[논문]감정 기반 키워드 속성값 산출에 따른 글꼴 추천 서비스

지영서; 임순범

doi:10.9717/kmms.2022.25.8.999

감정 기반 키워드 속성값 산출에 따른 글꼴 추천 서비스
Font Recommendation Service Based on Emotion Keyword Attribute Value Estimation 원문보기

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.25 no.8, 2022년, pp.999 - 1006

지영서 (Dept of. IT Engineering. Sookmyung Women's University) , 임순범 (Dept of. IT Engineering. Sookmyung Women's University)

Abstract ▼ AI-Helper

The use of appropriate fonts is not only an aesthetic point of view, but also a factor influencing the reinforcement of meaning. However, it is a difficult process and wastes a lot of time for general users to choose a font that suits their needs and emotions. Therefore, in this study, keywords and fonts to be used in the experiment were selected for emotion-based font recommendation, and keyword values for each font were calculated through an experiment to check the correlation between keywords and fonts. Using the experimental results, a prototype of a keyword-based font recommendation system was designed and the possibility of the system was tested. As a result of the usability evaluation of the font recommendation system prototype, it received a positive evaluation compared to the existing font search system, but the number of fonts was limited and users had difficulties in the process of associating keywords suitable for their desired situation. Therefore, we plan to expand the number of fonts and conduct follow-up research to automatically recommend fonts suitable for the user's situation without selecting keywords.

주제어

표/그림 (9)

그림 Fig. 1. Example of an font search service by Google Font (https://fonts.google.com/).
그림 Fig. 2. Survey for keyword selection.
그림 Fig. 3. Fonts selected by basic design category.
그림 Fig. 4. Interface for associating keyword attributes by font. (a) Interface before experiment, (b) interface in progress, and (c) interface after experiment.
그림 Fig. 5. Example of calculation process for keyword attribute values of font.
그림 Fig. 6. Keyword-based font recommendation service. (a) Interface before operationf and (b) Example of recommendation font.
표 Table 1. Keyword values of each fonts.
그림 Fig. 7. Font recommendation service prototype usability evaluation result graph.
표 Table 2. Font recommendation service prototype usability evaluation result.

AI 본문요약
AI-Helper

문제 정의

따라서 본 연구에서는 키워드로 글꼴의 감정을 표현하는 것을 목표로,글꼴을 표현할 수 있는 19가지 키워드와 실험에 사용할 26개의 대표 폰트를 선정한 뒤 다수의 사용자에게 키워드에 대해 글꼴의 연관성을 상, 중, 하로 선정하도록 하여 글꼴과 키워드 사이의 관계성을 확인하는 실험을 진행하였다. 실험 결과를 활용해 키워드 기반 글꼴 추천 시스템 프로토타입을 설계하여 해당 시스템의 가능성에 대해 실험하였다.
본 연구에서는 글꼴의 특성을 표현할 수 있고 한글 글꼴에 적용 가능한 키워드를 선정하고 다양한디자인의 글꼴을 선정하여 글꼴이 표상하는 키워드를 연결시키는 실험을 진행하였다. 실험 결과를 바탕으로 글꼴 별 키워드를 0과 1 사이의 수치 값으로 산출하여 사용자가 키워드를 선택하면 글꼴을 추천해주는 키워드 기반 글꼴 추천 서비스 프로토타입을 구현하였다.

