[논문]패션 트렌드의 주기적 순환성에 관한 빅데이터 융합 분석

김기현; 변혜원

doi:10.15207/jkcs.2020.11.12.113

패션 트렌드의 주기적 순환성에 관한 빅데이터 융합 분석
The Analysis of Fashion Trend Cycle using Big Data 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.11 no.12, 2020년, pp.113 - 123

김기현 (성신여자대학교 정보시스템공학과) , 변혜원 (성신여자대학교 정보시스템공학과)

초록
AI-Helper

본 논문은 과거와 현재의 패션 트렌드와 패션 유행 주기에 관한 빅데이터 분석을 실시하였다. 패션 전문가나 패션쇼가 아닌 일반 사람들의 데일리룩을 위한 패션 트렌드를 분석하는데 집중하였다. 소셜 매트릭스 도구인 텍스톰을 활용하여 빈도수 분석, N-gram 분석, 네트워크 분석 및 구조적 등위성 분석을 수행하였다. 분석 결과, 첫째, 패션 전문가가 아닌 일반 사람들의 데일리 룩을 대상으로 과거(1980년대, 1990년대)와 현재(2019년, 2020년)의 패션 키워드를 도출하였다. 둘째, 과거의 패션이 현재의 패션으로 재현되는 순환성과 순환 주기가 30-40년 정도로 짧아졌음을 빅데이터 분석을 통해 과학적으로 검증하였다. 셋째, 도출된 패션 키워드들의 구조적 등위성 분석을 수행한 결과, 과거 패션에서는 청바지 패션, 레트로 코디, 애슬레저룩, 연예인 복고패션의 4개의 군집으로, 현재 패션에서는 레트로 청바지, 뉴트로, 레이디 쉬크, 레트로 퓨처리즘의 4개의 군집을 확인하였다. 넷째, 과거의 패션이 현재의 패션으로 재현되고 진화하는 네트워크 연결 관계를 확인하고 그 배경에 관한 이슈를 고찰하였다. 이와 같은 연구결과는 과거와 현재의 패션 키워드를 도출하고 이로부터 패션 유행의 순환 주기를 확인함으로써 과거를 통해 미래 패션을 예측하도록 하는데 의의가 있다.

Abstract ▼ AI-Helper

In this paper, big data analysis was conducted for past and present fashion trends and fashion cycle. We focused on daily look for ordinary people instead of the fashion professionals and fashion show. Using the social matrix tool, Textom, we performed frequency analysis, N-gram analysis, network analysis and structural equivalence analysis on the big data containing fashion trends and cycles. The results are as follows. First, this study extracted the major key words related to fashion trends for the daily look from the past(1980s, 1990s) and the present(2019 and 2020). Second, the frequence analysis and N-gram analysis showed that the fashion cycle has shorten to 30-40 years. Third, the structural equivalence analysis found the four representative clusters. The past four clusters are jean, retro codi, athleisure look, celebrity retro and the present clusters are retro, newtro, lady chic, retro futurism. Fourth, through the network analysis and N-gram analysis, it turned out that the past fashion is reproduced and evolves to the current fashion with certain reasoning.

주제어

표/그림 (19)

표 Table 1. Data Collection
그림 Fig. 1. Data Analysis Process
표 Table 2. similar words processing
표 Table 3. Text Frequency Analysis with the keyword '1980s Fashion'
표 Table 4. Text Frequency Analysis with the keyword '1990s Fashion'
표 Table 5. Text Frequency Analysis with the keyword '2019 Fashion'
그림 Fig. 2. N-gram analysis for the 1980s Fashion
그림 Fig. 3. N-gram analysis for the 1990s Fashion
그림 Fig. 4. N-gram analysis for the 2019 Fashion
표 Table 6. Text Frequency Analysis with the keyword '2020 Fashion'
그림 Fig. 5. N-gram analysis for the 2020 Fashion
그림 Fig. 6. Network analysis for the 1980s Fashion
그림 Fig. 7. Network analysis for the 1990s Fashion
그림 Fig. 8. Network analysis for the 2019 Fashion
그림 Fig. 9. Network analysis for the 2020 Fashion
그림 Fig. 10. Concor Analysis of 80s fashion data
그림 Fig. 11. Concor Analysis of 90s fashion data
그림 Fig. 12. Concor Analysis of 2019 fashion data
그림 Fig. 13. Concor Analysis of 2020 fashion data

