적으로 많이 사용되는 단어를 빈도순으로 정리하기 위해 다양한 장르로 이루어진 4,000권의 디지털 서적을 데이터 파일 형태로 수집하였다. 본 연구에서는 데이터 수집의 용이성을 위해 영문 서적 데이터를 대상으로 하였다. 이렇게 수집된 책들에서 사용된 단어들을 추출해낸 데이터를 바탕으로 ‘보편 빈도사전’을 제작하였다.
실험을 위한 각 장르별 대표 서적으로는 판타지의 경우 ‘해리포터 3권’, 철학서적으로는 B. Russeell의 ‘마음의 분석(The Analysis of Mind), S. F 장르로서 Stanislaw Lem의 ’ 솔라리스(Solaris)', 여성소설로는 Luisa May Alcott의 ‘작은 아씨들(Little Women)'을 각각 선정하였다.
실험을 위해 선정된 책은 각각 가족적이면서도 판타지 성격을 보이는 Lewis Carroll의 ‘Alice's Adventures in Wonderland(이상한 나라의 앨리스)’와 S. F 서적이면서도 철학적인 사고가 돋보이는 Stanislaw Lem의 ‘Solaris(솔라리스)’, 그리고 판타지 소설의 대표작인 J. K. Rowling의 ‘Harry Potter and the Prisoner of Azkaban(해리포터와 아즈카반의 죄수)’, 대표적 여류소설 작가인 Jodi Picoult의 소설 ‘Nineteen Minutes’, Bertrand Russell의 철학책인 ‘The Analysis of Mind(정신분석)’, 그리고 Adam Smith의 ‘An Inquiry into the Nature and Causes of the Wealth of Nations(국부론)’, 가족 소설의 고전으로 자매들 간의 이야기를 다루고 있는 Louisa May Alcott의 ‘Little Women(작은 아씨들)’이다.

성능/효과

1) 충분히 많은 책을 분석하여(본 연구에서는 총 4천권의 책을 분석하였다) 평균적인 단어의 빈도수를 측정하여 ‘보편빈도사전’을 만든다.
3) 보편빈도사전과 장르빈도사전의 단어의 빈도를 비교하여 장르빈도사전에서 나타나는 특이 단어, 즉 특정 장리에 보다 빈번히 쓰이는 단어를 바탕으로 ‘장르독자성사전’을 만든다.
4가지 장르빈도사전을 만든 결과, [표 4]와 같이 문장을 구성하는 필수적인 요소로서의 기본 단어(대명사, 전치사, 접속사 등)가 자연스럽게 높은 순위를 차지하고 있음을 알 수 있다. 따라서 이것만으로는 각 장르별 단어의 독자성을 판단하기에는 무리가 있기 때문에, 이러한 보편적 단어들을 제외한 장르 특유의 독자성을 강하게 띄는 단어들을 판별해내는 과정을 거쳐야 한다.
둘째, 도출된 장르 근접도를 바탕으로 제안된 시각화 결과 이미지를 통해 해당 서적이 갖는 장르 근접도 정보를 한 눈에 직관적으로 파악할 수 있다.
분석 결과 4,000권의 책 속에는 총 약 50만 개의 단어가 등장하는데, 이를 빈도수로 나열한 단어 순위의 상위 20%를 차지하는 약 10만개의 단어가 전체 사용 단어의 98% 이상의 비율을 차지하고 있었다. 특히 1-2회 정도만 등장하는 단어가 많은데 이들은 보통 의성어, 의태어, 고유명사 혹은 오타에 기인한 것이다.
셋째, 시각화 결과 이미지를 통해 한 책이 갖는 복합 장르적 특성을 알 수 있음과 동시에, 이미지 내의 점(dot)의 개수와 곡선의 곡률, 밝기 등을 통해 대표 장르로 파악된 장르의 근접도(유사도)를 짐작할 수 있다.
이렇게 제작된 ‘장르독자성사전’을 바탕으로 임의의 책을 알고리즘에 대입하여 각 장르독자성사전과 비교하는 과정을 거쳐 사용 단어의 장르 근접도를 도출한다. 이러한 일련의 과정을 통해 도출된 장르 근접도를 하나의 이미지로서 표현하기 위해 각 장르의 근접도에 해당하는 속성을 시각적 요소와 매핑하여 하나의 직관적 이미지로 시각화하는 방법을 제안하고, 결과 이미지 분석을 통해 제안된 시각화 방법론의 타당성을 검증한다.
입력된 7권의 책들에 대한 장르 접근도 추출 결과 7권 모두 예외 없이 우리가 일반적으로 인식하고 있는 장르와 일치하는 결과를 보이고 있을 뿐 아니라, ‘Solaris’와 같이 S. F이면서도 철학적인 내용을 동시에 갖는 책의 경우 철학 장르와 S. F 장르 모두 연관성이 있는 것으로 나타나, 한 책에 대한 복합 장르적 성격까지 유추할 수 있었다.