제안 방법

감정 키워드는 Peter O’ Donvan의 연구에서 사용한 37가지 키워드를 기반으로 본 연구에 활용하였다. 글꼴 디자이너의 도움을 받아 37가지 키워드중 한글 글꼴에 적용이 어려운 키워드를 정리하여 제외하는 과정을 진행하는 동시에 글꼴이 외형을 나타내는 키워드와 감성을 나타내는 키워드 개수의 균형을 맞추는 과정을 진행하여 26개 키워드로 축소하였다.
글꼴 별 키워드 속성 조사를 위해 평가자에게 키워드를 제시하고 글꼴과 키워드의 연관성을 비교하여 단계 별로 분류하도록 지시하였다. 키워드와의 관련성을 상, 중, 하 세가지 단계로 분류하는 작업이며 참여자가 직접 글꼴을 드래그 앤 드롭 방식으로 분류할 수 있도록 하였고 모든 글꼴을 한 화면에 표시하여 모든 글꼴에 대해 가시적으로 확인하여 비교할 수 있도록 했다.
이후 글꼴 추천 시스템에서 사용자가 자신이 원하는 키워드를 선택하면 글꼴을 추천해주는 방식으로진행하기 위하여 사용자가 이해하기 어려워하거나 선호하지 않는 키워드를 제거하기 위한 설문을 진행하였다. 설문 참여자에게 글꼴을 제시하고 제시한 글꼴의 이미지를 잘 나타낸다고 생각하는 키워드를 모두 선택하도록 지시하였다. 설문 결과에 따라 10명의 평가자 중 2명 이하가 선택한 키워드는 제거하였다.
따라서 본 연구에서는 키워드로 글꼴의 감정을 표현하는 것을 목표로,글꼴을 표현할 수 있는 19가지 키워드와 실험에 사용할 26개의 대표 폰트를 선정한 뒤 다수의 사용자에게 키워드에 대해 글꼴의 연관성을 상, 중, 하로 선정하도록 하여 글꼴과 키워드 사이의 관계성을 확인하는 실험을 진행하였다. 실험 결과를 활용해 키워드 기반 글꼴 추천 시스템 프로토타입을 설계하여 해당 시스템의 가능성에 대해 실험하였다.
이후 글꼴 추천 시스템에서 사용자가 자신이 원하는 키워드를 선택하면 글꼴을 추천해주는 방식으로진행하기 위하여 사용자가 이해하기 어려워하거나 선호하지 않는 키워드를 제거하기 위한 설문을 진행하였다. 설문 참여자에게 글꼴을 제시하고 제시한 글꼴의 이미지를 잘 나타낸다고 생각하는 키워드를 모두 선택하도록 지시하였다.
키워드는 "thin", "angular"와 같은 명확한 특징과 "friendly", "sloppy" 같은 모호한 특징을 모두 포함시켰으며, 선정한 31가지 키워드와 capitals, cursive, display, italic, mono- space, serif 같은 영문 글꼴의 일반적인 속성 6가지를 더하여 총 37가지 키워드로 글꼴의 속성을 확인하였다.
글꼴 별 키워드 속성 조사를 위해 평가자에게 키워드를 제시하고 글꼴과 키워드의 연관성을 비교하여 단계 별로 분류하도록 지시하였다. 키워드와의 관련성을 상, 중, 하 세가지 단계로 분류하는 작업이며 참여자가 직접 글꼴을 드래그 앤 드롭 방식으로 분류할 수 있도록 하였고 모든 글꼴을 한 화면에 표시하여 모든 글꼴에 대해 가시적으로 확인하여 비교할 수 있도록 했다. 이를 통해 작업 중간에도 잘못된 분류가 있으면 수정하여 배치할 수 있도록 했다.

