빅데이터 텍스트 분석을 기반으로 한 패션디자인 평가 연구 -디자인 속성과 감성 어휘의 의미연결망 분석을 중심으로- A Study on the Evaluation of Fashion Design Based on Big Data Text Analysis -Focus on Semantic Network Analysis of Design Elements and Emotional Terms-원문보기
This study derives evaluation terms by analyzing the semantic relationship between design elements and sentiment terms in regards to fashion design. As for research methods, a total of 38,225 texts from Daum and Naver Blogs from November 2015 to October 2016 were collected to analyze the parts, freq...
This study derives evaluation terms by analyzing the semantic relationship between design elements and sentiment terms in regards to fashion design. As for research methods, a total of 38,225 texts from Daum and Naver Blogs from November 2015 to October 2016 were collected to analyze the parts, frequency, centrality and semantic networks of the terms. As a result, design elements were derived in the form of a noun while fashion image and user's emotional responses were derived in the form of adjectives. The study selected 15 noun terms and 52 adjective terms as evaluation terms for men's striped shirts. The results of semantic network analysis also showed that the main contents of the users of men's striped shirts were derived as characteristics of expression, daily wear, formation, and function. In addition, design elements such as pattern, color, coordination, style, and fit were classified with evaluation results such as wide, bright, trendy, casual, and slim.
This study derives evaluation terms by analyzing the semantic relationship between design elements and sentiment terms in regards to fashion design. As for research methods, a total of 38,225 texts from Daum and Naver Blogs from November 2015 to October 2016 were collected to analyze the parts, frequency, centrality and semantic networks of the terms. As a result, design elements were derived in the form of a noun while fashion image and user's emotional responses were derived in the form of adjectives. The study selected 15 noun terms and 52 adjective terms as evaluation terms for men's striped shirts. The results of semantic network analysis also showed that the main contents of the users of men's striped shirts were derived as characteristics of expression, daily wear, formation, and function. In addition, design elements such as pattern, color, coordination, style, and fit were classified with evaluation results such as wide, bright, trendy, casual, and slim.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이에 본 연구는 기존의 패션디자인 평가 방법의 대안으로 빅데이터 텍스트 분석에 의한 어휘 추출과 분석 방법을 제시하고자 한다. 본 연구는 온라인상에 축적된 사용자 텍스트에서 형태, 소재, 색채 등의 디자인 속성 연관 어휘를 분류하여 분석함으로써 빅데이터 기반 패션디자인 평가를 위한 기초자료를 제공하는 것을 목적으로 한다.
의미연결망 분석 결과, 핵심 어휘들이 CONCOR 분석으로 군집되어 패션디자인에 대한 사용자들의 평가 내용이 도출되는 것으로 나타났다. 본 연구에서는 남성 스트라이프 셔츠에 대한 주요 언급 내용으로 디자인 표현 특성, 일상복 특성, 형태적 특성, 기능적 특성을 도출하였다. 아울러, 디자인 속성을 나타내는 명사형 어휘를 중심으로 같은 군집을 이루고 있는 형용사형 어휘를 분석하여 ‘무늬’, ‘색상’, ‘코디’, ‘스타일’, ‘핏’의 패션 이미지에 대한 사용자들의 평가 내용이 범주화되었다.
또한, 문장에서 의미를 나타내지 않는 동사와 일반적인 개념의 형용사 어휘의 경우 모든 어휘들과 연결이 많기 때문에 평가 어휘 목록에서 제외할 필요가 있는 것으로 나타났다. 본 연구에서는 출현 빈도를 기준으로 디자인 속성을 반영하는 명사형 어휘와 사용자들의 감성적 반응이나 패션 이미지에 대한 형용사 어휘를 통해 핵심 어휘 목록을 구축하는 방법이 제안되었다.
본 연구의 목적은 온라인과 모바일을 통하여 기하급수적으로 증가하고 있는 사용자 중심의 비정형 데이터에서 패션디자인에 대한 평가 어휘를 추출하고 디자인 속성을 중심으로 평가하는 빅데이터 텍스트 분석 방법의 체계를 정립하는 것이다. 이를 위해 블로그 게시글에서 남성 스트라이프 셔츠 연관 어휘들을 수집하고 정제하였으며, 의미연결망 분석 기법을 적용하여 분석하였다.
