선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서 제안하는 추천 기법은 영화 추천 시스템에서 사용자의 선호도 정보뿐만 아니라 감정적 요구사항도 고려하여, 기존 영화 추천 시스템의 영화추천 만족도와 감정적 요구사항을 충족시켜 더 개인화된 영화 추천을 가능하도록 하는 추천 기법을 제안한다. 이를 위해 영화의 메타데이터에서 영화가 가지는 감정을 도출하고, 영화에서 도출된 감정을 사용자선호도 정보 기반 영화 추천 시스템과 결합하여 영화가 가지는 감정까지 고려한 영화 추천 서비스를 제공한다.
- 본 논문에서는 기존 감정 기반 영화 추천 시스템이 가지는 문제점들을 해결하고자 한다. 첫 번째 문제점인 사용자의 영화 선호도를 고려하지 않아 사용자의 만족도가 떨어질 수 있는 점은 사용자의 선호도에 따른 영화 추천을 제공해주는 시스템의 온톨로지를 재사용하여 감정과의 연관성을 정의하여 선호도와 감정을 고려한 영화 추천을 통해 극복할 수 있다.
- 본 논문에서는 다수의 사용자에게 감정적 요구사항을 만족 시켜주기 위한 영화를 추천해주는 것을 목표로 한다. 하지만 감정(Emotion)은 국가, 종교, 문화 등에 따라 다르게 느껴지는 특성을 가진다.
가설 설정
- 실험은 실험자들이 여섯 가지 기본 감정 중 하나의 감정을 느끼고 싶어 한다고 가정한다. 선호도를 기반으로 추천된 영화 목록과 선호도와 감정을 기반으로 추천된 영화 목록에서 자신이 느끼고 싶어 하는 감정을 만족시키는 영화를 모두 선택하게 하여 각 추천 목록에서 만족되는 영화의 수를 비교하였다.
제안 방법
- 본 논문에서는 감정과 기본감정의 연관성을 이용하여 감정 온톨로지를 정의하고, 기존 영화 메타데이터 온톨리지와 감정 온톨로지를 통합하여 사용자의 취향뿐만 아니라 감정적 요구사항도 만족시켜 주는 영화 추천 기법을 제안하였다. 영화-감정 온톨로지를 통해 영화가 가지는 감정을 도출하고, 이를 영화 추천에 활용하여 기존 영화 추천 시스템에서 부족한 감정적 요구사항에 따른 만족도를 향상시키는 기법을 제안하였다.
- Song[8]은 기존 음악 추천 시스템에서 고려하지 못하는 사용자의 감정 상태를 고려하여 음악 추천을 제공함으로써, 더 높은 만족도를 사용자에게 제공한다. 사용자의 상황과 음악 분위기의 연관성을 온톨로지로 정의하고 이를 음악 추천 서비스에 활용하는 방법을 통해 사용자의 감정 상태에 따른 음악 추천을 가능하게 하여 사용자의 만족도를 높였다. 온톨로지를 활용해 지식을 정의했기 때문에, 지식의 공유와 재사용을 할 수 있다는 장점을 가진다.
- 실험은 실험자들이 여섯 가지 기본 감정 중 하나의 감정을 느끼고 싶어 한다고 가정한다. 선호도를 기반으로 추천된 영화 목록과 선호도와 감정을 기반으로 추천된 영화 목록에서 자신이 느끼고 싶어 하는 감정을 만족시키는 영화를 모두 선택하게 하여 각 추천 목록에서 만족되는 영화의 수를 비교하였다.
- 이 실험은 기존 선호도 기반의 영화 추천 시스템에서 감정까지 고려했을 때의 만족도를 보기 위한 실험이다. 실험자가 많은 선호도 정보를 입력하지만 실제 본 논문에서는 기존 추천 시스템에서 여섯 가지 기본 감정 중 한 가지 선택을 추가적으로 하여 감정적 만족도를 높여 주는가에 대해 알아본다. 이를 통해 영화 추천에서 감정을 추천의 요소로 고려하는 것의 대해 알아보고자 한다.