대상 데이터

선정한 글꼴은 Fig. 3과 같으며 기본 명조체 4개, 기본 고딕체 4개, 변형 명조체 6개, 변형 고딕체 5개, 손글씨(기타) 7개로 글꼴의 두께도 다양성을 갖추도록 구성하였다.
감정 키워드는 Peter O’ Donvan의 연구에서 사용한 37가지 키워드를 기반으로 본 연구에 활용하였다
글꼴 감정 키워드의 속성값을 확인하는 실험을 진행하기 위하여 글꼴을 표현할 수 있는 키워드를 선정하였다. 감정 키워드는 Peter O’ Donvan의 연구에서 사용한 37가지 키워드를 기반으로 본 연구에 활용하였다.
따라서 대표성을 갖는 글꼴을 최소한의 수로 선정하여 실험에 적용하였다. 글꼴은 사용자의 선호도가 높고 무료로 사용 가능한 글꼴을 수집하였고 한글 글꼴의 가장 일반적인 디자인 속성인 고딕, 명조, 손글씨(기타)로 분류하여 각 분류 체계 내에서도 기본 스타일과 변형된 디자인을 갖는 스타일로 분류하여 글꼴을 선정하였다.
글꼴 선정에서 많은 수의 글꼴을 사용해서 글꼴과 키워드의 관련성을 확인하는 실험을 진행하는 것이 유용하지만 이는 실험 참여자의 피로도를 증가시켜 실험 결과의 신뢰성을 감소시키는 문제를 발생시킬 위험이 있다. 따라서 대표성을 갖는 글꼴을 최소한의 수로 선정하여 실험에 적용하였다. 글꼴은 사용자의 선호도가 높고 무료로 사용 가능한 글꼴을 수집하였고 한글 글꼴의 가장 일반적인 디자인 속성인 고딕, 명조, 손글씨(기타)로 분류하여 각 분류 체계 내에서도 기본 스타일과 변형된 디자인을 갖는 스타일로 분류하여 글꼴을 선정하였다.
발표 프레젠테이션 자료에 사용할 글꼴을 고르는 경우에서 14명의 평가자 중 13명이 “모던한”이라는 키워드를 선택하였고 “공적인”을 9명, “단호한”을 7 명이 선택하였으며 “지루한”, “친근한”, “따뜻한”, “극적인”, “무질서한”의 키워드를 선택한 사용자는 없었다
보고서 작성시 사용할 글꼴에서는 15명의 평가자 전원이 “공적인” 키워드를 선택했고 “각진” 키워드의 경우에도 9 명이 선택하였다
설문 참여자에게 글꼴을 제시하고 제시한 글꼴의 이미지를 잘 나타낸다고 생각하는 키워드를 모두 선택하도록 지시하였다. 설문 결과에 따라 10명의 평가자 중 2명 이하가 선택한 키워드는 제거하였다. 설문 조사를 통해 최종적으로 선정된 키워드는 "각진", "공적인", "모던한", "조화로운", "무질서한", "뻣뻣한", "시선을 끄는", "지루한", "고요한", "섬세한", "친근한", "따뜻한", "극적인", "우아한", "강한", "단호한", "쾌활한"이다.
설문 조사를 통해 최종적으로 선정된 키워드는 "각진", "공적인", "모던한", "조화로운", "무질서한", "뻣뻣한", "시선을 끄는", "지루한", "고요한", "섬세한", "친근한", "따뜻한", "극적인", "우아한", "강한", "단호한", "쾌활한"이다.
실험에 참여한 인원은 총 61명이었으며 설문의 응답은 키워드를 기준으로 세 단계로 분류된 글꼴이기 때문에 글꼴 별 키워드 값을 얻기 위해 글꼴 별로 키워드를 선택한 수로 정리하는 과정을 진행하였다.
키워드 기반 글꼴 추천 서비스를 평가하기 위해 사용자 평가를 진행하였다. 피평가자는 글꼴 사용에 능숙하며 다양한 글꼴을 사용한 경험이 있는 사용자 7명과 글꼴 사용에 능숙하지 않고 제한된 글꼴을 사용하는 사용자 7명으로 진행하였다. 평가 메트릭은 기존 서비스와 비교해 얼마나 편리한지에 대한 편의성과 자신의 의도와 추천된 글꼴이 얼마나 일치하는지에 대한 정확도, 추천 된 폰트의 만족도라는 세 가지 측면으로 구성하였다.
이후, 작업자로부터 축적된 키워드 결과를 이용해 사용자가 원하는 글꼴을 추천한다. 해당 연구에서 사용한 키워드는 이전 글꼴 연구에서 사용된 키워드를 수집한 뒤 31가지 키워드를 선정하였다. 키워드는 "thin", "angular"와 같은 명확한 특징과 "friendly", "sloppy" 같은 모호한 특징을 모두 포함시켰으며, 선정한 31가지 키워드와 capitals, cursive, display, italic, mono- space, serif 같은 영문 글꼴의 일반적인 속성 6가지를 더하여 총 37가지 키워드로 글꼴의 속성을 확인하였다.

이론/모형

김현영[7]은 한글 글꼴에서 감성을 추출하여 글꼴추천에 활용하였다. Mehrabian가 제안한 PAD (pleasure, arousal, dominant) 모형[8]에서 O(or- ganized)를 추가하여 PADO 네 개의 축을 글꼴 감정분류 기준으로 사용했고 각 글꼴에 대하여 네 가지축에 대한 속성값을 수집하였다. 각 축에 따라 "긍정적-부정적", "활동적-수동적", "부드러운-강한", "조직적인-자유로운"이라는 어휘 구별 척도를 제시했고 어휘 구별 척도에 대해 0-5 사이의 값의 범위로 지정하도록 지시하였다.