또한, 설문에서 척도로 활용되고 있는 감성 어휘는 시대에 따라 의미와 형태가 변한다는 점에서 일관성 문제가 있을 뿐 아니라 척도 항목을 벗어나는 사용자 요구의 다변화를 반영하기 어렵다는 점을 한계점으로 갖는다(Gordon, 2008). 이에 본 연구는 기존의 패션디자인 평가 방법의 대안으로 빅데이터 텍스트 분석에 의한 어휘 추출과 분석 방법을 제시하고자 한다. 본 연구는 온라인상에 축적된 사용자 텍스트에서 형태, 소재, 색채 등의 디자인 속성 연관 어휘를 분류하여 분석함으로써 빅데이터 기반 패션디자인 평가를 위한 기초자료를 제공하는 것을 목적으로 한다.
가설 설정
2) Texts are presented in accordance with the degree centrality value. Degree centrality value average=0.
제안 방법
440개의 어휘의 품사, 빈도 및 중심성 분석을 통해 디자인 속성과 감성 어휘를 나타내는 핵심 어휘 목록을 구성하였다. 품사 분류 분석 결과, 남성 스트라이프 셔츠에 대하여 디자인 속성을 나타내는 어휘는 명사형, 감성적 반응이나 패션 이미지를 나타내는 어휘는 형용사형으로 도출된 것이 확인되었다.
교정 작업에서는 띄어쓰기, 약어, 단 · 복수 변경과 같은 클렌징(Cleansing) 작업을 수행하였고, 통제 작업에서는 동의어, 유사어, 협의어 분석으로 유사 어휘를 통일하였다.
CONCOR 분석은 상관계수를 토대로 어휘들이 최종적으로 하나의 군집으로 수렴될 때까지 반복적으로 분석을 수행하기 때문에 연구자는 적절한 수렴 횟수를 지정해주어야 한다(Wasserman & Faust, 1994). 따라서, 본 연구는 구조적 등위성 분석 결과를 기반으로 수렴 수준을 3으로 하고 NetDraw 프로그램을 활용하여 연결망을 시각화하였다(Fig. 5). 그 결과, 군집 1, 2, 7의 경우 다른 군집들과 독립적으로 위치하며 군집 내에서 어휘 간의 연결이 집중적으로 이루어지는 반면, 우측 하단에 위치하는 군집 3, 4, 5, 6의 경우 서로 근접하게 위치하며 군집 간 어휘들의 연결이 이루어지는 것으로 나타났다.
마지막으로, 의미연결망 분석 단계에서는 선정된 어휘를 대상으로 한 문장에서 두 어휘가 동시에 출현하는 빈도를 기준으로 일원모드 행렬(67×67)을 도출하고, 중심성 지수를 측정하였다.
빅데이터 텍스트 분석으로 도출된 평가 어휘는 ‘오버’, ‘슬림한’, ‘와이드’, ‘유니크’, ‘핫한’ 등의 사용자들의 현실 언어를 기반으로 평가 대상에 대하여 현재 시점에서 높은 빈도로 언급되고 있는 어휘들을 평가 어휘로 도출하였다.
실증적 연구에서는 수집된 어휘의 전처리, 평가 어휘선정 및 의미연결망 분석을 수행하였다. 전처리 단계에서는 수집된 어휘들의 교정, 통제 및 제거가 이루어졌다.
마지막으로, 의미연결망 분석 단계에서는 선정된 어휘를 대상으로 한 문장에서 두 어휘가 동시에 출현하는 빈도를 기준으로 일원모드 행렬(67×67)을 도출하고, 중심성 지수를 측정하였다. 아울러, CONCOR(CONvergence of iterated CORrelations) 분석으로 군집되는 디자인 속성과 감성 어휘를 시각화하여 평가 내용을 분석하였다(Fig. 3). 본 연구는 게시글 수집 및 전처리를 위한 분석 도구로 소셜 매트릭스 프로그램을 활용하였고, 의미연결망 분석 및 시각화를 위하여 Ucinet6와 NetDraw를 연계하여 활용하였다.
연구 범위는 2015년 11월부터 2016년 10월까지의 블로그 게시글에서 추출된 38,225개의 어휘를 대상으로 하였다. 연구 방법으로는 출현 빈도, 중심성 지수 및 품사 분석을 통해 패션디자인 평가 어휘 목록을 구성하고, 의미연결망 분석을 수행하여 명사형과 형용사형 어휘 간의 연결 구조를 분석하였으며, 디자인 속성을 중심으로 평가 내용을 분석하였다.
