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
- 방법이다[3]. 관련 연구는 다수가 있으나, 본 연구에서는 다음의 세 가지 연구 내용을 토대로, 뮤지컬 배우 이미지 매핑 문제를 풀고자 한다.
- 본 논문에서는 이러한 문제를 해결하기 위해, 정보통신 분야에서 널리 이용되는 협업 필터링 방법을 통해, 현재 등록된 모든 뮤지컬 배우 중에, 작품에 필요한 역할에 적합한 배우를 선정하는 효과적인 방법을 제안한다. 이러한 방법은 기존 배우 데이터를 기반으로 현재 뽑고자 하는 배역에 가장 적합한 뮤지컬 배우들의 후보 집합을 효과적으로 구성하여, 오디션에 지원한 수많은 이들을 일일이 심사해야 하는 심사위원의 과다한 심사 부담을 줄이면서도, 적임 배우를 더욱 효과적으로 찾을 수 있는 방법이 될 것이다.
- 본 연구에서는 뮤지컬 제작사가 작품에 필요한 혹은 적합한 뮤지컬 배우를 발탁하는 문제와 뮤지컬배우들의 객관적인 이미지구축에 초점을 맞추고, 정보통신 분야에서 널리 사용되고 있는 협업 필터링 방법을 적용하여, 효율적이며 적합하게 뮤지컬 배우를 선발하는데 방법을 소개하였다. 이러한 방법은 정보 통신 분야에서는 널리 사용되고 있으나, 뮤지컬 오디션 분야에서는 이러한 방법을 적용된 연구 사례가 없다.
- 본 연구에서는 상기 세 가지 연구에서 제시한 방법을 기반으로 뮤지컬 배우들 각자가 가지고 있는 배우 속성들을 기반으로 현재 진행하고자 하는 오디션에 참여할 작지만 부합도 높은 배우 후보들을 추천하는데 효과적으로 적용하기 위한 용도도 본 방법을 활용하고자 한다.
- 기존의 협업 필터링은 객체의 유사성을 판단하기 위한 특징벡터로써 사용자가 명시적으로 평가한 선호도만을 이용하며, 해당 문제 개선을 위해 속성을 사용하는 연구들은 범용적으로 사용하기 어려웠다는 문제에 초점을 맞추고, 이웃 기반 필터링에 근본을 두는 LAR_CF는 기존의 명시적 선호도와 함께 유사도 평가의 대상이 되는 두 객체의 고유한 속성을 특징 벡터로 삼기 때문에 명시적 선호도의 수가 적어서 발생하는 데이터 희소성 문제를 개선하여 선호도 예측 정확도를 향상시키며, 속성의 종류에 구애받지 않고 손쉽게 적용할 수 있는 장점을 가지는 방법을 제안하였다. 실험적으로 평가한 결과, 제안하는 방법이 데이터 희소 조건에서 선호도예측 정확도를 향상시킨 연구이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.