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

이에 본 연구에서는 1980년대 이후의 패션 트렌드의 순환 주기에 관하여 조사하고자 한다. 과거(1980년대와 1990년대), 그리고 현재(2019년과 2020년)의 패션 트렌드에 관한 키워드들을 분석하여 패션 트렌드와 그 주기의 순환성을 검증해보고자 한다.
향후에는 패션 데이터를 수집하는 매체별 가중치를 도입하여 빅데이터 분석 결과의 신뢰도를향상시키는 융합 연구를 진행하고자 한다. 또한, 일반 사람들의 데일리룩과 의류 판매용 인터넷 라이브 방송을 위한 패션 분석과 나아가 미래 패션 트렌드 예측의 방향으로 연구를 확장하고자 한다. 이 연구를 초석으로 삼아 향후 패션 트렌드 예측을 위한 딥러닝 플랫폼을 연구개발 하고자 한다.
본 논문에서는 패션이 더 이상 패션 전문가의 전유물이 아니라 무신사나 ZARA와 같은 패스트 패션을 소비하는 일반인이라는 점에 주목하여 이들을 위한 데일리 룩의 패션 트렌드를 분석하고자 한다. 네이버, 다음 등 웹에서 패션 트렌드 관련 자료를 수집하고 빅데이터 분석을 활용하여 그 시대에 유행하는 일반인을 위한 패션 트렌드를 분석한다.
본 연구는 사람들이 열광하는 레트로 무드의 시대적 배경과 패션 트렌드 순환 주기, 그리고 순환성을 과학적으로 분석하기 위하여 빅데이터 분석 기법을 융합한 부분에 의의가 있다. 향후에는 패션 데이터를 수집하는 매체별 가중치를 도입하여 빅데이터 분석 결과의 신뢰도를향상시키는 융합 연구를 진행하고자 한다.
급증하고 있다. 이에 본 논문에서는 스트리트 패션과 데일리룩에 초점을 두고 빅데이터 분석을 융합하여 과거 패션(1980년대와 1990년대)과 현재 패션(2019년과 2020년)의 키워드를 비교 분석함으로써 패션 트렌드를 분석하고 패션 주기의 순환성을 검증하고자 하였다.
있다는 것을 유추할 수 있다[14]. 이에 본 연구에서는 1980년대 이후의 패션 트렌드의 순환 주기에 관하여 조사하고자 한다. 과거(1980년대와 1990년대), 그리고 현재(2019년과 2020년)의 패션 트렌드에 관한 키워드들을 분석하여 패션 트렌드와 그 주기의 순환성을 검증해보고자 한다.
네이버, 다음 등 웹에서 패션 트렌드 관련 자료를 수집하고 빅데이터 분석을 활용하여 그 시대에 유행하는 일반인을 위한 패션 트렌드를 분석한다. 특히, 최근의 패션 트렌드 중에 ‘레트로’ 에 주목하여 과거의 특정 시대(1980년대와 1990년대) 와현재 (2019년과 2020년)의 패션 트렌드를 각각 분석하고 ‘패션 유행은 시대가 지나면서 과거에 유행했던 패션이 다시 돌아와서 새롭게 유행한다’는 패션 트렌드의 순환성을 검증해 보고자 한다.