본 연구의 목적은 온라인과 모바일을 통하여 기하급수적으로 증가하고 있는 사용자 중심의 비정형 데이터에서 패션디자인에 대한 평가 어휘를 추출하고 디자인 속성을 중심으로 평가하는 빅데이터 텍스트 분석 방법의 체계를 정립하는 것이다. 이를 위해 블로그 게시글에서 남성 스트라이프 셔츠 연관 어휘들을 수집하고 정제하였으며, 의미연결망 분석 기법을 적용하여 분석하였다.
제거 단계에서는 문장의 의미를 나타내는데 큰 역할을 하지 않는 ‘있’, ‘없’ 등의 동사를 제거하였다. 평가 어휘 선정 단계에서는 출현 빈도가 높은 어휘의 품사를 분류 분석하여 명사형 어휘와 형용사 어휘를 추출하고, 높은 빈도 수를 기준으로 어휘 목록을 구축하였다. 형용사 중에서 ‘좋은’과 같이 일반적인 기분을 나타내는 어휘의 경우 모든 어휘들과 연결이 이루어지며 다른 개념들의 유사성 관계를 왜곡시킬 수 있다는 점에서 제외되었다(Lee, 2013).
평가 어휘로 선정된 67개 어휘들의 동시 출현 상관관계를 바탕으로 일원모드 대칭형 매트릭스를 도출하고, 구조적 등위 관계 분석을 통해 어휘들을 군집으로 분류하였다(Wasserman & Faust, 1994).
대상 데이터
본 연구는 패션디자인 선행연구에서 주요 평가 대상으로 나타난 ‘남성 스트라이프 셔츠’를 검색 키워드로 설정하여(An & Park, 2017), 빅데이터 분석 소프트웨어인 소셜 매트릭스 프로그램을 활용하여 2015년 11월 1일부터 2016년 10월 31일까지의 1년간 국내 대표적인 포털 사이트인 네이버(Naver)와 다음(Daum)의 블로그 게시글을 통해 수집하였다.
0)을 활용하였다. 연구 범위는 2015년 11월부터 2016년 10월까지의 블로그 게시글에서 추출된 38,225개의 어휘를 대상으로 하였다. 연구 방법으로는 출현 빈도, 중심성 지수 및 품사 분석을 통해 패션디자인 평가 어휘 목록을 구성하고, 의미연결망 분석을 수행하여 명사형과 형용사형 어휘 간의 연결 구조를 분석하였으며, 디자인 속성을 중심으로 평가 내용을 분석하였다.
본 연구는 패션디자인 선행연구에서 주요 평가 대상으로 나타난 ‘남성 스트라이프 셔츠’를 검색 키워드로 설정하여(An & Park, 2017), 빅데이터 분석 소프트웨어인 소셜 매트릭스 프로그램을 활용하여 2015년 11월 1일부터 2016년 10월 31일까지의 1년간 국내 대표적인 포털 사이트인 네이버(Naver)와 다음(Daum)의 블로그 게시글을 통해 수집하였다. 이를 통해 네이버 블로그에서는 총 5,615건, 다음 블로그에서는 8,033건으로, 총 13,648건의 온라인 게시글에서 수집된 텍스트 38,225개를 분석 대상으로 하여 의미연결망 분석을 수행하였다.
데이터처리
디자인 요소에 대한 감성적 반응의 평가 구조를 파악하기 위해 Ucinet6을 활용하여 CONCOR 분석을 수행하였다. CONCOR 분석은 상관계수를 토대로 어휘들이 최종적으로 하나의 군집으로 수렴될 때까지 반복적으로 분석을 수행하기 때문에 연구자는 적절한 수렴 횟수를 지정해주어야 한다(Wasserman & Faust, 1994).
이론/모형
3). 본 연구는 게시글 수집 및 전처리를 위한 분석 도구로 소셜 매트릭스 프로그램을 활용하였고, 의미연결망 분석 및 시각화를 위하여 Ucinet6와 NetDraw를 연계하여 활용하였다.
본 연구는 선행연구의 대표적인 감성 평가 대상인 남성 스트라이프 셔츠를 검색 키워드로, 소셜 메트릭스 프로그램인 텍스톰(Textom 2.0)을 활용하였다. 연구 범위는 2015년 11월부터 2016년 10월까지의 블로그 게시글에서 추출된 38,225개의 어휘를 대상으로 하였다.