- 본 논문에서는 감정과 기본감정의 연관성을 이용하여 감정 온톨로지를 정의하고, 기존 영화 메타데이터 온톨리지와 감정 온톨로지를 통합하여 사용자의 취향뿐만 아니라 감정적 요구사항도 만족시켜 주는 영화 추천 기법을 제안하였다. 영화-감정 온톨로지를 통해 영화가 가지는 감정을 도출하고, 이를 영화 추천에 활용하여 기존 영화 추천 시스템에서 부족한 감정적 요구사항에 따른 만족도를 향상시키는 기법을 제안하였다. 제안하는 기법은 기존 영화 추천시스템에서 사용하는 장르, 키워드, 배우의 사용자 선호도 정보와 사용자가 느끼고 싶은 감정을 사용자로부터 입력 받아 각 요소의 가중치 값의 합을 통해 사용자에게 적절한 영화를 추천하게 된다.
- 이를 위해 영화의 메타데이터에서 영화가 가지는 감정을 도출하고, 영화에서 도출된 감정을 사용자선호도 정보 기반 영화 추천 시스템과 결합하여 영화가 가지는 감정까지 고려한 영화 추천 서비스를 제공한다. 영화가 갖는 감정을 도출하기 위해 Ekman[7]이 제안한 여섯 가지 기본 감정(분노, 역겨움, 놀라움, 슬픔, 공포, 행복)과 각 감정의 의미를 갖는 감정유발 단어와의 연관성을 표현한 감정 온톨로지를 정의하였다. 감정과 연관성을 가진 영화 메타데이터로는 장르, 키워드, 줄거리 키워드가 있다.
- 감정과 연관성을 가진 영화 메타데이터로는 장르, 키워드, 줄거리 키워드가 있다. 이 세 가지 메타데이터와 감정 온톨로지와의 연관성을 표현하여 영화-감정 온톨로지를 정의하였다. 정의된 영화-감정 온톨로지를 활용하여 영화가 가질 수 있는 감정을 도출하고, 영화가 가지는 감정을 표현하여 영화 추천에 활용하였다.
- 본 논문에서 제안하는 추천 기법은 영화 추천 시스템에서 사용자의 선호도 정보뿐만 아니라 감정적 요구사항도 고려하여, 기존 영화 추천 시스템의 영화추천 만족도와 감정적 요구사항을 충족시켜 더 개인화된 영화 추천을 가능하도록 하는 추천 기법을 제안한다. 이를 위해 영화의 메타데이터에서 영화가 가지는 감정을 도출하고, 영화에서 도출된 감정을 사용자선호도 정보 기반 영화 추천 시스템과 결합하여 영화가 가지는 감정까지 고려한 영화 추천 서비스를 제공한다. 영화가 갖는 감정을 도출하기 위해 Ekman[7]이 제안한 여섯 가지 기본 감정(분노, 역겨움, 놀라움, 슬픔, 공포, 행복)과 각 감정의 의미를 갖는 감정유발 단어와의 연관성을 표현한 감정 온톨로지를 정의하였다.
- 이 세 가지 메타데이터와 감정 온톨로지와의 연관성을 표현하여 영화-감정 온톨로지를 정의하였다. 정의된 영화-감정 온톨로지를 활용하여 영화가 가질 수 있는 감정을 도출하고, 영화가 가지는 감정을 표현하여 영화 추천에 활용하였다. 사용자에게 제공되는 영화 추천 목록은 사용자의 영화 선호도뿐만 아니라 감정적 요구사항까지 만족시켜줄 수 있기 때문에, 기존 영화 추천 시스템 보다 더 높은 만족도를 사용자에게 제공할 수 있다.
- 영화-감정 온톨로지를 통해 영화가 가지는 감정을 도출하고, 이를 영화 추천에 활용하여 기존 영화 추천 시스템에서 부족한 감정적 요구사항에 따른 만족도를 향상시키는 기법을 제안하였다. 제안하는 기법은 기존 영화 추천시스템에서 사용하는 장르, 키워드, 배우의 사용자 선호도 정보와 사용자가 느끼고 싶은 감정을 사용자로부터 입력 받아 각 요소의 가중치 값의 합을 통해 사용자에게 적절한 영화를 추천하게 된다. 제안 방법의 검증을 위해 평점 7.
대상 데이터
- 제안하는 영화 추천 방법의 만족도를 검증하기 위한 실험자들은 영화진흥위원회[19]에서 조사한 영화를 관람하는 비중이 제일 높은 20대의 남/여 20명씩 총 40명으로 구성되었다. 실험에 사용되는 데이터는 다음영화[20]에서 제공하는 약 15,000개의 영화 중, 평점이 7.0 이상인 영화를 선별하여 총 5,502개의 영화를 대상으로 한다. 이 실험은 기존 선호도 기반의 영화 추천 시스템에서 감정까지 고려했을 때의 만족도를 보기 위한 실험이다.
- 제안하는 기법은 기존 영화 추천시스템에서 사용하는 장르, 키워드, 배우의 사용자 선호도 정보와 사용자가 느끼고 싶은 감정을 사용자로부터 입력 받아 각 요소의 가중치 값의 합을 통해 사용자에게 적절한 영화를 추천하게 된다. 제안 방법의 검증을 위해 평점 7.0 이상인 영화 5,502개의 영화 데이터를 영화-감정 온톨리지에 사용하고 실험을 하였다. 실험은 감정을 고려하지 않을 경우와 했을 경우, 사용자의 감정적 요구사항의 만족도를 보았다.
- 제안하는 영화 추천 방법의 만족도를 검증하기 위한 실험자들은 영화진흥위원회[19]에서 조사한 영화를 관람하는 비중이 제일 높은 20대의 남/여 20명씩 총 40명으로 구성되었다. 실험에 사용되는 데이터는 다음영화[20]에서 제공하는 약 15,000개의 영화 중, 평점이 7.
이론/모형
- 감정 온톨로지는 기본 감정과 감정유발단어의 연관성을 표현하여, 영화가 갖는 감정을 도출하고, 감정 기반의 영화 추천 서비스를 제공하기 위해 사용된다. 감정 온톨로지는 온톨로지 개발 101방법론[14]에 따라 3.1절에서 설명한 여섯 가지 기본감정과 각 기본감정을 유발할 수 있는 감정유발단어의 개념(Concept), 관계(Property), 객체(Individual)를 온톨로지 언어인 Web Ontology Language(OWL)[15]를 통해 정의하였다. 이렇게 정의된 감정 온톨로지는 Fig.
- Kim[16]은 사용자 선호도 기반의 영화 추천 서비스를 제공하기 위해 영화 메타데이터들과 각 메타데이터들의 연관성을 표현한 영화 메타데이터 온톨로지를 정의했다. 본 논문에서는 영화와 감정의 연관성을 표현하기 위해 영화 메타데이터 온톨로지를 활용한다.
- 질의문은 각 메타데이터와 연관성을 갖는 감정을 영화-감정 온톨로지에서 찾는다. 온톨로지에서 감정을 찾기 위한 질의문은 SPARQL[18]을 사용한다. 질의문 생성 과정에서 생성되는 질의문 중 특정 영화의 장르와 연관성을 갖는 감정을 찾는 질의문은 Table 8과 같다.
성능/효과
- 이는 온톨로지가 갖는 지식의 재사용성이라는 장점이 잘 나타는 부분이다. 두 번째로, 선호도만 고려했을 남성보단 여성에게서 더 높은 추천 만족도를 보였는데, 이는 남성보다 여성이 감정적 동화를 더욱 잘하기 때문으로 분석된다. 마지막으로, 선호도만 고려했을 경우보다 만족도의 증가치가 크지 않은 것은 실험에 참가한 대부분의 사람들이 자신이 느끼고 싶어 하는 감정과 연관성이 높은 키워드나 장르를 잘 인식하고 있었다는 것을 의미한다.
