전 세계 최대 규모의 동영상 공유 플랫폼인 유튜브는 수많은 영상을 제공하며 원하는 정보를 손쉽게 얻을 수 있다는 점에서 많은 사람의 사랑을 받고 있다. 그렇지만 영상마다 공감 비율(싫어요/좋아요)은 동일 채널의 영상일지라도 주제나 업로드 시기 등에 따라 많은 편차를 보여, 기존 연구들은 공감 비율과 영상 조회 수와 같은 수치를 통해 그 원인을 유추하거나 해석하려 한다. 이러한 방식은 공감 현황을 파악하는 데는 도움을 주지만, 특정 영상의 선호도 원인을 파악하는 데는 한계가 있다. 따라서 본 연구는 영상별로 수집한 댓글들로부터 추출한 토픽어(명사 상당 어구)와 사전에 분류한 비공감 유형 간 매칭을 통해 그 원인을 파악하고자 한다. 공감 비율에서 있어서 아웃라이어가 많이 발생하는 반려동물과 요리 분야의 상위 10개 채널에서 제작한 영상 중 비공감 지수(비공감 수/공감 수)가 가장 높은 상위 10개 영상(반려동물 임계값: 4.000, 요리 임계값: 0.723)에 대해 유튜브 API를 통해 수집한 11,110개 댓글들을 수집하고 토픽어를 추출하여 사전에 정의한 비공감 유형과 매칭시켰다. 이를 통해 댓글 분석만으로도 비공감 비율이 높을 것인지, 어떠한 비공감 유형일지 예측 가능함을 확인하였다. 향후 유튜브 채널 운영자를 위한 비공감 영상 예측 및 제작 기준을 구축하는 후속 연구를 통해 사용자에게 긍정적인 영상을 제공할 수 있는 유튜브 환경을 개선할 수 있을 것으로 기대한다.
전 세계 최대 규모의 동영상 공유 플랫폼인 유튜브는 수많은 영상을 제공하며 원하는 정보를 손쉽게 얻을 수 있다는 점에서 많은 사람의 사랑을 받고 있다. 그렇지만 영상마다 공감 비율(싫어요/좋아요)은 동일 채널의 영상일지라도 주제나 업로드 시기 등에 따라 많은 편차를 보여, 기존 연구들은 공감 비율과 영상 조회 수와 같은 수치를 통해 그 원인을 유추하거나 해석하려 한다. 이러한 방식은 공감 현황을 파악하는 데는 도움을 주지만, 특정 영상의 선호도 원인을 파악하는 데는 한계가 있다. 따라서 본 연구는 영상별로 수집한 댓글들로부터 추출한 토픽어(명사 상당 어구)와 사전에 분류한 비공감 유형 간 매칭을 통해 그 원인을 파악하고자 한다. 공감 비율에서 있어서 아웃라이어가 많이 발생하는 반려동물과 요리 분야의 상위 10개 채널에서 제작한 영상 중 비공감 지수(비공감 수/공감 수)가 가장 높은 상위 10개 영상(반려동물 임계값: 4.000, 요리 임계값: 0.723)에 대해 유튜브 API를 통해 수집한 11,110개 댓글들을 수집하고 토픽어를 추출하여 사전에 정의한 비공감 유형과 매칭시켰다. 이를 통해 댓글 분석만으로도 비공감 비율이 높을 것인지, 어떠한 비공감 유형일지 예측 가능함을 확인하였다. 향후 유튜브 채널 운영자를 위한 비공감 영상 예측 및 제작 기준을 구축하는 후속 연구를 통해 사용자에게 긍정적인 영상을 제공할 수 있는 유튜브 환경을 개선할 수 있을 것으로 기대한다.
YouTube, the world's largest video sharing platform, is loved by many users in that it provides numerous videos and makes it easy to get helpful information. However, the ratio of like/hate for each video varies according to the subject or upload time, even though they are in the same channel; thus,...
YouTube, the world's largest video sharing platform, is loved by many users in that it provides numerous videos and makes it easy to get helpful information. However, the ratio of like/hate for each video varies according to the subject or upload time, even though they are in the same channel; thus, previous studies try to understand the reason by inspecting some numerical statistics such as the ratio and view count. They can help know how each video is preferred, but there is an explicit limitation to identifying the cause of such preference. Therefore, this study aims to determine the reason that affects the preference through matching between topic words extracted from comments in each video and non-sympathetic types defined in advance. Among the top 10 channels in the field of 'pets' and 'cooking', where outliers occur a lot, the top 10 videos (the threshold of pet: 4.000, the threshold of cooking: 0.723) with the highest ratio were selected. 11,110 comments collected totally, and topics were extracted and matched with non-sympathetic types. The experimental results confirmed that it is possible to predict whether the rate of like/hate would be high or which non-sympathetic type would be by analyzing the comments.
YouTube, the world's largest video sharing platform, is loved by many users in that it provides numerous videos and makes it easy to get helpful information. However, the ratio of like/hate for each video varies according to the subject or upload time, even though they are in the same channel; thus, previous studies try to understand the reason by inspecting some numerical statistics such as the ratio and view count. They can help know how each video is preferred, but there is an explicit limitation to identifying the cause of such preference. Therefore, this study aims to determine the reason that affects the preference through matching between topic words extracted from comments in each video and non-sympathetic types defined in advance. Among the top 10 channels in the field of 'pets' and 'cooking', where outliers occur a lot, the top 10 videos (the threshold of pet: 4.000, the threshold of cooking: 0.723) with the highest ratio were selected. 11,110 comments collected totally, and topics were extracted and matched with non-sympathetic types. The experimental results confirmed that it is possible to predict whether the rate of like/hate would be high or which non-sympathetic type would be by analyzing the comments.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.