제안 방법

패션 트렌드를 분석하고자 한다. 네이버, 다음 등 웹에서 패션 트렌드 관련 자료를 수집하고 빅데이터 분석을 활용하여 그 시대에 유행하는 일반인을 위한 패션 트렌드를 분석한다. 특히, 최근의 패션 트렌드 중에 ‘레트로’ 에 주목하여 과거의 특정 시대(1980년대와 1990년대) 와현재 (2019년과 2020년)의 패션 트렌드를 각각 분석하고 ‘패션 유행은 시대가 지나면서 과거에 유행했던 패션이 다시 돌아와서 새롭게 유행한다’는 패션 트렌드의 순환성을 검증해 보고자 한다.
자료에 반복적으로 등장하는 ‘통바지’, ‘와이드팬츠’, ‘와이드바지’, ‘통넓은바지’와 같은 동일 의미 단어는 대표 단어 ‘와이드팬츠’로 통일시키고, 줄임말처럼 등장하는 ‘청바’ 등과 같은 단어는 원래 단어 ‘청바지’ 로대체하는 작업을 거친다. 또한, ‘등’, ‘이후’, ’대’와 같은 접속어나 문장 연결 어미 등의 텍스트와 기타 불필요한 텍스트를 삭제하는 전처리를 수행한다. Table 2는 대표 단어 별로 정리한 유사어 적용 사례를 보여주고 있다.
키워드 추출 및 빈도 분석을 통해 해당 기간에 유행하는 패션 아이템과 시대적 배경, 패션에 관한 사람들의 관심과 인식을 살펴보았다. 또한, 네트워크 분석 및 구조적 등위성 분석 등을 통해 복잡한 패션 네트워크 내에서의 구조적 관계와의 미를 파악하여 다양한 시사점을 제시하였다. 본 연구의의의는 다음과 같다.
이를 위하여 네이버 블로그, 카페, 뉴스, 웹 문서 등에서 수집한 대량의 데이터들을 대상으로 ‘텍스톰’을 사용하여 빅데이터 융합 분석을 실시하였다. 수집한 데이터는 단어 통일, 줄임말 대체, 어미 제거 등과 같은 정제과정을 거친 후에 빈도분석, TF-IDF, N-gram, 매트릭스 분석, 네트워크 분석, Concor 분석을 실시하였다.
첫째, 패션 전문가가 아닌 일반 사람들의 데일리 룩을 대상으로 패션 유행을 분석하였다. 패션에 관한 일반인들의 관심이 점점 더 증대되고 있고 네이버, 카카오 등의 라이브 방송으로 일반인들이 의류를 판매하기 시작한 현재 상황에 시의성 있는 결과 분석을 제공하였다.
수집한 데이터는 단어 통일, 줄임말 대체, 어미 제거 등과 같은 정제과정을 거친 후에 빈도분석, TF-IDF, N-gram, 매트릭스 분석, 네트워크 분석, Concor 분석을 실시하였다. 키워드 추출 및 빈도 분석을 통해 해당 기간에 유행하는 패션 아이템과 시대적 배경, 패션에 관한 사람들의 관심과 인식을 살펴보았다. 또한, 네트워크 분석 및 구조적 등위성 분석 등을 통해 복잡한 패션 네트워크 내에서의 구조적 관계와의 미를 파악하여 다양한 시사점을 제시하였다.
패션 키워드들간 연결 의미 및 관계를 분석하기 위하여 네트워크 분석을 실시하였다. 매트릭스 분석 결과 단어 빈도수, 유클리디언 계수, 코사인 계수, 자카드 계수, 상관 계수를 이용하여 Ucinet으로 네트워크 시각화를 하였다.
패션 유행을 분석하였다. 패션에 관한 일반인들의 관심이 점점 더 증대되고 있고 네이버, 카카오 등의 라이브 방송으로 일반인들이 의류를 판매하기 시작한 현재 상황에 시의성 있는 결과 분석을 제공하였다.

대상 데이터

키워드 ‘1980 년대 패션’, ‘1990년대 패션’을 사용하여 과거 패션 자료를 수집하였고, 키워드 ‘2019년 패션’, ‘2020년 패션’으로 현재 패션 자료를 수집하였다. 우리나라 사람들이 가장 많이 이용하는 포털 사이트 네이버 블로그, 카페, 뉴스, 웹 문서 등을 대상으로 자료를 수집하였다.
정제 과정을 거쳐 1980년대 패션 데이터 총 18, 979 개, 1990년대 데이터 13, 768개의 텍스트를 사용하였고, 2019년 데이터 13, 219개, 2020년 데이터 11, 710개의 텍스트를 분석에 사용하였다. 자료 분석 단계에서는 Fig.
자료 수집 방법은 Table 1과 같다. 키워드 ‘1980 년대 패션’, ‘1990년대 패션’을 사용하여 과거 패션 자료를 수집하였고, 키워드 ‘2019년 패션’, ‘2020년 패션’으로 현재 패션 자료를 수집하였다. 우리나라 사람들이 가장 많이 이용하는 포털 사이트 네이버 블로그, 카페, 뉴스, 웹 문서 등을 대상으로 자료를 수집하였다.