- 이는 여성이 남성보다 감정적 동화를 더 잘하기 때문으로 분석된다. 두 번째로, 제안하는 추천 기법이 사용자의 감정적 요구사항을 더 만족시켜줄 수 있고, 감정이라는 요소가 영화 추천 분야에서 고려해야 하는 추천 요소라는 것을 보여 주었다. 마지막으로, 선호도만 고려했을 경우보다 만족도의 증가치가 크지 않은 것은 실험에 참가한 대부분의 사람들이 자신이 느끼고 싶어 하는 감정과 연관성이 높은 키워드나 장르를 잘 인식하고 있었고, 그럼에도 만족도가 증가한 것은 온톨로지를 활용한 영화 추천 기법을 통해 사람의 지식을 대신해 사용자들이 평소에 생각지 못한 영화를 제공할 수 있다는 것을 의미한다.
- 두 번째로, 제안하는 추천 기법이 사용자의 감정적 요구사항을 더 만족시켜줄 수 있고, 감정이라는 요소가 영화 추천 분야에서 고려해야 하는 추천 요소라는 것을 보여 주었다. 마지막으로, 선호도만 고려했을 경우보다 만족도의 증가치가 크지 않은 것은 실험에 참가한 대부분의 사람들이 자신이 느끼고 싶어 하는 감정과 연관성이 높은 키워드나 장르를 잘 인식하고 있었고, 그럼에도 만족도가 증가한 것은 온톨로지를 활용한 영화 추천 기법을 통해 사람의 지식을 대신해 사용자들이 평소에 생각지 못한 영화를 제공할 수 있다는 것을 의미한다.
- 두 번째로, 선호도만 고려했을 남성보단 여성에게서 더 높은 추천 만족도를 보였는데, 이는 남성보다 여성이 감정적 동화를 더욱 잘하기 때문으로 분석된다. 마지막으로, 선호도만 고려했을 경우보다 만족도의 증가치가 크지 않은 것은 실험에 참가한 대부분의 사람들이 자신이 느끼고 싶어 하는 감정과 연관성이 높은 키워드나 장르를 잘 인식하고 있었다는 것을 의미한다. 그럼에도 불구하고, 만족도가 증가한 것은 온톨로지를 활용한 영화추천 기법을 통해 사람의 지식을 대신해 사용자들이 평소에 생각지 못한 영화를 제공할 수 있다는 것을 의미한다.
- 실험은 감정을 고려하지 않을 경우와 했을 경우, 사용자의 감정적 요구사항의 만족도를 보았다. 실험 결과 감정을 고려하지 않았을 경우 추천 해주는 20개의 영화 중 29.1%에 대해 만족을 보였고, 감정을 고려했을 경우 추천 해주는 20개의 영화 중 44.8%에 대해 만족을 보였다. 실험 결과를 통해 감정을 영화 추천의 요소로 고려하였을 경우 사용자의 감정적 요구사항의 만족도가 15.
- 8%에 대해 만족을 보였다. 실험 결과를 통해 감정을 영화 추천의 요소로 고려하였을 경우 사용자의 감정적 요구사항의 만족도가 15.6%가 증가했다는 것을 보였다. 실험의 결과는 세 가지로 분석된다.
- 0 이상인 영화 5,502개의 영화 데이터를 영화-감정 온톨리지에 사용하고 실험을 하였다. 실험은 감정을 고려하지 않을 경우와 했을 경우, 사용자의 감정적 요구사항의 만족도를 보았다. 실험 결과 감정을 고려하지 않았을 경우 추천 해주는 20개의 영화 중 29.
- 영화 메타데이터 온톨로지에서는 영화의 제목, 장르, 배우, 감독 등 열 가지 메타데이터를 사용한다. 영화 메타데이터 온톨로지의 여러 가지 개념들 중각 메타데이터와 영화와 감정과의 연관성을 분석했을 때, 감정을 나타낼 수 있는 요소에는 장르, 키워드, 줄거리 키워드가 적합하였다. 각 요소들이 갖는 감정적 의미는 다음과 같다.