후속연구

나아가 본 연구에서 제안된 시각화 연구 프로세스는 개별 소비자 자신이 선호하는 서적들에 대한 개인별 선호 서적(또는 장르) 이미지를 제공하는 등 서적 추천 시스템 등의 북 커스터마이징(book customizing) 서비스 분야에도 다양하게 활용될 수 있다는 점에서 연구의 가치를 갖는다.

핵심어	질문	논문에서 추출한 답변
	텍스트 시각화란?	텍스트 시각화는 데이터 시각화의 한 분야로, 방대한 텍스트 데이터에 대한 다양한 분석 기법을 바탕으로 텍스트의 내용적 측면은 물론 구조적, 형식적 측면을 시각적으로 재현(represent)해내는 방법에 관한 연구이다[1]. 텍스트 시각화에 대한 연구는 텍스트의 내용을 다양한 시각 요소로 표현하는 기본적인 접근부터, 텍스트의 내용 또는 그 안에 숨어있는 스토리텔링을 새로운 관점으로 재조명 하거나, 보이지 않는 관계적 측면을 시각적 재현을 통해 드러내는 등의 다양한 접근 방식을 갖는다.
	텍스트 시각화의 재료 데이터가 되는 텍스트의 양이 방대해질 경우 가지는 단점은?	텍스트 시각화의 재료 데이터가 되는 텍스트의 경우, 그 양이 방대해질 경우 전체적인 주제와 내용 및 그 데이터가 갖는 관계 등을 파악하기가 매우 어렵게 된다[2]. 이러한 맥락에서 텍스트 데이터를 분석하여, 시각적으로 표현하고자 하는 요소를 도출한 뒤 이를 효과적인 시각적 요소로 매핑하여 하나의 이미지의 형태로 표현하고자 하는 텍스트 시각화에 관한 연구는, 방대한 데이터에서 파악하기 불가능한 복잡, 다양한 정보를 직관적으로 나타낼 수 있다는 점에서 정보 전달의 독창성 및 효율성을 갖는다.
	텍스트 시각화 연구를 통해 가지는 의의와 활용점은?	본 연구에서는 이러한 텍스트 시각화 연구의 일환으로, 서적이 갖는 장르적 특성을 서적 본문에 직접 사용된 단어들을 바탕으로 파악해낼 수 있는 방법에 대해 고찰하고, 실험을 통한 검증을 바탕으로 서적 장르 시각화의 요소를 도출한 후, 이를 직관적이고 효율적으로 시각화하는 방법에 대해 서술하였다. 본 연구에서 제안하는 시각화는 첫째, 책에 직접 사용된 단어를 토대로 책의 실질적 장르를 파악할 수 있으며, 둘째, 시각화 결과 이미지를 통해 해당 서적이 어떤 장르와 가장 가까운지 한 눈에 파악할 수 있을 뿐 아니라, 한 책이 갖는 복합 장르적 특성을 알 수 있도록 해주고, 이미지 내의 점(dot)의 개수와 곡선의 곡률, 밝기 등을 통해 대표 장르로 파악된 장르의 근접도(유사도)를 짐작할 수 있다는 점에서 그 의의를 갖는다. 나아가 개별 소비자 자신이 선호하는 서적들에 대한 적용을 통해 개인별 선호 서적(또는 장르) 이미지를 제공하는 등 서적 추천 시스템과 같은 북 커스터마이징(book customizing)과 같은 분야에도 다양하게 활용될 수 있다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

장르 판별 알고리즘을 이용한 책 장르 시각화
Book Genre Visualization based on Genre Identification Algorithm 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (7)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

장르 판별 알고리즘을 이용한 책 장르 시각화 Book Genre Visualization based on Genre Identification Algorithm 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (7)

이 논문을 인용한 문헌

저자의 다른 논문 :

김효영 (3) 박진완 (30)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

장르 판별 알고리즘을 이용한 책 장르 시각화
Book Genre Visualization based on Genre Identification Algorithm 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper