Due to the nature of fashion design that responds quickly and sensitively to changes, accurate forecasting for upcoming fashion trends is an important factor in the performance of fashion product planning. This study analyzed the major phenomena of fashion trends by introducing text mining and a big...
Due to the nature of fashion design that responds quickly and sensitively to changes, accurate forecasting for upcoming fashion trends is an important factor in the performance of fashion product planning. This study analyzed the major phenomena of fashion trends by introducing text mining and a big data analysis method. The research questions were as follows. What is the key term of the 2010SS~2019FW fashion trend? What are the terms that are highly relevant to the key trend term by year? Which terms relevant to the key trend term has shown high frequency in news articles during the same period? Data were collected through the 2010SS~2019FW Pre-Trend data from the leading trend information company in Korea and 45,038 articles searched by "fashion+material" from the News Big Data System. Frequency, correlation coefficient, coefficient of variation and mapping were performed using R-3.5.1. Results showed that the fashion trend information were reflected in the consumer market. The term with the highest frequency in 2010SS~2019FW fashion trend information was material. In trend information, the terms most relevant to material were comfort, compact, look, casual, blend, functional, cotton, processing, metal and functional by year. In the news article, functional, comfort, sports, leather, casual, eco-friendly, classic, padding, culture, and high-quality showed the high frequency. Functional was the only fashion material term derived every year for 10 years. This study helps expand the scope and methods of fashion design research as well as improves the information analysis and forecasting capabilities of the fashion industry.
Due to the nature of fashion design that responds quickly and sensitively to changes, accurate forecasting for upcoming fashion trends is an important factor in the performance of fashion product planning. This study analyzed the major phenomena of fashion trends by introducing text mining and a big data analysis method. The research questions were as follows. What is the key term of the 2010SS~2019FW fashion trend? What are the terms that are highly relevant to the key trend term by year? Which terms relevant to the key trend term has shown high frequency in news articles during the same period? Data were collected through the 2010SS~2019FW Pre-Trend data from the leading trend information company in Korea and 45,038 articles searched by "fashion+material" from the News Big Data System. Frequency, correlation coefficient, coefficient of variation and mapping were performed using R-3.5.1. Results showed that the fashion trend information were reflected in the consumer market. The term with the highest frequency in 2010SS~2019FW fashion trend information was material. In trend information, the terms most relevant to material were comfort, compact, look, casual, blend, functional, cotton, processing, metal and functional by year. In the news article, functional, comfort, sports, leather, casual, eco-friendly, classic, padding, culture, and high-quality showed the high frequency. Functional was the only fashion material term derived every year for 10 years. This study helps expand the scope and methods of fashion design research as well as improves the information analysis and forecasting capabilities of the fashion industry.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 끊임없이 생성되는 방대한 양의 패션 트렌드 예측 정보와 소비자 대상 뉴스 자료를 빅데이터 분석 방법인 텍스트 마이닝을 활용하여 예측과 실제를 비교하는 것을 목적으로 한다. 2010년부터 2019년까지 10년간 생성된 시즌별 패션 트렌드 예측 정보를 바탕으로 텍스트마이닝 방법을 사용하여 국내 패션 산업의 패션 디자인 예측 트렌드를 파악하고자 한다. 또한 이러한 예측 트렌드가 소비자의 이슈 인식에 영향을 줄 수 있는 소비자 대상 뉴스 자료에서 실제로 등장하는지 또한 어떻게 표현되었는지를 살펴보고자 한다.
2010년부터 2019년까지 10년간 생성된 시즌별 패션 트렌드 예측 정보를 바탕으로 텍스트마이닝 방법을 사용하여 국내 패션 산업의 패션 디자인 예측 트렌드를 파악하고자 한다. 또한 이러한 예측 트렌드가 소비자의 이슈 인식에 영향을 줄 수 있는 소비자 대상 뉴스 자료에서 실제로 등장하는지 또한 어떻게 표현되었는지를 살펴보고자 한다. 이를 통해 패션 트렌드 예측이 실제로 소비자 시장에 반영 여부를 확인하고자 한다.
