최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.17 no.9, 2014년, pp.1125 - 1133
남민지 (Dept. of SW Convergence Engineering, Graduate School of Industrial Technology Convergence, Chosun University) , 김정인 (Dept. of Computer Engineering, Chosun University) , 신주현 (Dept. of Control and Measuring Robot Engineering, Chosun University)
Recently, there are many researches have been studying for analyzing user interests and emotions based on users profiles and diverse information from Social Network Services (SNSs) due to their popularities. However, most of traditional researches are focusing on their researches based on single res...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
영상분할은 무엇인가? | 그랩컷 알고리즘(GrabCut Algorithm)은 Rother가 제안한 영상분할(Segmentation) 알고리즘 기법 중의 하나이다[11]. 영상분할이란 사용자가 영상에서 선택한 영역 근처를 기반으로 자동으로 경계선을 추출해 주는 것을 말한다. | |
인스타그램은 어떤 기반의 SNS인가? | 인스타그램은 기존 텍스트 기반의 SNS가 아닌 이미지 기반의 SNS이며, 이미지를 통해 사람들과 정보와 감정을 공유한다. 본 절에서는 사용자가 게시하는 이미지 내 객체정보를 추출하고 이를 통하여 감정어휘 리스트를 추출하는 방법에 관해 기술한다. | |
SentiWordnet를 포함한 기존 연구방식의 문제점은? | [8]에서는 검색의 편리함을 위해 도입된 기능이기도 하지만, 어떤 특정 주제에 대해 관심과 지지를 드러내는 방식으로 사용되는 해쉬태그를 이용해 감정 분석을 하는데 적용하였고, [9]에서는 SentiWordnet이라는 감성 사전에 기반 하여 트위터의 게시글을 대상으로 감정 분석을 하였으며, [10]에서도 트위터의 게시글을 대상으로 기계학습 모델을 적용하여 감정을 분류하였다. 하지만 기존 연구들에서는 사용자의 감정을 측정하기 위해서 SNS의 한 가지 특징만을 고려하여 사용자의 감정을 분석한다는 문제점을 가진다. 본 논문에서는 기존 연구의 문제점을 해결하기 위해 SNS의 다양한 특징 중 이미지 정보에서 측정된 사용자의 감정과 텍스트 정보에서 측정된 사용자의 감정의 유사도를 측정해 더욱 정확한 사용자의 감정을 측정하는 방법을 제안하고자 한다. |
Q. Xu and Y.H. Pan, "Development of User-defined Weight List for Increasing the Usability of News Feed in Social Networking Services: based on Sina Weibo in China," The Human Computer Interaction Society of Korea, Vol. 2014, No. 2, pp. 707-711, 2014.
전 세계적으로 소셜 네트워크 서비스(SNS : Social Network Service)의 인기가 높아지면서 사회적인 관심의 대상으로 떠오르고 있으며, 연구 분야에서도 SNS를 활용한 연구가 활발히 진행되고 있다[1,2,3].
J.I. Kim, D.J. Choi, B.K. Ko, E.J. Lee, and P.K. Kim, "Extracting User Interests on Facebook," International Journal of Distributed Sensor Networks, Vol. 2014, No. 2014, pp. 1-5, 2014.
전 세계적으로 소셜 네트워크 서비스(SNS : Social Network Service)의 인기가 높아지면서 사회적인 관심의 대상으로 떠오르고 있으며, 연구 분야에서도 SNS를 활용한 연구가 활발히 진행되고 있다[1,2,3].
E.K. Chung and J.W. Yoon, "An Analysis of Image Use in Twitter Message," Korean Biblia Society for Library and Information Science, Vol. 24, No. 4, pp. 75-90, 2013.
E.G. Kwon, J.W. Kim, N.J. Heo, and S.G. Kang, "Personalized Recommendation System using Level of Cosine Similarity of Emotion Word from Social Network," Journal of Information Technology and Architecture, Vol. 9, No. 3, pp. 333-344, 2012.
최근 개인별 특성이 반영된 서비스를 지원하는 개인 맞춤형 시스템에 대한 연구가 활발히 진행되고 있다[4].
J.H. Cho, "Psychology Analysis using Color Histogram Clustering," The Journal of The Korea Institute of Electronic Communication Science, Vol. 8, No. 3, pp. 415-420, 2013.
인간의 감정을 분석하기 위한 기존 연구에는 심리학 및 색채 분야에서 이미지의 색상을 활용하는 연구들이 있다[5-7].
[5]에서는 사용자의 그림을 히스토그램 클러스터링을 이용해 추출한 색채정보를 활용하여 심리상태를 분석하였고, [6]에서는 감정을 표현하는 색채를 감성형용사 연구를 기반으로 추출하고 색상, 채도, 명도 즉, 3가지 변수들의 상관관계를 분석했으며, 색채의 특성을 분석함으로써 감성에 영향을 주는 요소가 무엇인지 연구하였고, [7]에서는 색채와 감성어휘의 대응관계를 사용자 색체 감성모델로 작성해, 감성검색을 위해 지식베이스를 자동으로 구축하는 방법을 제안했다.
H.S. Song, "A Study on Emotional Color for Relaxation and Distress in Visual Media," The Treatise on The Plastic Media, Vol. 15, No. 1, pp. 93-102, 2012.
인간의 감정을 분석하기 위한 기존 연구에는 심리학 및 색채 분야에서 이미지의 색상을 활용하는 연구들이 있다[5-7].
