지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 조근식
- 발행연도
- 2014
- 저작권
- 인하대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
인터넷의 발달과 SNS의 등장으로 정보흐름의 방식이 크게 바뀌었다. 이러한 변화에 따라 소셜 미디어가 급부상하고 있으며 소셜 미디어와 비디오 콘텐츠가 융합된 소셜 TV, 소셜 뉴스의 중요성이 강조되고 있다. 이러한 환경 속에서 사용자들은 단순히 콘텐츠를 탐색만 하는 것이 아니라 같은 콘텐츠를 이용하고 있는 친구들이나 지인들과 콘텐츠에 대한 정보나 경험들을 공유하고 더 나아가 새로운 콘텐츠를 만들어내기도 한다. 하지만 기존의 소셜 뉴스에서는 이러한 사용자들의 특성을 반영해 주지 못하고 있다. 특히 이용자들의 참여성만을 고려하고 있어서 서비스간의 차별화가 어렵다. 뿐만 아니라 뉴스 콘텐츠에 대한 정보나 경험 공유 시 컨텍스트 공유가 어렵다는 문제가 있다. 이를 보안하기 위해서는 부가적인 정보가 필요하다. Yovisto에서는 컨텍스트에 따라 강의 비디오를 나누어 컨텍스트 별로 비디오 검색이 가능하고 각 컨텍스트가 시작하는 비디오의 위치로 이동하는 것이 가능하다. Yovisto 사용자는 이를 활용하여 자신이 원하는 정보를 다시 소셜미디어를 통해 다른 사용자들과 공유한다. 하지만 Yovisto에서는 비디오에 등장하는 슬라이드에 따라 비디오를 분할하기 때문에 이를 바로 뉴스 비디오에 적용할 수 없고 뉴스 비디오를 위한 별도의 분할방법이 요구된다.
본 논문에서는 의미적 유사도 기반의 스토리 분할 방법을 통해 뉴스 비디오를 컨텍스트에 따라 분할하고 이를 분할된 뉴스 이용자에게 제공하는 프레임워크를 제안한다. 또한 컨텍스트 공유를 위해 분할된 뉴스에서 태그를 추출하여 분할된 비디오와 함께 제공한다. 제안하는 프레임워크에서는 스토리 분할 방법을 이용하여 뉴스 대본을 내용별로 분할한다. 또한 뉴스 전체내용을 대표하는 태그, 분할된 뉴스를 나타내는 서브 태그, 분할된 뉴스가 비디오에서 시작하는 위치 즉, 시간 종속적인 메타데이터를 제공한다. 소셜 뉴스 이용자들에게 시간 종속적인 메타데이터를 제공한다면 이용자들은 전체의 뉴스 내용 중에 자신이 원하는 부분만을 탐색 할 수 있으며 이 부분에 대한 견해를 남길 수 있다. 그리고 뉴스의 전달이나 의견 공유 시 메타데이터를 함께 전달함으로써 전달하고자 하는 내용에 바로 접근이 가능하며 프레임워크의 성능은 추출된 서브 태그가 뉴스의 실제 내용을 얼마나 잘 나타내 주느냐에 따라 결정된다. 그리고 서브 태그는 스토리 분할의 정확성과 서브 태그를 추출하는 방법에 따라 다르게 추출된다. 이 점을 고려하여 의미적 유사도 기반의 스토리 분할 방법을 프레임워크에 적용하였고 벤치마크 알고리즘과 성능 비교 실험을 수행하였으며 분할된 뉴스에서 추출된 서브 태그들과 실제 뉴스의 내용을 비교하여 서브 태그들의 정확도를 분석하였다. 결과적으로 의미적 유사도를 고려한 스토리 분할 방법이 더 우수한 성능을 보였으며 추출된 서브 태그들도 컨텍스트와 관련된 단어들이 추출 되었다.
본 논문에서는 의미적 유사도 기반의 스토리 분할 방법을 통해 뉴스 비디오를 컨텍스트에 따라 분할하고 이를 분할된 뉴스 이용자에게 제공하는 프레임워크를 제안한다. 또한 컨텍스트 공유를 위해 분할된 뉴스에서 태그를 추출하여 분할된 비디오와 함께 제공한다. 제안하는 프레임워크에서는 스토리 분할 방법을 이용하여 뉴스 대본을 내용별로 분할한다. 또한 뉴스 전체내용을 대표하는 태그, 분할된 뉴스를 나타내는 서브 태그, 분할된 뉴스가 비디오에서 시작하는 위치 즉, 시간 종속적인 메타데이터를 제공한다. 소셜 뉴스 이용자들에게 시간 종속적인 메타데이터를 제공한다면 이용자들은 전체의 뉴스 내용 중에 자신이 원하는 부분만을 탐색 할 수 있으며 이 부분에 대한 견해를 남길 수 있다. 그리고 뉴스의 전달이나 의견 공유 시 메타데이터를 함께 전달함으로써 전달하고자 하는 내용에 바로 접근이 가능하며 프레임워크의 성능은 추출된 서브 태그가 뉴스의 실제 내용을 얼마나 잘 나타내 주느냐에 따라 결정된다. 그리고 서브 태그는 스토리 분할의 정확성과 서브 태그를 추출하는 방법에 따라 다르게 추출된다. 이 점을 고려하여 의미적 유사도 기반의 스토리 분할 방법을 프레임워크에 적용하였고 벤치마크 알고리즘과 성능 비교 실험을 수행하였으며 분할된 뉴스에서 추출된 서브 태그들과 실제 뉴스의 내용을 비교하여 서브 태그들의 정확도를 분석하였다. 결과적으로 의미적 유사도를 고려한 스토리 분할 방법이 더 우수한 성능을 보였으며 추출된 서브 태그들도 컨텍스트와 관련된 단어들이 추출 되었다.
목차
제 1 장 서 론 1제 2 장 배경 지식 및 관련 연구 62.1. 문서의 단어처리 62.2. 단어의 의미적 유사도 72.3. 스토리 분할 82.4. 관련연구 8제 3 장 의미적 유사도 기반의 스토리 분할 프레임워크 113.1. 의미적 유사도 기반의 스토리 분할 123.2. 태그 추출 및 비디오 동기화 18제 4 장 실험 및 분석 214.1. 실험데이터 및 평가방법 214.2. 스토리 분할 방법 성능 비교 평가 224.3. 문장들 간의 유사도 패턴 분석 294.4. 추출된 태그 평가 33제 5 장 결론 및 향후 연구 38참 고 문 헌 40
최근 본 자료
댓글(0)
0