본 연구는 끊임없이 생성되는 방대한 양의 패션 트렌드 예측 정보와 소비자 대상 뉴스 기사 자료를 빅데이터 분석방법인 텍스트 마이닝을 도입하여 예측과 실제를 비교함으로써 패션 트렌드의 주요 현상을 분석하는 것을 목적으로 하였다. 분석 결과는 다음과 같다.
본 연구는 끊임없이 생성되는 방대한 양의 패션 트렌드 예측 정보와 소비자 대상 뉴스 자료를 빅데이터 분석 방법인 텍스트 마이닝을 활용하여 예측과 실제를 비교하는 것을 목적으로 한다. 2010년부터 2019년까지 10년간 생성된 시즌별 패션 트렌드 예측 정보를 바탕으로 텍스트마이닝 방법을 사용하여 국내 패션 산업의 패션 디자인 예측 트렌드를 파악하고자 한다.
연구문제 1 : 2010SS부터 2019FW까지 패션 트렌드 예측 정보 데이터에서 높은 빈도를 보인 핵심 용어는 무엇인가?
또한 이러한 예측 트렌드가 소비자의 이슈 인식에 영향을 줄 수 있는 소비자 대상 뉴스 자료에서 실제로 등장하는지 또한 어떻게 표현되었는지를 살펴보고자 한다. 이를 통해 패션 트렌드 예측이 실제로 소비자 시장에 반영 여부를 확인하고자 한다. 이러한 연구 결과는 앞으로의 패션 디자인의 변화를 조망하는데 기초자료로 제공되는 동시에 패션 디자인 전망에 대한 뉴스 기사의 특성을 파악하는 데 활용될 수 있다.
패션 트렌드 선행연구는 3가지로 분류할 수 있다. 첫째, 현재 또는 과거의 트렌드 경향을 요약하고 분석하는 것이다. 조형적인 측면에서 대상을 구성하고 있는 요소들을 분할하여 시대별로 흐름을 관찰하고 일정한 경향성을 도출하는 연구들이다.
제안 방법
빈도 분석은 2단계로 진행하였는데 우선 수집한 텍스트에 대하여 말뭉치(Corpus)를 작성한 후 텍스트 처리를 수행(기호, 숫자, 공백, stopwords 제거 등)하여 분석대상 용어들을 1차로 추출하였다. 1차로 추출된 용어 중 영문을 한글로 표기한 경우나 복수 표현 또는 조사에 의해 다른 용어로 분리된 용어를 동일한 용어로 간주하고 가장 높은 빈도로 출현한 용어로 변경하였다. 예를 들어 natural, 내추럴, 내추럴한, 내추럴함 등이 추출되었을 때 가장 높은 빈도를 보인 ‘natural’로 다른 용어들을 모두 수정하는 작업을 수행하였다.
2010SS∼2019FW 패션 트렌드 정보에서 최빈 도출 키워드로 나타난 ‘소재’가 구체적으로 어떠한 용어들과 연관되어 있는지를 알아보기 위해 상관계수를 도출하였다.
2010년부터 2019년까지 패션 트렌드 예측 정보와 뉴스 기사 핵심 용어의 추이를 비교·분석하기 위하여 10년 동안 뉴스 기사에서 출현한 빈도를 합산하여 빈도가 높은 상위 10개 용어를 추출하고 연도별로 시각화 하였다.
Streetstyle-27K(2013–2016)의 빅 데이터를 머신러닝을 통해 이미지를 읽는 방법을 시도하였는데 이를 통해 트렌드 빈도를 추적하여 트렌드 패턴과 문화적 변화를 시각화하였다.
본 연구에서 연구문제 1과 2를 위해 적용한 분석 방법은 빈도 분석과 연관어 분석이다. 우선 수집된 2010SS~2019FW 패션 트렌드 정보의 Pre-Trend 자료에 대해 빈도 분석과 연관어 분석을 적용하였다.