성능/효과
15개의 명사형 어휘의 빈도 및 중심성 분석 결과, ‘코디’가 출현 빈도 2,228회, 중심성 지수 0.111로 가장 높은 값을 갖는 것으로 나타났으며, 다음으로 ‘색상’이 출현 빈도 1,633회, 중심성 지수 0.081로 나타났다(Table 1).
각 군집을 이루는 명사형 어휘와 형용사형 어휘를살펴보면, 군집 3에서는 디자인 속성인‘핏’과 형용사 어휘로 ‘슬림한’, ‘루즈한’, ‘오버’가 나타난 것을 통해 슬림하게 만들어주는 핏과 오버사이즈의 여유있는 핏이 주목되는 것으로 확인되었다.
군집 1은 26개의 가장 많은 어휘들을 포함하며, 높은 접촉 빈도(Sum of tie strengths, 499.04)로 시각화에서 굵은 선으로 어휘들의 강한 연결 관계(Strong ties)가 확인되었다. 명사형 어휘로 ‘코디’, ‘색상’, ‘무늬’가 주요 디자인 속성 지표로 포함되었으며, 형용사 어휘로 ‘유니크’, ‘유행의’, ‘핫한’ 등의 감성적 반응과 ‘기본적인’, ‘클래식한’, ‘포멀한’ 등의 패션 이미지가 군집으로 분류되었다.
군집 7은 ‘맞춤형의’, ‘부드러운’, ‘기능적인’, ‘얇은’, ‘신축적인’의 5개의 기능적 특성을 의미하는 형용사 어휘로 군집을 이루는 것이 확인되었다.
그 결과, ‘하이-힐(High-Heels)’, ‘골든-악세서리(Golden-Accessories)’, ‘엘레강스-스타일(Elegance-Style)’과 같이 명사와 형용사 어휘의 조합으로 트렌드 정보가 분석되었다(Fig. 1).
Rickman and Cosenza(2007)는 패션 블로그 게시글을 통해 ‘청바지(Jean)’에 대한 대중들의 관심이 증가하는 시기와 평가 내용을 분석하였다. 그 결과, 게시글 양의 추이 분석을 통해 사용자들의 청바지에 대한 인식이 변화하는 시기는 파악되었으나, 다양한 어휘들이 혼재되어 있는 텍스트에서 평가 내용을 파악하는 것은 어려운 것으로 나타났다. 이에 따라 텍스트를 카테고리화 할 수 있는 보다 체계화된 방법이 필요한 것으로 나타났다.
5). 그 결과, 군집 1, 2, 7의 경우 다른 군집들과 독립적으로 위치하며 군집 내에서 어휘 간의 연결이 집중적으로 이루어지는 반면, 우측 하단에 위치하는 군집 3, 4, 5, 6의 경우 서로 근접하게 위치하며 군집 간 어휘들의 연결이 이루어지는 것으로 나타났다. 그룹별 연결망 지수 분석 결과, 그룹별 어휘 수, 밀도(Group density) 및 접촉 빈도 지수는 [Table 3]과 같다.
셋째, 명사형 어휘와 형용사형 어휘들의 연결 관계 분석을 통해 개별 디자인 속성에 대한 평가 내용을 도출할 수 있는 것으로 나타났다. 남성 스트라이프 셔츠에 대한 평가 어휘들은 동시 출현 빈도를 기준으로 강한 상관관계를 가지는 어휘들이 근접한 위치에서 연결망을 형성하는 것으로 나타났다. 이를 통해 무늬, 색상, 코디, 스타일, 핏, 실루엣 등의 디자인 속성 어휘가 각각 ‘넓은’, ‘밝은’, ‘포인트’, ‘스포티’, ‘루즈한’, ‘여유있는’ 등의 형용사형’ 어휘와 연결되며 평가 내용이 도출되었다(Fig.
다음으로 통제 작업 수행 결과, 유사한 의미를 가지는 외래어가 하나의 고유어로 통일되어‘컬러’와 ‘색감’은 ‘색상’으로, ‘트렌드’는 ‘유행’ 등으로 변경되었으며, 맞춤법과 외래어 표기 오류 형태가 수정되었다.
평가 어휘로 선정된 67개 어휘들의 동시 출현 상관관계를 바탕으로 일원모드 대칭형 매트릭스를 도출하고, 구조적 등위 관계 분석을 통해 어휘들을 군집으로 분류하였다(Wasserman & Faust, 1994). 덴드로그램을 통한 구조적 등위성 분석 결과, 세로 방향의 67개의 어휘들은 3차례의 군집을 통해 7개의 그룹으로 분류되는 것으로 나타났다. 다만, ‘완벽한’의 형용사 어휘의 경우, 세 번째 차원까지 다른 어휘와 군집되지 않고 독립적으로 분류되는 것으로 나타났다(Fig.