- 이는 “실험자 A”가 입력한 데이터 중 영화 분야에서 “가족”, “어머니”라는 키워드가 갖는 감정적 의미는 “슬픔”에 가깝기 때문에 기존 사용자 선호도 기반의 영화 추천 기법을 통해 “행복”이라는 감정을 느끼게 해주는 영화를 제공해주기 어렵다. 제안 하는 추천 기법을 통한 20개의 추천 영화에서는 앞서 “실험자 A”가 선택한 2개의 영화를 포함하며 “엄마 시집 보내기”, “정글북”, “호텔 뉴 헴프셔”, “초콜렛”, “하트 브레이커스”, “사이드 웨이”를 행복한 감정을 느낄 수 있다고 평가하였다. 이는 “실험자 A”가 입력한 선호도 정보와 “행복”이라는 감정을 갖는 영화들을 통합한 결과를 사용자에게 추천해 주었기 때문에 사용자가 예상치 못한 영화들을 추천해주어 사용자의 만족도를 높여 주는 것이 가능했다.
- 실험의 결과는 세 가지로 분석된다. 첫 번째로, 남성보다는 여성에게서 더 높은 만족도를 보였다. 이는 여성이 남성보다 감정적 동화를 더 잘하기 때문으로 분석된다.
- 실험 결과의 의미는 세 가지로 분석된다. 첫 번째로, 영화 추천에서 감정을 고려하는 것이 기존 추천 시스템에 결합하여 좋은 동반 상승효과를 보여 사용자에게 더 큰 만족도를 제공한다는 것을 알 수 있다. 이는 온톨로지가 갖는 지식의 재사용성이라는 장점이 잘 나타는 부분이다.
후속연구
- 또한, 제안 추천 기법에 협업적 여과 기법을 도입하여, 비슷한 영화에서 특정 감정을 느끼는 경향이 비슷한 사용자들을 분류하여 사용자에게 영화를 추천하는 보다 개인화된 추천 기법을 연구하고자 한다. 또한, 아직 수식에 대한 증명에 부족함이 있기 때문에 향후 연구를 통해 보완해 나가려 한다. 마지막으로 현재 추천 기법을 활용한 영화 추천 시스템에서 요구하는 사용자 입력 데이터를 간소화할 방법을 통해 사용자에게 편의성을 제공할 방법을 연구하고자 한다.
- 향후 연구는 제안 방법의 한계점인 ‘역겨움’ 감정에 대해서도 데이터를 분석, 수집하여 영화-감정 온톨리지를 보완한다. 또한, 제안 추천 기법에 협업적 여과 기법을 도입하여, 비슷한 영화에서 특정 감정을 느끼는 경향이 비슷한 사용자들을 분류하여 사용자에게 영화를 추천하는 보다 개인화된 추천 기법을 연구하고자 한다. 또한, 아직 수식에 대한 증명에 부족함이 있기 때문에 향후 연구를 통해 보완해 나가려 한다.
- 또한, 아직 수식에 대한 증명에 부족함이 있기 때문에 향후 연구를 통해 보완해 나가려 한다. 마지막으로 현재 추천 기법을 활용한 영화 추천 시스템에서 요구하는 사용자 입력 데이터를 간소화할 방법을 통해 사용자에게 편의성을 제공할 방법을 연구하고자 한다. 이들을 통해 사용자에게 보다 높은 만족도를 제공할 수 있을 것이라 예상된다.
- 제안하는 영화 추천 기법에서 활용되는 영화-감정 온톨로지는 영화 추천의 핵심이 되기 때문에 정의된 온톨로지의 정확성이 검증되어야 한다. 적합성 질문(Competency Questions)은 온톨로지를 기반으로 하는 시스템에서 어떤 질문에 대한 답이 맞는지를 검증하는 역할을 한다[14].
- 향후 연구는 제안 방법의 한계점인 ‘역겨움’ 감정에 대해서도 데이터를 분석, 수집하여 영화-감정 온톨리지를 보완한다. 또한, 제안 추천 기법에 협업적 여과 기법을 도입하여, 비슷한 영화에서 특정 감정을 느끼는 경향이 비슷한 사용자들을 분류하여 사용자에게 영화를 추천하는 보다 개인화된 추천 기법을 연구하고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.