[5]에서는 사용자의 그림을 히스토그램 클러스터링을 이용해 추출한 색채정보를 활용하여 심리상태를 분석하였고, [6]에서는 감정을 표현하는 색채를 감성형용사 연구를 기반으로 추출하고 색상, 채도, 명도 즉, 3가지 변수들의 상관관계를 분석했으며, 색채의 특성을 분석함으로써 감성에 영향을 주는 요소가 무엇인지 연구하였고, [7]에서는 색채와 감성어휘의 대응관계를 사용자 색체 감성모델로 작성해, 감성검색을 위해 지식베이스를 자동으로 구축하는 방법을 제안했다.
D.H. Kim and K.H. Seo, "Applying Emotional Information Retrieval Method to Information Appliances Design-The Use of Color Information for Mobile Emotion Retrieval System," Korean Journal of the Science of Emotion & Sensibility, Vol. 13, No. 3, pp. 501-510, 2010.
인간의 감정을 분석하기 위한 기존 연구에는 심리학 및 색채 분야에서 이미지의 색상을 활용하는 연구들이 있다[5-7].
[5]에서는 사용자의 그림을 히스토그램 클러스터링을 이용해 추출한 색채정보를 활용하여 심리상태를 분석하였고, [6]에서는 감정을 표현하는 색채를 감성형용사 연구를 기반으로 추출하고 색상, 채도, 명도 즉, 3가지 변수들의 상관관계를 분석했으며, 색채의 특성을 분석함으로써 감성에 영향을 주는 요소가 무엇인지 연구하였고, [7]에서는 색채와 감성어휘의 대응관계를 사용자 색체 감성모델로 작성해, 감성검색을 위해 지식베이스를 자동으로 구축하는 방법을 제안했다.
N. Gunawardena, J. Plumb, N. Xiao, and H. Zhang, "Instagram Hashtag Sentiment Analysis," 2013.
[8]에서는 검색의 편리함을 위해 도입된 기능이기도 하지만, 어떤 특정 주제에 대해 관심과 지지를 드러내는 방식으로 사용되는 해쉬태그를 이용해 감정 분석을 하는데 적용하였고, [9]에서는 SentiWordnet이라는 감성 사전에 기반 하여 트위터의 게시글을 대상으로 감정 분석을 하였으며, [10]에서도 트위터의 게시글을 대상으로 기계학습 모델을 적용하여 감정을 분류하였다.
I.S. Kang, "A Comparative Study on Using SentiWordNet for English Twitter sentiment Analysis," Journal of Korean Institute of Intelligent Systems, Vol. 23, No. 4, pp. 317-324, 2013.
J.S. Lim and J.M. Kim, "An Empirical Comparison of Machine Learning Models for Classifying Emotions in Korean Twitter," Journal of Korea Multimedia Society, Vol. 17, No. 2, pp. 232-239, 2014.
C. Rother, V. Kolmogorov, and A. Blake, ""GrabCut"-Interactive Foreground Extraction using Iterated Graph Cuts," Association for Computing Machinery Transactions on Graphics, Vol. 23, Issue 3, pp. 309-314, 2004.
그랩컷 알고리즘(GrabCut Algorithm)은 Rother가 제안한 영상분할(Segmentation) 알고리즘 기법 중의 하나이다[11].
Understanding the Meaning of Colors in Color Psychology(2009) http://www.empower-yourself-with-color-psychology.com/. (accessed April, 1. 2014)
대표 색상이 추출되면 감정어휘 테이블에 매칭 시켜 다음 Table 3의 감정어휘 리스트를 추출한다[12].
Vertical Social Networking Service(2014). http:// terms.naver.com/entry.nhn?doc Id2073602 &cid390&categoryId390. (accessed April, 1. 2014)
최근에는 사용자 각자의 개성과 기호에 따라 특정 관심 분야를 주제로 공유하는 서비스인 버티컬 SNS(Vertical Social Networking Service)가 주요 연구 분야로 떠오르고 있다[13].
G.A. Miller, "WordNet: A Lexical Database for English," Communications of the Association for Computing Machinery, Vol. 38, Issue 11, pp. 39-41, 1995.
워드넷이란 특정 단어에 대한 정의와 동시에 동의어, 유의어, 반의어 등과 같은 정보를 제공하며, 단어의 개념을 바탕으로 단어 사이의 의미적인 관계를 나타낸다[14].
Z. Wu and M. Palmer, "Verb Semantics and Lexical Selection," Proceedings of the 3 2nd Annual Meetings on Associations for Computational Linguistics, pp. 133-138, 1994.
식 (2)는 WUP 유사도를 이용하여 단어 간의 의미적 유사도를 측정하는 방법이다[16].
H.Y. Lee, E.Y. Lee, E.H. Gu, I. Choi, B.J. Choi, G.S. Ryu, et al., "IR Image Segmentation using GrabCut," Journal of Korean Institute of Intelligent Systems, Vol. 21, No. 2, pp. 260-267, 2011.
M.J. Nam, J.I. Kim, and J.H. Shin, "A Method for User Emotion Information Measuring on Instagram-Based," Proceedings of the Korea Multimedia Society Conference, Vol. 17, No. 1, pp. 112-115, 2014.
본 연구에서는 기존 [18]의 유사도 측정방법에서 사용된 Path Length 유사도 측정 방법과 WUP(Wu&Palmer) 유사도 측정 방법을 비교 평가하는 실험을 하였다.
Table 5에서 볼 수 있듯이 WUP 유사도 측정 방법이 기존 [18]에서의 Path Length 유사도 측정 방법 보다 더욱 높은 유사도 값을 측정 할 수 있음을 확인하였다.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.