성능/효과

5점으로 본 프로토타입 시스템에 긍정적인 평가를 보였다. 각 상황 별로 비교하면 발표 프레젠테이션 자료에 사용할 글꼴을 고르는 경우와 재미있는 영상의 자막에 사용할 글꼴을 고르는 경우에서는 편리성, 만족도, 정확도에도 모두 평균 4.5점이상이였고 보고서를 작성할 때 사용할 글꼴을 고르는 경우에도 편리성, 만족도는 평균 4.5점 이상이였으며 정확도는 4.1이었다. SNS 부정적 의사 표현을 할 때의 경우는 사용자 별로 평가의 큰 차이를 보였고 평가 결과를 살펴보면 다른 경우에 비해 사용자가 선택한 키워드가 다양했다.
서비스 프로토타입에 대한 사용성 평가도 진행하였으며, 평가자들은 기존 서비스에 비해 글꼴을 편리하게 찾을 수 있다는 것에 동의하였으며 본 서비스에 대해 긍정적 의견을 보였다. 하지만, 현재 서비스에서 사용한 글꼴의 수는 제한적이라는 한계점이 존재하고 글꼴 디자인을 아예 고려하지 않았던 사용자는 자신의 상황에 알맞은 키워드를 선택하는 것조차 어려움을 느끼는 것을 확인하였다.
본 연구에서는 글꼴의 특성을 표현할 수 있고 한글 글꼴에 적용 가능한 키워드를 선정하고 다양한디자인의 글꼴을 선정하여 글꼴이 표상하는 키워드를 연결시키는 실험을 진행하였다. 실험 결과를 바탕으로 글꼴 별 키워드를 0과 1 사이의 수치 값으로 산출하여 사용자가 키워드를 선택하면 글꼴을 추천해주는 키워드 기반 글꼴 추천 서비스 프로토타입을 구현하였다.
평가 결과 기존 글꼴 검색시스템과 비교한 편리성의 경우 평균 4.5점으로 본 프로토타입 시스템에 긍정적인 평가를 보였다. 각 상황 별로 비교하면 발표 프레젠테이션 자료에 사용할 글꼴을 고르는 경우와 재미있는 영상의 자막에 사용할 글꼴을 고르는 경우에서는 편리성, 만족도, 정확도에도 모두 평균 4.
서비스 프로토타입에 대한 사용성 평가도 진행하였으며, 평가자들은 기존 서비스에 비해 글꼴을 편리하게 찾을 수 있다는 것에 동의하였으며 본 서비스에 대해 긍정적 의견을 보였다. 하지만, 현재 서비스에서 사용한 글꼴의 수는 제한적이라는 한계점이 존재하고 글꼴 디자인을 아예 고려하지 않았던 사용자는 자신의 상황에 알맞은 키워드를 선택하는 것조차 어려움을 느끼는 것을 확인하였다. 따라서, 추후 진행할 연구에서는 현재 연구 결과를 바탕으로 멀티 모달 딥러닝 학습을 진행하여 다양한 글꼴에서 키워드 값을 추출하는 모델을 설계하여 글꼴의 수를 확장시키고 이미지, 표정, 텍스트 등 다양한 콘텐츠를 입력하면 자동으로 글꼴을 추천하는 서비스를 제작할 예정이다.

후속연구

하지만, 현재 서비스에서 사용한 글꼴의 수는 제한적이라는 한계점이 존재하고 글꼴 디자인을 아예 고려하지 않았던 사용자는 자신의 상황에 알맞은 키워드를 선택하는 것조차 어려움을 느끼는 것을 확인하였다. 따라서, 추후 진행할 연구에서는 현재 연구 결과를 바탕으로 멀티 모달 딥러닝 학습을 진행하여 다양한 글꼴에서 키워드 값을 추출하는 모델을 설계하여 글꼴의 수를 확장시키고 이미지, 표정, 텍스트 등 다양한 콘텐츠를 입력하면 자동으로 글꼴을 추천하는 서비스를 제작할 예정이다.

참고문헌 (11)

B.E. Koch, Human Emotion Response to Typographic Design, Master's Thesis of the University of Minesota, 2011.
Y. Ko, E. Sohn, and H. Lee, "Users' Perception on Fonts as a Tool of Communication and SMS," Archives of Design Research, Vol. 20, No. 3, pp. 133-142, 2007.
Y. Kim, "The Emotional Expression Character Study of Utilizing Advertising Media," The Journal of the Korea Contents Association, Vol. 10, No. 3, pp. 166-174, 2010.

원문보기 상세보기
M. An, N. Kim, J. Chung, Y. Lee, J. Guo, and R.J. Yun, "A Preference Study on Serif and Sans Serif Typefaces of e-Book," Jourmal of the HCI Society of Korea, Vol. 15, No. 3, pp. 5-12, 2020.
P.O. Donovan, J. Libeks, A. Agarwala, and A. Hertzmann, "Exploratory Font Selection Using Crowd-Sourced Attributes," ACM Transactions on Graphics, Vol. 33, pp. 1-9, 2014.

상세보기
S. Choi and K. Aizawa. "Emotype: Expressing Emotions by Changing Typeface in Mobile MesSenger Texting," Multimedia Tools and Applications, Vol. 78, No. 11, pp. 14155-14172, 2019.

상세보기
H. Kim and S. Lim, "Application and Analysis of Emotional Attributes using Crowdsourced Method for Hangul Font Recommendation System," Journal of Korea Multimedia Society, Vol. 20, No, 4, pp. 704-712, 2017.

원문보기 상세보기
A. Mehrabian, "Pleasure-Arousal- Dominance: A General Framework for Describing and Measuring Individual Differences in Temperament," Current Psychology, Vol. 14, No. 4. pp. 261-292, 1996.

상세보기
A. Shirani, F. Dernoncourt, J. Echevarria, P. Asente, N. Lipka, and T. Solorio, "Let Me Choose: From Verbal Context to Font Selection," Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics, pp. 8607-8613, 2020.
Y. Shinahara, T. Karamatsu, D. Harada, K. Yamaguchi, and S. Uchida, "Serif or Sans: Visual Font Analytics on Book Covers and Online Advertisements," 2019 International Conference on Document Analysis and Recognition (ICDAR), pp. 1041-1046, 2019.
Django, https://www.djangoproject.com (accessed July 29, 2022).

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