둘째, 명사형 평가 어휘는 디자인 속성을 반영하며, 의미연결망 분석에서 디자인에 대한 사용자 평가의 논점을 파악하는 기준이 되는 것으로 나타났다. 전통적으로 패션디자인에 대한 사용자 평가는 사회적, 기능적, 또는 심미적 등의 복합적인 디자인 특성이 평가 요인으로 작용된다는 점에서 개별적인 디자인 속성을 중심으로 평가 내용의 분석은 까다로운 것으로 여겨졌다(Kwon et al.
빅데이터 텍스트 분석으로 패션디자인 평가 어휘를 수집한 결과, 온라인상의 사용자 게시글은 현실 언어의 특성을 가지며 유사어의 통일과 맞춤법과 외래어 표기에 대한 정제가 필요한 것으로 나타났다.
셋째, 명사형 어휘와 형용사형 어휘들의 연결 관계 분석을 통해 개별 디자인 속성에 대한 평가 내용을 도출할 수 있는 것으로 나타났다. 남성 스트라이프 셔츠에 대한 평가 어휘들은 동시 출현 빈도를 기준으로 강한 상관관계를 가지는 어휘들이 근접한 위치에서 연결망을 형성하는 것으로 나타났다.
이와 같이, 패션 분야에서 빅데이터를 활용한 디자인 분석은 주로 검색 키워드를 통해 텍스트 데이터의 수집이 이루어지는 것으로 나타났다. 수집된 어휘는 빈도 분석을 통해 평가 대상에 대한 관심 정도를 파악할 수 있으며, 품사 분석을 통해 어휘들을 분류하고 평가 내용이 파악될 수 있는 것으로 나타났다.
어휘의 전처리 과정으로 출현 빈도 3% 이상의 총 440개의 어휘가 도출되었으며, ‘셔츠’가 2,450회(1.38%)로 가장 높은 빈도를 갖는 것으로 나타났다.
연결망의 구조적 특성으로 ‘맞춤형의’ 어휘의 경우 빈도 수는 형용사 어휘 중 두 번째로 높은 편이지만 중심성은 낮다는 점과, 나머지 형용사 어휘들도 중심성 지수가 상대적으로 낮다는 점에서 군집 외부로 다른 어휘들과의 연결이 비교적 약한 것이 특징적으로 나타났다.
의미연결망 분석 결과, 핵심 어휘들이 CONCOR 분석으로 군집되어 패션디자인에 대한 사용자들의 평가 내용이 도출되는 것으로 나타났다. 본 연구에서는 남성 스트라이프 셔츠에 대한 주요 언급 내용으로 디자인 표현 특성, 일상복 특성, 형태적 특성, 기능적 특성을 도출하였다.
이들 군집의 경우 명사형 어휘로 ‘핏’, ‘실루엣’, ‘디테일’ 등의 디자인 속성 어휘들을 포함하는 것을 통해 형태적 특성을 나타내는 군집들이 서로 밀접한 네트워크를 형성하고 있는 것이 확인되었다.
이를 통해 무늬, 색상, 코디, 스타일, 핏, 실루엣 등의 디자인 속성 어휘가 각각 ‘넓은’, ‘밝은’, ‘포인트’, ‘스포티’, ‘루즈한’, ‘여유있는’ 등의 형용사형’ 어휘와 연결되며 평가 내용이 도출되었다(Fig. 6).
명사형 어휘로 ‘코디’, ‘색상’, ‘무늬’가 주요 디자인 속성 지표로 포함되었으며, 형용사 어휘로 ‘유니크’, ‘유행의’, ‘핫한’ 등의 감성적 반응과 ‘기본적인’, ‘클래식한’, ‘포멀한’ 등의 패션 이미지가 군집으로 분류되었다. 이와 같은 결과를 통해 남성 스트라이프 셔츠에 대한 무늬나 색상 표현에 대한 평가 내용으로 이루어진 어휘들이 높은 응집도를 통해 네트워크를 구성하는 것이 확인되었다.