빈도 분석 시 핵심 용어 추출을 TF-IDF(Term Frequency-Inverse Document Frequency) 기반으로 하지 않고 TF 기반으로 한 이유는 Pre-Trend 자료가 특정한 키워드 기반으로 검색한 데이터가 아니라 패션 디자인에 대한 전문적인 정보를 담고 있으므로 흔하게 등장하는 단어를 TF-IDF 기반으로 걸러낼 필요가 없다고 판단했기 때문이다. 빈도 분석은 2단계로 진행하였는데 우선 수집한 텍스트에 대하여 말뭉치(Corpus)를 작성한 후 텍스트 처리를 수행(기호, 숫자, 공백, stopwords 제거 등)하여 분석대상 용어들을 1차로 추출하였다. 1차로 추출된 용어 중 영문을 한글로 표기한 경우나 복수 표현 또는 조사에 의해 다른 용어로 분리된 용어를 동일한 용어로 간주하고 가장 높은 빈도로 출현한 용어로 변경하였다.
연관어 분석을 수행하기 위해서 TF를 기반으로 최다 출현 빈도로 선정된 주요 단어를 중심으로 용어문헌행렬(Term-document matrix)를 구성한 후 ‘소재’ 키워드와 연관성이 높은 키워드를 추출하여 ‘소재’가 어떤 개념과 연관성을 갖는지 살펴보았다.
예를 들어 natural, 내추럴, 내추럴한, 내추럴함 등이 추출되었을 때 가장 높은 빈도를 보인 ‘natural’로 다른 용어들을 모두 수정하는 작업을 수행하였다. 이러한 추가 수정 작업을 수행하여 고빈도 용어들을 추출하였다. 다음으로 빈도 분석 결과 최빈 키워드로 도출된 ‘소재’ 키워드에 대해서 연관어 분석을 실시하였다.
이를 위해 연도별로 트렌드 정보 분석 결과 최빈도출 용어인 ‘소재’의 상위 30개 연관어를 해당연도 패션 및 소재 뉴스 기사에서 도출된 핵심 용어와 매핑하였다.
트렌드 정보와 뉴스 기사 매핑 핵심 용어의 추이를 분석하기 위한 또 하나의 방법으로 변동계수(Coefficient of variation)가 안정적인 하위 10개 용어를 도출하고 시각화하였다. 변동계수는 표준편차를 평균에 대한 백분율로 나타낸 것으로 변동계수의 값이 작을수록 안정적으로 해석한다.
패션 전문가의 예측에 기반한 패션 트렌드 예측 정보와 일반 소비자를 대상으로 한 패션 및 소재 관련 뉴스를 비교하였다. 이를 위해 연도별로 트렌드 정보 분석 결과 최빈도출 용어인 ‘소재’의 상위 30개 연관어를 해당연도 패션 및 소재 뉴스 기사에서 도출된 핵심 용어와 매핑하였다.
Lee and Chung(2009)은 패션 트렌드 정보지와 인터넷 패션 전문 쇼핑몰 의류제품 분석 자료를 주요 비교, 분석하였다. 패션 트렌드 정보지에서 보여주는 인플루언스, 테마 이미지, 색채, 소재/패턴, 아이템, 스타일 등을 상호 비교, 분석하여 공통성을 파악하여 대표적인 패션 트렌드를 추출한 후, 의류제품들의 디자인 특성 즉, 이미지, 색채, 소재/패턴, 아이템/디테일, 스타일 등으로 나누어 분석하였다. Yang and Kim(2019)은 2019년 봄, 여름 시즌 예측 정보자료를 바탕으로 서울과 파리 스트리트 패션을 스타일, 컬러, 액세서리로 나누어 비교분석 하여 패션 소비 도시에서의 수용 특성을 파악하였다.