데이터처리

1과 같이 빈도분석과 워드 클라우드, TF-IDF, 매트릭스 분석을 실시하고. Ucinet과 Ucinet의 NetDraw 프로그램을 이용하여 텍스톰의 매트릭스 분석 결과에 대하여 네트워크 시각화와 구조적 등위성 분석(Concor 분석)을실시하였다.
네트워크 분석을 통해 텍스트 간 연관성을 파악한 다음 Concor 분석을 실시하였다. Concor(CONvergence of iteration CORrealtion) 분석은 텍스트간 상관관계를 사용하는 대표적인 구조적 등위성 측정 방법으로서 연관성이 높은 노드들을 하나의 그룹으로 구분해 주는 일종의 군집분석 방법이다[22].
둘째, 패션 순환성과 순환 주기가 30-40년 정도로 짧아졌음을 빅데이터 분석을 통해 과학적으로 검증하였다. 과거의 패션(1980년대, 1990년대)이 현재의 패션(2019 년, 2020년)으로 재현되고 재해석되어 패션 유행이 순환되었음을 입증하였다.
네트워크 분석을 실시하였다. 매트릭스 분석 결과 단어 빈도수, 유클리디언 계수, 코사인 계수, 자카드 계수, 상관 계수를 이용하여 Ucinet으로 네트워크 시각화를 하였다. Ucinete 소셜 네트워크 데이터 분석용 SW 패키지로서 다양한 연결망 분석 기능을 제공한다.
빅데이터 융합 분석을 실시하였다. 수집한 데이터는 단어 통일, 줄임말 대체, 어미 제거 등과 같은 정제과정을 거친 후에 빈도분석, TF-IDF, N-gram, 매트릭스 분석, 네트워크 분석, Concor 분석을 실시하였다. 키워드 추출 및 빈도 분석을 통해 해당 기간에 유행하는 패션 아이템과 시대적 배경, 패션에 관한 사람들의 관심과 인식을 살펴보았다.
분석에 사용하였다. 자료 분석 단계에서는 Fig. 1과 같이 빈도분석과 워드 클라우드, TF-IDF, 매트릭스 분석을 실시하고. Ucinet과 Ucinet의 NetDraw 프로그램을 이용하여 텍스톰의 매트릭스 분석 결과에 대하여 네트워크 시각화와 구조적 등위성 분석(Concor 분석)을실시하였다.

성능/효과

특징적인 것은 ‘레옹’, ‘클루리스’, ‘양준일’, ‘서태지’와 같이 영화, 연예인을 나타내는 키워드가 하나의 그룹으로 등장하였다는 점으로 미디어가 패션에 미치는 영향력을 보여주고 있다. 4번째 그룹 ‘레트로 아이템’은 ‘청청패션’, ‘타미힐피거’, ‘청바지’, ‘와이드팬츠’, ‘체크무늬’, ‘재킷’, ‘복고풍’으로 구성되어 있으며 청과 관련된 키워드와 함께 체크 셔츠도 등장함으로써 그 시절 가장 대표적인 복고풍 아이템을 확인할 수 있다.
네 번째 그룹은 ‘향수’, ‘레트로퓨처리즘’, ‘뉴트로’, ‘컬러풀’, ‘로고플레이’, ‘클래식블루’로 구성되어 있어 이를 대표하는 ‘레트로 퓨처리즘’으로 명명하였다. 기성세대의 향수를 자극함과 동시에 새로운 밀레니얼 세대에게 흥미를 일으키며 레트로를 다시 재해석한다는 의미의 레트로 퓨처리즘과 뉴트로가 나타났다. 이와 더불어 올해의 컬러 클래식블루의 등장과 함께 판단해 볼 때, 2020년은 새로운 무드가 등장함과 동시에 복고 아이템도 세련되게 재출시되어 지속적으로 유행을 선도한 해로 분석할 수 있다.
셋째, 도출된 패션 키워드 들의 구조적 관계를 살펴보기 위하여 구조적 등위성 분석의 일종인 CONCOR 분석을 수행한 결과, 4개의 군집으로 분류되었다. 과거 80년대, 90년대에는 청바지 패션, 레트로 코디, 애슬레저룩, 연예인 복고패션 등의 군집으로 분류되었다.
현재 2019 년도, 2020년도에는 레트로 청바지, 뉴트로, 레이디 쉬크, 레트로 퓨처리즘 등의 군집으로 분류되었다. 이를 통해 패션 유행의 순환 현상과 함께 시대에 따라 변화하는 미디어, 연예인 인플루언서의 영향, 레이디 쉬크, 레트로퓨처리즘 등으로의 패션 진화 방향이 분석되었다.
이와 같은 빈도분석 결과를 통해 과거 패션 키워드( 80년대와 90년대)와 현재 패션 키워드(2019년, 2020년) 간의 유사성을 발견할 수 있었으며 현재의 밀레니얼, Z 세대가 레트로에 열광하고 있다는 것을 찾아볼 수 있다.

