TF-IDF 알고리즘의 분석법을 활용한 브랜드 디자인 프로세스 개발 연구

송지성; 안병진

doi:10.18208/ksdc.2020.26.1.233

추천

검색

질문

자료유형: 학술저널

저자정보: 송지성 (한양대학교) 안병진 (한양대학교)

저널정보: 한국디자인문화학회 한국디자인문화학회지 한국디자인문화학회지 제26권 제1호

발행연도: 2020.3

수록면: 233 - 244 (12page)

DOI: 10.18208/ksdc.2020.26.1.233

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 새로운 산업혁명의 구조적 변화에 맞춰 다양한 산업 속에서 빅 데이터를 다루기 위한 기술개발이 활발하게 이루어지고 있는 시대적 배경을 가지고 있다. 하지만 전통적인 산업을 가지고 있는 디자인구조 또한 신속하게 성장하는 다양한 산업과 경제구조의 변화에 맞춰 대대적인 변화가 필요하다고 생각한다. 이 전통적인 디자인 산업의 변화를 위해서는 감성적인 텍스트를 통계적 키워드로 변화시켜줄 수리적 알고리즘과 데이터 분석에 대한 비교·탐색이 매우 필요하다.
본 연구는 전통적 디자인 프로세스의 문제 인식을 기반으로 다른 산업분야에서 사용되는 트렌드 빈도분석을 도출하는 알고리즘과는 다르게 사용자 심리, 색채, 조형 등 다양한 문서 내에서 유의미한 디자인 키워드를 도출하여 소비자들에게 가장 많은 빈도로 이용되는 대중화를 기반으로 한 텍스트 추출 모델인 TF-IDF의 자연어 처리 분석 알고리즘을 연구·조사하여 선정하였다. 이러한 자연어 분석 알고리즘의 개발 목적은 경영, 마케팅, 기획 산업에 활용되는 트렌드 분석 모델과 자연어 분석 모델을 결합하면 디자인 산업에 더 큰 기대효과를 낼 것이라고 생각하여 위와 같이 선정하였다.
그 결과, TF-IDF의 분석법을 활용하면 디자인 산업에서의 디자이너가 의미 있는 정확한 키워드를 신속하게 찾아내어 도움을 줄 수 있을 것이라는 결과를 발견할 수 있었다. 새로운 산업구조가 변화하고 증가하는 반면 감성을 중요시 생각하는 디자인 구조에도 객관적인 변화가 가능하다는 결과를 얻을 수 있었다. 본 연구에서 디자이너들이 자연어 처리 프로세스를 활용하면 입력된 기존 문서 데이터 속 문장 단어를 유사도로 활용하여 의미 벡터를 결합하고 다시 디자인 문서를 벡터화하여 디자이너가 원하는 감성 데이터의 주요 문장을 키워드로 도출하는 방법을 평가하는 방식으로 본 연구의 성과와 결과를 얻을 수 있었다. 본 연구의 실험 결과로 기존 디자이너의 시간적 효율을 향상시키는 디자인산업의 새로운 발전과 방향성을 제언하고자 한다.

This study has an age background in which technology development is actively being carried out to deal with big data in various industries in line with the structural changes of the new industrial revolution. However, I think that design with traditional industries also needs to make sweeping changes to accommodate the fast-growing variety of industrial and economic structures. This traditional design industry change requires a great deal of comparison and exploration of mathematical algorithms and data analysis that will transform emotional text into statistical keywords.
Unlike algorithms that derive trend frequency analysis used in other industries based on the recognition of problems in traditional design processes, this study seeks to derive and use meaningful design keywords within various documents, such as user psychology, coloring and molding. The mathematical model was chosen by studying and examining the natural language processing analysis method of TF-IDF, a text extraction algorithm based on the most commonly used popularized data. The purpose of the development of these natural language analysis algorithms was chosen as above, thinking that combining trend analysis models and natural language analysis models used in the management, marketing and planning industries would have greater expected effects on the design industry.
As a result, using TF-IDF’s analysis methods, designers in the design industry could quickly find and help out meaningful and accurate keywords. While new industrial structures have changed and increased, objective changes have been possible in design structures that value sensibility. The results and results of this study were obtained by designers using natural language processing processes to evaluate how to combine semantic vectors and vectorize design documents to derive key sentences of desired emotional data into keywords by using sentence words in data in existing documents entered in a similar way. As a result of the experiment of this study, I would like to suggest the new development and direction of the design industry that improves the time efficiency of existing designers.

#TF-IDF(단어 빈도-역문서 빈도) #Text mining(단어 추출) #Algorithm(알고리즘) #Design Process(디자인 프로세스) #Big Data(빅 데이터)

참고문헌 (8)

참고문헌 신청

박대서 / 2018 / TF-IDF 기반 키워드 추출에서의 의미적 요소 반영을 위한 결합벡터 제안 / 한국정보기술학회논문지 16(2):1~16

오해춘 / 2009 / 디자인방법론 / 세진사

윤홍근 / 2013 / 문화산업에서 빅데이터의 활용방안에 관한 연구 / 글로벌문화콘텐츠 (10):157~180

Christian H. / 2016 / Single Document Automatic Text Summarization using Term Frequency-Inverse Document Frequency (TF-IDF) / ComTech: Computer, Mathematics and Engineering Applications 7(4)

https://brunch.co.kr/@pibuchi/37

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

송지성

소속기관 한양대학교

주요연구분야 예술체육학 > 디자인

논문수 1 이용수 435

안병진

소속기관 한양대학교

주요연구분야 예술체육학 > 디자인

논문수 1 이용수 435

이 논문과 함께 이용한 논문

블록체인 기술의 보건복지 분야 활용 동향 파악을 위한 TF와 TF-IDF 비교 분석

최은아 , 한예은 , 이상인 외 1명 한국데이터정보과학회지 2019 .09

고품질 의료 증거문헌 추출을 위한 TF-IDF 및 딥러닝 기반 텍스트 분류 및 처리 기법

박범주 , 허태호 , 이승룡 한국정보과학회 학술발표논문집 2019 .06

고교학점제의 쟁점과 과제 분석

김성천 교육비평 2021 .11

TF-IDF와 N-gram을 이용한 중국 언론 키워드 분석 시스템 개발

김도경 , 김유섭 한국정보과학회 학술발표논문집 2020 .07

인터랙티브 광고에서 공동 경험에 대한 효과 연구 : 페이스북을 기반으로 한 소셜 무비를 중심으로

이현미 , 신동희 한국HCI학회 학술대회 2013 .01

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2020-600-000464873

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (8)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)