대상 데이터
또한 트렌드 핵심용어 중 가장 높은 빈도를 보인 ‘소재’와 연관성이 높은 용어들이 대중 소비자를 대상으로 하는 뉴스 기사에서는 어떻게 등장하는지를 알아보기 위해 2010년부터 2019년까지 발행된 신문 기사 중에서 ‘패션’ 및 ‘소재’를 키워드로 하여 추출한 신문기사를 추가적인 분석 대상으로 하였다.
또한 트렌드 핵심용어 중 가장 높은 빈도를 보인 ‘소재’와 연관성이 높은 용어들이 대중 소비자를 대상으로 하는 뉴스 기사에서는 어떻게 등장하는지를 알아보기 위해 2010년부터 2019년까지 발행된 신문 기사 중에서 ‘패션’ 및 ‘소재’를 키워드로 하여 추출한 신문기사를 추가적인 분석 대상으로 하였다. 본 연구에서는 뉴스 빅데이터 분석시스템인 빅카인즈(https://www.bigkinds.or.kr/)를 통해 기사를 수집하였으며 10년간 총 45,038건의 기사가 검색되었다. Table 1은 연도별 신문 기사 수를 나타낸 것이다.
장기간의 트렌드 추이를 분석하기 위해 2010SS부터 2019FW까지 10년을 연구의 범위로 설정하였다. 연구범위에 해당하는 자료는 1년 전에 발표되는 트렌드 예측 정보와 실제 기간에 보도되었던 뉴스 기사를 대상으로 하였다. 트렌드 예측 정보를 연구 자료로 선정한 이유는 (1)단편적인 트렌드의 수동적인 수용에서 벗어나 장기적인 트렌드 추이 분석에 기반한 예측 능력 개발을 위해서는 최소 10년 이상의 일관된 양식의 데이터가 필요하고, (2)트렌드는 시대별로 이슈를 포함하고 그 이슈들은 여러 가지 영향요인들이 복잡하게 엮어서 생성되는 결과물인데 텍스트 마이닝이 이슈가 되는 키워드를 도출하고 네트워크 구조를 밝히는 데 적합하고, (3)트렌드 정보는 예측에 기반한 자료이지만, 여러 가지 영향요인들을 고려한 전문가 집단의 결과물이란 점에서 정확도와 신뢰도를 가질 수 있고, 이를 실제 트렌드(전문지나 기사 콘텐츠, 기업 내부자료 등)와 비교해볼 수 있는 후속 연구 가능성도 고려할 수 있기 때문이다.
Table 1은 연도별 신문 기사 수를 나타낸 것이다. 이 중 중복 기사를 제거한 후 제목과 본문으로 이루어진 기사에서 키워드 중복성을 피하고자 본문만 분석 대상 데이터로 활용하였다.
장기간의 트렌드 추이를 분석하기 위해 2010SS부터 2019FW까지 10년을 연구의 범위로 설정하였다. 연구범위에 해당하는 자료는 1년 전에 발표되는 트렌드 예측 정보와 실제 기간에 보도되었던 뉴스 기사를 대상으로 하였다.
트렌드 예측 정보 자료수집을 위해 국내 대표적인 트렌드 정보회사 P사의 협조를 얻어 지난 10년간(2010SS~2019FW) 발표된 트렌드 정보 중 다가올 트렌드를 예측하여 발표하는 Pre-Trend 자료를 제공받아 분석 대상으로 하였다. 또한 트렌드 핵심용어 중 가장 높은 빈도를 보인 ‘소재’와 연관성이 높은 용어들이 대중 소비자를 대상으로 하는 뉴스 기사에서는 어떻게 등장하는지를 알아보기 위해 2010년부터 2019년까지 발행된 신문 기사 중에서 ‘패션’ 및 ‘소재’를 키워드로 하여 추출한 신문기사를 추가적인 분석 대상으로 하였다.
데이터처리
구체적으로 사용된 R 프로그램의 패키지를 살펴보면, 한글 텍스트마이닝을 위해 ‘KoNLP’가 사용되었으며 빈도 분석, 연관어 분석을 위하여 ‘tm’패키지를 이용하였다.
다음으로 빈도 분석 결과 최빈 키워드로 도출된 ‘소재’ 키워드에 대해서 연관어 분석을 실시하였다.
마지막 연구문제 3인 패션 소재 관련 신문 기사에서 어떤 키워드들이 추출되는지 확인하기 위해서는 빈도분석과 함께 연구문제 2의 결과와 맵핑을 실시하였다. 수집된 텍스트 자료는 오픈 소스 프로그램인 R-3.
마지막 연구문제 3인 패션 소재 관련 신문 기사에서 어떤 키워드들이 추출되는지 확인하기 위해서는 빈도분석과 함께 연구문제 2의 결과와 맵핑을 실시하였다. 수집된 텍스트 자료는 오픈 소스 프로그램인 R-3.5.1 버전을 사용하여 분석하였다. 구체적으로 사용된 R 프로그램의 패키지를 살펴보면, 한글 텍스트마이닝을 위해 ‘KoNLP’가 사용되었으며 빈도 분석, 연관어 분석을 위하여 ‘tm’패키지를 이용하였다.
본 연구에서 연구문제 1과 2를 위해 적용한 분석 방법은 빈도 분석과 연관어 분석이다. 우선 수집된 2010SS~2019FW 패션 트렌드 정보의 Pre-Trend 자료에 대해 빈도 분석과 연관어 분석을 적용하였다. 빈도 분석은 TF(Term Frequency)기반으로 도출하였다.
이론/모형
우선 수집된 2010SS~2019FW 패션 트렌드 정보의 Pre-Trend 자료에 대해 빈도 분석과 연관어 분석을 적용하였다. 빈도 분석은 TF(Term Frequency)기반으로 도출하였다. 빈도 분석 시 핵심 용어 추출을 TF-IDF(Term Frequency-Inverse Document Frequency) 기반으로 하지 않고 TF 기반으로 한 이유는 Pre-Trend 자료가 특정한 키워드 기반으로 검색한 데이터가 아니라 패션 디자인에 대한 전문적인 정보를 담고 있으므로 흔하게 등장하는 단어를 TF-IDF 기반으로 걸러낼 필요가 없다고 판단했기 때문이다.
성능/효과
2에서 보는 바와 같이 2010년 SS ‘내추럴’을 제외하고는 매 시즌 독보적으로 높은 빈도를 보였다. 따라서 본 연구 대상인 2010SS~2019FW 패션 트렌드 예측 정보 데이터에 따르면 2010~2019년 패션에서 소재가 가장 중요한 핵심 용어임을 확인할 수 있었다. 패션에서의 소재의 중요성을 반영하듯 뉴욕 FIT 뮤지움은 2018년 12월부터 2019년 5월까지 ‘Fabric in Fashion’ 전시를 개최하였다.
또한 트렌드 예측 정보가 실제 트렌드 이슈를 선도하는지 확인하기 위해 트렌드 예측 정보에서 도출한 ‘소재’ 연관어를 뉴스 기사와 맵핑해본 결과, 트렌드 정보에서 예측된 소재 관련 연관어의 일부분이 해당 연도 신문기사에서 등장하는 것을 확인할 수 있었다.
연도별 패션+소재 관련 최빈 핵심 용어는 4개년도(2011년, 2013년, 2017년, 2019년)를 제외하고 모두 ‘기능적’으로 나타났는데 이는 기능성 소재와 관련된 기사가 패션 및 소재 관련 신문 기사에 가장 많이 등장했다는 것을 시사한다.
이러한 빈도 분석 결과를 바탕으로 ‘소재’와 연관된 용어를 트렌드 예측 정보에서 추출한 결과, 가장 연관성이 높은 단어는 매년 바뀌는 것으로 나타났다.
이러한 연구 결과를 통해 패션 트렌드 예측이 해당연도에 실제로 소비자 시장에 반영되고 있음을 알 수 있었다. 이렇듯 변화의 속도가 빠르고 민감하게 반응하는 패션 디자인 분야는 트렌드 예측 정보가 시장을 선도하고 소비자의 이슈 인식에 영향을 주고 있다는 것을 확인할 수 있다는 점이 본 연구가 가지는 의의라 할 수 있다.
트렌드 정보에서 예측된 소재 관련 연관어의 일부분이 해당 연도 신문 기사에서 등장하는 것을 확인할 수 있었다. 특히 앞서 트렌드 정보 분석 결과를 보면 2013년 기능성 소재에 대한 트렌드를 중점적으로 다루기 시작한 것을 확인할 수 있었는데, 신문 기사에서도 2013년부터 ‘방수’, ‘보온’, ‘스포츠’, ‘액티브’ 등 관련 용어들이 도출되기 시작하여 2019년까지 지속되는 것을 볼 수 있다.
핵심 용어 분석 결과 10년 동안 100회 이상 출현 빈도를 보인 용어는 13개로 ‘소재’, ‘형태’, ‘외관’, ‘내추럴’, ‘컬러’, ‘패턴’, ‘스포티’, ‘감성’, ‘편안한’, ‘니트’, ‘기술’, ‘기능적’, ‘캐주얼’이 도출되었으며 Table 2에 요약하였다.
후속연구
패션 트렌드는 갑자기 등장했다가 사라지는 경우도 있지만 대부분 진화의 과정을 거친다. 따라서 트렌드의 변화추이 분석은 미래 마켓에서 판매될 상품의 보다 정확한 예측에 도움을 주어 패션기업의 디자인, 생산 및 판매 관련 불확실성을 감소시킬 수 있을 것이다. 또한 연구대상을 전문가 예측 중심 패션 정보자료와 소비자 대중 중심 뉴스기사를 비교·분석한 본 연구 방법은 패션 전문 매거진, 소셜미디어 등 타 텍스트 자료들에 적용될 수 있다.
또한 연구대상을 전문가 예측 중심 패션 정보자료와 소비자 대중 중심 뉴스기사를 비교·분석한 본 연구 방법은 패션 전문 매거진, 소셜미디어 등 타 텍스트 자료들에 적용될 수 있다.
또한 연구대상을 전문가 예측 중심 패션 정보자료와 소비자 대중 중심 뉴스기사를 비교·분석한 본 연구 방법은 패션 전문 매거진, 소셜미디어 등 타 텍스트 자료들에 적용될 수 있다. 또한 주제에 있어서도 트렌드뿐 아니라 색채, 소재, 스타일 등 패션 디자인의 다른 세분화된 영역으로도 가능하며, 더 나아가 복식사, 라이프스타일, 마케팅 등 대량의 텍스트 데이터 수집이 가능한 패션 분야의 다른 주제 연구와 소비시장에 대한 예측이 중요한 모든 산업에까지 유용한 도구가될 수 있을 것이다. 마지막으로 본 연구방법과 결과를 교육과 접목한다면 창의력과 함께 논리적, 분석적, 통합적, 확산적 사고력 등 다양한 문제해결능력을 갖춘 패션 빅데이터 전문인재양성에 기여할 수 있을 것이다.
또한 주제에 있어서도 트렌드뿐 아니라 색채, 소재, 스타일 등 패션 디자인의 다른 세분화된 영역으로도 가능하며, 더 나아가 복식사, 라이프스타일, 마케팅 등 대량의 텍스트 데이터 수집이 가능한 패션 분야의 다른 주제 연구와 소비시장에 대한 예측이 중요한 모든 산업에까지 유용한 도구가될 수 있을 것이다. 마지막으로 본 연구방법과 결과를 교육과 접목한다면 창의력과 함께 논리적, 분석적, 통합적, 확산적 사고력 등 다양한 문제해결능력을 갖춘 패션 빅데이터 전문인재양성에 기여할 수 있을 것이다.