후속연구

또한, 일반 사람들의 데일리룩과 의류 판매용 인터넷 라이브 방송을 위한 패션 분석과 나아가 미래 패션 트렌드 예측의 방향으로 연구를 확장하고자 한다. 이 연구를 초석으로 삼아 향후 패션 트렌드 예측을 위한 딥러닝 플랫폼을 연구개발 하고자 한다.
의의가 있다. 향후에는 패션 데이터를 수집하는 매체별 가중치를 도입하여 빅데이터 분석 결과의 신뢰도를향상시키는 융합 연구를 진행하고자 한다. 또한, 일반 사람들의 데일리룩과 의류 판매용 인터넷 라이브 방송을 위한 패션 분석과 나아가 미래 패션 트렌드 예측의 방향으로 연구를 확장하고자 한다.

참고문헌 (22)

J. S. Heo & E. J. Lee. (2019). Trend Analysis of Fashion Brand Evaluation using Big Data-focusing on Gucci Brand. Journal of the Korean Society of Costume, 69(6), 38-51.
LG CNS. (2019. 9. 20). How Does ZARA Use Big Data?. IT Solutions Series. https://m.post.naver.com/viewer/postView.nhn?volumeNo25446366&memberNo3185448&vTypeVERTICAL
J. P. Seo. (2019.12.4.). Big Data to Predict Fashion Trend?. Fashion Insignt. http://www.fi.co.kr/mobile/view.asp?idx67884
A. Lee & J. H. Lee. (2018). A Study of Perception of Golfwear using Big Data Analysis. Fashion & Textile Research Journal, 20(5), 533-547.
J. H. Lee, J. M. Lee, W. K. Kim & G. K. Hyoung. (2017). A Study on Perception of Swimsuit using Big Data Text-Mining Analysis. Korean Journal of Sport Science, 28(1), 104-116.
K. H. Han. (2019). A Study on the Consumer's Perception of HiSeoul Fashion Show using Big Data Analysis. Fashion Business, 23(5), 81-95.
D. J. Kim & S. H. Lee. (2019). A Study of Consumer Perception on Fashion Show using Big Data Analysis. Fashion Business, 23(3), 85-100.
Chief Choi. YouTube, https://www.youtube.com/watch?vX6UKOrR8n_M
DoHaji TV. YouTube, https://www.youtube.com/channel/UCCUrZ0jnKwZYRkqLpXq2_sA
J. Richardson & A. L. Kroeber. (1940). Three Centuries of Women's Dress Fashion; a Quantitative Analysis. Fashion Marketing, 47-105.
A. B. Young. (1937). Recurring Cycles of Fashion. Fashion Marketing, 107-124.
J. M. Carmen. (1966). The Fate of Fashion Cycles in Our Modern Society. Fashion Marketing, 125-136.
B. D. Belleau. (1987). Cyclical Fashion Movement: Women's Day Dresses: 1860-1980. Clothing and Textiles Research Journal, 5(2), 15-20.

상세보기
J. M. Choi. (1991). An Analytic Study on the Fashion Cycles in Women's Dress. Clothing and Textiles Research Journal, 28(3), 121-135.
K. S. Sung. (2020). Social Media Big Data Analysis of Z-Generation Fashion, Journal of Korea Fashion & Costume Design, 22(3), 49-61.
S. R. Kim. (2020). A Convergence Study on the Perception of Anorak Fashion using Big Data Analysis. The Korean Society of Science & Art (KSAF), 38(4), 43-55.
Y. J. Cho. (2020). A Study on Perception of 3D Printing Fashion using Big Data Analysis. The Korean Society of Science & Art (KSAF), 38(1), 271-283.
J. Y. Lee & J. H. Jung. (2020). Exploring Consumers' Perceptions of Bags using the SNS Big Data. Journal of Brand Design Association of Korea, 18(1), 55-70.
K. H. Han. (2019). An Snalysis of Consumers' Opinion on Fashion Influencer using Big Data. Journal of Digital Contents Society, 20(11), 2,283-2,290.
J. H. Kim & J. M. Lee. (2018). Comparison and Analysis of Domestic and Foreign Sports Brands using Text Mining and Opinion Mining Analysis. Journal of Digital Contents Society, 18(6), 217-234.
J. S. Huh & E. J. Lee. (2019). An Exploratory Analysis of the Web-based Keywords of Fashion Brands using Big Data: Focusing on their Links to the Brand's Key Marketing Strategies. The Research Journal of the Costume Culture, 27(4), 398-413.
Y. T. Lim & H. S. Lim. (2020). A Comparative Analysis of the Prediction Models for the Direction of Stock Price Using the Online Company Reviews. Journal of the Korea Convergence Society, 11(8), 165-171.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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