명사형 어휘로 ‘스타일’이 주요 디자인 속성으로 나타났으며, 형용사 어휘로는 ‘데일리’, ‘멋진’, ‘편안한’, ‘캐주얼’, ‘쉬운’, ‘스포티’ 등이 포함되어 일상복으로 착용되는 남성 스트라이프 셔츠의 특성에 대한내용이 확인되었다. 이와 같은 결과를 통해 스트라이프 셔츠는 비즈니스 웨어일뿐만 아니라 일상에서도 빈번하게 착용되는 데일리 아이템으로 편안하면서도 쉽게 착용할 수 있는 캐주얼 웨어로도 인식되는 것이 나타났다.
첫째, 형용사형 평가 어휘는 시즌별 사용자들이 언급하는 트렌드 연관신조어, 감성적반응및 패션이미지를 포함하며 실제적 패션디자인 평가 내용을 반영하는 것으로 나타났다. 남성 스트라이프 셔츠에 대한 감성 평가연구에서 사용되는 기존의 평가 어휘의 경우 ‘성숙한’, ‘수수한’, ‘깨끗한’ 등의 문헌에서 도출된 학문적 표현이 주로 사용되었는데(Kong & Kwon, 2013), 본 연구에서는 이와 같은 평가 어휘들이 낮은 출현 빈도를 가지며 평가 어휘로 선정되지 않는 것으로 나타났다.
440개의 어휘의 품사, 빈도 및 중심성 분석을 통해 디자인 속성과 감성 어휘를 나타내는 핵심 어휘 목록을 구성하였다. 품사 분류 분석 결과, 남성 스트라이프 셔츠에 대하여 디자인 속성을 나타내는 어휘는 명사형, 감성적 반응이나 패션 이미지를 나타내는 어휘는 형용사형으로 도출된 것이 확인되었다.
형용사 어휘는 ‘멋진’, ‘예쁜’, ‘편안한’ 등의 사용자의 감성적 반응을 나타내는 어휘, ‘캐주얼’, ‘클래식’, ‘댄디’ 등의 패션 이미지를 나타내는 어휘 등 52개의 어휘가 추출되었고, 이 중 ‘기본적인’(676회)과 ‘맞춤형의’(669회)가 가장 높은 빈도를 갖는 것으로 나타났다(Table 2).
후속연구
하지만 이러한 과정은 귀납적 분석으로 데이터 수집이 이루어지는 시점에서 연구자가 예측하지 못한 정보가 도출될 수 있고, 수집된 어휘의 정제 및 분석 과정에서 아직까지는 연구자의 해석을 배제하고 기계적으로만 처리되기는어렵다는 점에서 향후 빅데이터 연구자의 통찰력과 각종 오류를 보완할 수 있는 텍스트 분석 기술이 요구된다는 점을 제언한다. SNS와 모바일을 통한 정보의 교류가 활성화되어가고 있는 패션디자인 분야에서 빅데이터 텍스트 분석은 시즌 트렌드와 밀접한 온라인 신조어를 연구에 즉각적으로 반영하며 현실 언어에 의한 사용자 요구에 빠르게 파악할 수 있는 방법으로서 활용이 기대된다.
빅데이터로 수집된 어휘들의 의미연결망 분석은 게시글을 구성하는 모든 어휘를 분석 대상으로 하는 것이 아니라 핵심이 되는 어휘를 통해 연결망이 이루어진다는 점에서 평가 대상이 되는 어휘 선정이 중요할 것으로 사료된다. 또한, 패션디자인은 디자인 속성이 사용자 평가 분석의 기준이 되고 있다는 점에서, 형태, 소재, 색채 등의 디자인 속성에 대한 어휘를 중심으로 보다 심층적인 내용에 대한 분석이 수행될 수 있을것으로사료된다. 이에 따라, 어휘의 출현 빈도, 중심성 지수와 더불어 디자인 속성을 반영하는 명사형 어휘와 평가 내용 및 트렌드를 반영하는 형용사 어휘의 품사 분류 분석으로 패션디자인 평가 내용을 추출하는 빅데이터 텍스트 분석 과정의 체계화가 필요할 것으로 사료된다.
빅데이터 텍스트 분석은 평가 대상을 검색 키워드로 입력하여 많은 양의 연관어를 수집하고, 정량적 지수를 통해 검증된 핵심 어휘를 추출하고 분석할 수 있다는 점에서 인력과 시간이 소요되는 기존의 패션디자인 평가 절차의 간소화가 이루어질 수 있을 것으로 사료된다. 하지만 이러한 과정은 귀납적 분석으로 데이터 수집이 이루어지는 시점에서 연구자가 예측하지 못한 정보가 도출될 수 있고, 수집된 어휘의 정제 및 분석 과정에서 아직까지는 연구자의 해석을 배제하고 기계적으로만 처리되기는어렵다는 점에서 향후 빅데이터 연구자의 통찰력과 각종 오류를 보완할 수 있는 텍스트 분석 기술이 요구된다는 점을 제언한다.