본 연구는 한국어와 외국어가 혼용된 자료를 정제하는 과정과 결과 해석에 있어 연구자의 주관을 완벽히 배제하기 어렵다는 한계를 가지고 있다. 그러나, 패션 디자인 학술연구에 있어 이미지 위주의 자료수집에서 텍스트 자료까지 자료의 범위를 확대하고, 패션 트렌드의 변화 추이를 직관이 아닌 계량적인 분석을 통해 보다 객관적인 결과를 도출하였다는 데에 의의가 있다.
이를 통해 패션 트렌드 예측이 실제로 소비자 시장에 반영 여부를 확인하고자 한다. 이러한 연구 결과는 앞으로의 패션 디자인의 변화를 조망하는데 기초자료로 제공되는 동시에 패션 디자인 전망에 대한 뉴스 기사의 특성을 파악하는 데 활용될 수 있다.
이를 위해서는 거시적 &미시적 환경, 패션 트렌드, 소비자의 디자인 선호와 수용 등에 관한 실시간적인 연구가 필요하다.
참고문헌 (32)
An, H. S., & Park, M. J. (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
An, J. Y., Ahn, K. B., & Song, M. (2016). Text mining driven content analysis of ebola on news media and scientific publications. Journal of the Korean Library and Information Science Society, 50(2), 289-307. doi:10.4275/kslis.2016.50.2.289
Bae, S. J. (2011). An analysis on the color trend of street fashion in Dalian, China(paper no. 2) - Focused on 2010 winter, compare with the Chinese traditional color preference. Journal of Fashion Business, 15(5), 161-177. doi:10.12940/jfb.2011.15.5.161
Baek, M. Y., & Kim, Y. K. (2009). A study on the characteristic of domestic fashion color trend. Journal of The Korean Society of Fashion Design, 9(2), 75-88.
Choi, Y. H., & Lee, K. H. (2020a). Ethical fashion research trend using text mining: Network analysis of the published literature 2009-2019. Fashion & Textile Research Journal, 22(2), 181-191. doi:10.5805/sfti.2020.22.2.181
Choi, Y. H., & Lee, K. H. (2020b). Korean consumers’ political consumption of Japanese fashion products. Journal of the Korean Society of Clothing and Textiles, 44(2), 295-309. doi:10.5850/JKSCT.2020.44.2.295
Dimmick, J., Chen, Y., & Li, Z. (2004). Competition between the internet and traditional news media - The gratification-opportunities niche dimension. The Journal of Media Economic, 17(1), 19-33. doi:10.1207/s15327736me1701_2
Getman, R., Green, D., Bala, K., Mall, U., Rawat, N., Appasamy, S., & Hariharan, B. (2020). Machine learning(ML) for tracking fashion trends: Documenting the frequency of the baseball cap on social media and the runway. Clothing and Textiles Research Journal, 1-16. doi:10.1177/0887302X20931195
Han, K. H. (2019). A study on the consumer’s perception of HiSeoul fashion show using big data analysis. Journal of Fashion Business, 23(5), 81-95. doi:10.12940/jfb.2019.23.5.81
Hinssen, P. (2014). The new normal (Y. J. Lee, Trans.). Seoul: Next Wave. (Original work published 2010)
Jang, N. K., & Kim, M. J. (2017). Research trend analysis in fashion design studies in Korea using topic modeling. Journal of Digital Convergence, 15(6), 415-423. doi:10.14400/JDC.2017.15.6.415
Jo, J. H., Chung, Y. T., Choi, S. W., & Ok, C. S. (2018). Unstructured data quantification scheme based on text mining for user feedback extraction. Journal of Society of Korea Industrial and Systems Engineering, 41(4), 131-137. doi:10.11627/jkise.2018.41.4.131
Kim, J. S. (2018). A study on the perception of fashion streaming service using text mining analysis - Focused on PROJECT ANNE-. Journal of Fashion Design, 18(1), 107-118. doi:10.18652/2018.18.1.7
Kim, D. J., & Lee, S. H. (2019). A study of consumer perception on fashion show using big data analysis. Journal of Fashion Business, 23(3), 85-100. doi:10.12940/jfb.2019.23.3.85
Ko, H. S., Lee, J. Y., & Lee, Y. H. (2017). Fashion trend acceptance and fabric planning in Dongdaemoon fabric market. The Research Journal of the Costume Culture, 25(6), 773-786. doi:10.29049/rjcc.2017.25.6.773
Lee, E. J. (2011). Dialectical interpretation of the affect of globali- zation on twenty-first century fashion trends -Super-historicism and syncretics. Journal of the Korean Society of Fashion Design, 11(4), 41-59.
