메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
문원립 (동국대학교)
저널정보
동국대학교 영상미디어센터 씨네포럼 씨네포럼 제39호
발행연도
2021.8
수록면
183 - 207 (25page)
DOI
10.19119/cf.2021.08.39.183

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
1980년대부터 통계학이나 기계학습 기법을 사용하여 영화의 흥행성과를 예측하려는 연구가 있었다. 그러나 그중의 다수가 영화가 완성된 후의 변수들을 채택했다. 예를 들어 개봉 규모, 평론가의 평, 관객들의 입소문 같은 것들인데, 이런 변수들은 물론 흥행 결과와 상관관계가 있겠지만 영화제작자 입장에서는 사전에 알기 어려운 것이다. 제작자는 대개 시나리오 단계에서 어느 정도 흥행을 예측하고 싶어 한다. 기존 연구 중에도 시나리오나 예산 같은 사전 요소들만으로 흥행을 예측해보려는 시도가 있었다. 그러나 그 예측 성능은 대체로 영화인들이 실무에 사용할 만한 수준은 아니다.
흥행을 하려면 일단 시나리오가 좋아야 할 것이다. 그러나 현재의 인공지능이 시나리오의 ‘질’을 평가할 수준은 아닌 것으로 보인다. 그렇지만 자연어처리 기법이 상당히 발달했고 그것에 따라 시나리오의 대략적인 내용이나 스타일은 기계가 판단할 수 있게 되었다. 그래서 기존 영화들 중에서 내용이 유사한 영화를 찾는 것은 상대적으로 쉽다. 최근에 20세기폭스 영화사는 실제로 그런 연구를 했다. 이런 것은 일종의 추천 시스템이라고 할 수 있는데, 추천 시스템으로 말하자면 넷플릭스가 가장 발달했다고 할 수 있다. 그들의 마이크로장르는 영화산업 측면에서나 인문학적 측면에서나 매우 의미가 있다.

목차

1. 서론
2. 흥행 예측
3. 시나리오 분석
4. 추천 시스템
5. 넷플릭스
6. 결론
참고문헌
국문초록
Abstract

참고문헌 (11)

참고문헌 신청

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-688-001921079