이러한 점에서 본 연구는 패션디자인 평가를 위하여 텍스트 분석을 적용하여 디자인 속성 연관 어휘를 추출하고, 정량적 지수를 바탕으로 어휘 간의 연관성 분석 과정을 체계화하였다는 점에서 의의가 있다. 아울러, 시즌에 따라 트렌드가 급속히 변화하는 패션디자인 분야에서 빅데이터 텍스트 분석은 사용자들이 언급하는 시즌 패션과 트렌드 연관 어휘를 실시간으로 도출하여 분석한다는 점에서 사용자 니즈를 반영하는 디자인 개발 연구 활성화에 기여할 것으로 기대된다.
또한, 패션디자인은 디자인 속성이 사용자 평가 분석의 기준이 되고 있다는 점에서, 형태, 소재, 색채 등의 디자인 속성에 대한 어휘를 중심으로 보다 심층적인 내용에 대한 분석이 수행될 수 있을것으로사료된다. 이에 따라, 어휘의 출현 빈도, 중심성 지수와 더불어 디자인 속성을 반영하는 명사형 어휘와 평가 내용 및 트렌드를 반영하는 형용사 어휘의 품사 분류 분석으로 패션디자인 평가 내용을 추출하는 빅데이터 텍스트 분석 과정의 체계화가 필요할 것으로 사료된다.
빅데이터 텍스트 분석으로 도출된 평가 어휘는 ‘오버’, ‘슬림한’, ‘와이드’, ‘유니크’, ‘핫한’ 등의 사용자들의 현실 언어를 기반으로 평가 대상에 대하여 현재 시점에서 높은 빈도로 언급되고 있는 어휘들을 평가 어휘로 도출하였다. 이와 같은 평가 어휘는 대중들이 주목하고 있는 트렌드와 요구사항을 반영한다는 점에서 사용자 중심의 디자인 가이드라인으로 활용될 수 있을 것으로 사료된다.
형용사형 어휘는 특히 패션 트렌드를 반영한다는 점에서 디자인 속성에 따라 시즌별로 새롭게 업데이트 될 수 있을것이다. 주기적으로 축적되어 데이터베이스화된 형용사 어휘는 향후 시계열 분석 등의 적용으로 트렌드 동향 및 예측 연구의 기반을 구축할 수 있을 것으로 사료된다.
빅데이터 텍스트 분석은 평가 대상을 검색 키워드로 입력하여 많은 양의 연관어를 수집하고, 정량적 지수를 통해 검증된 핵심 어휘를 추출하고 분석할 수 있다는 점에서 인력과 시간이 소요되는 기존의 패션디자인 평가 절차의 간소화가 이루어질 수 있을 것으로 사료된다. 하지만 이러한 과정은 귀납적 분석으로 데이터 수집이 이루어지는 시점에서 연구자가 예측하지 못한 정보가 도출될 수 있고, 수집된 어휘의 정제 및 분석 과정에서 아직까지는 연구자의 해석을 배제하고 기계적으로만 처리되기는어렵다는 점에서 향후 빅데이터 연구자의 통찰력과 각종 오류를 보완할 수 있는 텍스트 분석 기술이 요구된다는 점을 제언한다. SNS와 모바일을 통한 정보의 교류가 활성화되어가고 있는 패션디자인 분야에서 빅데이터 텍스트 분석은 시즌 트렌드와 밀접한 온라인 신조어를 연구에 즉각적으로 반영하며 현실 언어에 의한 사용자 요구에 빠르게 파악할 수 있는 방법으로서 활용이 기대된다.
질의응답
핵심어
질문
논문에서 추출한 답변
의복은 무엇으로 사용자에게 만족감을 주는가?
의복은 기능성, 사회성 및 심미성 등의 다양한 특성들의 복합적인 작용으로 사용자에게 만족감을 준다(Lamb Kallal, 1992). 패션디자인 분야는 전통적으로 사용자의 주관적인 느낌을 평가하는 방법으로 설문 연구가 수행되고 있다(An & Lee, 2015).