Lee, M. S. (2018). Dailiness in fashion - Focused on normcore, gorpcore, menocore. Journal of Korea Design Forum, 23(4), 19-30. doi:10.21326/ksdt.2018.23.4.002
Lee, Y. M., & Chung, S. H. (2009). An analysis of trend acceptance of clothing items at an internet shopping mall specializing in fashion - Focusing on 08 S/S season. Journal of Fashion Business, 13(4), 85-98.
Lin, Y., Zhou, Y., & Xu, H. (2015). Text-generated fashion influence model: An empirical study on style.com. Proceedings of the 48th Hawaii International Conference on System Sciences (pp. 3642-3650). IEEE. doi:10.1109/hicss.2015.438
Minner, S., & Kiesmuller, G. P. (2012). Dynamic product aquisition in closed loop supply chains. International Journal of Production Research, 50(11), 2836-2851. doi:10.1080/00207543.2010.539280
Noh, G. H., & Lee, G. H. (2002). An analysis on the fashion trend acceptance through the consumer wearing styles. Fashion & Textile Research Journal, 4(5), 465-472.
Park, J. S., & Lee, Y. R. (2014). Exploring fashion trends using network snalysis. Journal of the Korean Society of Clothing and Textiles, 38(5), 611-626. doi:10.5850/JKSCT.2014.38.5.611
Shin, S. H., & Ryoo, S. H. (2005). The effects of self-esteem and body cathexis on the acceptance of fashion trends. The Research Journal of the Costume Culture, 13(2), 280-288.
Sung, K. S. (2020). Research on the reaction to newtro fashion through social media. A Treatise on The Plastic Media, 23(2), 10-18. doi:10.35280/kotpm.2020.23.2.2
Tan, A. (1999). Text mining: The state of the art and the challenges. Proceedings of the PAKDD 1999 Workshop on Knowledge Disocovery from Advanced Databases, pp. 65-70.
Tian, Y., Zhang, Z., Yu, Y., Liu, X., & Huang, H. (2019). The construction of visual cognitive decision-making platform with user insight and the fashion trend in the era of big data. Proceedings IOP Conference Series: Materials Science and Engineering (Vol. 520, No. 1, p. 012012). IOP Publishing. doi:10.1088/1757-899X/520/1/012012
Way, E. (2018). Fabric in fashion. The museun at FIT. Retrieved June 01, 2020 from http://www.fitnyc.edu/museum/documents/fabric-in-fashion-brochure.pdf
Yang, Y. J., & Kim, M. H. (2019). Comparative study of street fashion in Seoul and Paris from the perspective of accepting trend forecast information. Journal of Cultural Product & Design, 58, 155-172. doi:10.18555/kicpd.2019.58.15
Yun, E. Y. (2017). A study on the big data utilization in domestic fashion industry. Journal of Cultural Product & Design, 50, 191-200. doi:10.18555/kicpd.2017.50.17
Yun, J. S., & Kim, S. J. (2015). A study on the analysis of fashion fabric trend and the acceptance by collection - Focus on domestic and international collections in 2007 S/S - 2010 S/S-. Fashion & Textile Research Journal, 17(5), 704-717. doi:10.5805/sfti.2015.17.5.704
Zhao, L., & Min, C. (2019). The rise of fashion informatics: A case of data-mining-based social network analysis in fashion. Clothing and Textiles Research Journal, 37(2), 87-102. doi:10.1177/0887302x18821187
※ AI-Helper는 부적절한 답변을 할 수 있습니다.