장기간에 걸쳐 축적된 온라인상의 사용자 게시글에서 추출된 어휘 자료의 의미연결망 분석을 통해 어떻게 연구에서 활용하고 있는가?
장기간에 걸쳐 축적된 온라인상의 사용자 게시글에서 추출된 어휘 자료의 의미연결망 분석은 비정형화된 텍스트 데이터로부터 기존의 통계 분석 방법으로는 알 수 없었던 사용자들의 인식을 탐색적으로 파악하고, 구조화된 패턴의 정보를 도출하여 내용을 분석할 수 있다는 점에서 유용하다(Narayanan & Armstrong, 2005). 이로 말미 암아 패션디자인 분야에서도 정보의 교류가 활발하게 이루어지는 SNS, 블로그 게시글을 중심으로 의미연결망 분석을 활용하여 온라인상에서 형성되고 있는 여론의 구조를 파악하는 연구가 초기 단계로 수행되고 있다(An & Lee, 2016b).
An, H., & Lee, I. (2015). A conceptual framework for Asian women's emotional needs in fashion design. International Journal of Fashion Design, Technology and Education, 8 (3), 206-213. doi:10.1080/17543266.2015.1053421
An, H., & Lee, I. (2016a). Current status of Korean fashion design sensibility evaluation methods and their application overseas. Journal of the Korean Society of Clothing and Textiles, 40(4), 660-668. doi:10.5850/JKSCT.2016.40.4.660
An, H., & Lee, I. (2016b). An investigation of a sensibility evaluation method using big data in the field of design- Focusing on Hanbok related design factors, sensibility responses, and evaluation terms-. Journal of the Korean Society of Clothing and Textiles, 40(6), 1034-1044. doi:10.5850/JKSCT.2016.40.6.1034
An, H., & Park, M. (2017). A study on the user perception in fashion design through social media text-mining. Journal of the Korean Society of Clothing and Textiles, 41(6), 1060-1070. doi:10.5850/JKSCT.2017.41.6.1060
Beheshti-Kashi, S., Lutjen, M., Stoever, L., & Thoben, K. D. (2015). TrendFashion-A framework for the identification of fashion trends. Proceedings of the INFORMATIK 2015, Germany, 1195-1205.
Borgatti, S. P., & Everett, M. G. (1997). Network analysis of 2-mode data. Social Networks, 19(3), 243-269. doi:10.1016/S0378-8733(96)00301-2
Gordon, A. (2008). Future savvy: Identifying trends to make better decisions, manage uncertainty, and profit from change. New York, NY: American Management Association.
Kim, Y. H., & Kim, Y. J. (2016). Social network analysis (4th ed.). Seoul: Pakyoungsa.
Kong, J. H., & Kwon, Y. A. (2013). Effect of stripe pattern for men's shirts on emotion. Korean Journal of The Science of Emotion & Sensibility, 16(1), 65-74.
Kwon, O. K., Kim, H. E., & Na, Y. J. (2000). 패션과 감성과학 [Fashion and the science of sensibility]. Seoul: Kyomunsa.
Lamb, J. M., & Kallal, M. J. (1992). A conceptual framework for apparel design. Clothing and Textiles Research Journal, 10(2), 42-47. doi:10.1177/0887302X9201000207
Lee, S. S. (2013). 네트워크 분석 방법론 [Network analysis methods]. Seoul: Nonhyung.
Narayanan, V. K., & Armstrong, D. J. (Eds.). (2005). Causal mapping for research in information technology. Hershey, PA: Idea Group Publishing.
MISP. (2017, May 18). "Fashion MISP" 사용법 - [PRODUCT] 패션 빅데이터로 제품의 반응을 살펴본다! ["Fashion MISP" instructions - [PRODUCT] Explore product responses with fashion big data!]. NAVER 블로그-MISP Fashion [NAVER Blog-MISP Fashion]. Retrieved September 21, 2017, from https://blog.naver.com/fashionmisp/221008656641
Rickman, T. A., & Cosenza, R. M. (2007). The changing digital dynamics of multichannel marketing: The feasibility of the weblog: Text mining approach for fast fashion trending. Journal of Fashion Marketing and Management: An International Journal, 11(4), 604-621. doi:10.1108/13612020710824634
Wasserman, S., & Faust, K. (1994). Social network analysis: Methods and applications. Cambridge: Cambridge University Press.
Wollan, R., Smith, N., & Zhou, C. (2011). The social media management handbook: Everything you need to know to get social media working in your business. Hoboken, NJ: John Wiley & Sons, Inc.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.