Monthly Archives: 9월 2015

큐레이터의 시대 – 사용자 참여와 태그

Summary

영화 추천 방식은 사용자가 ‘개인의 취향’을 입력하면, 해당 취향 분석 결과로 영화를 추천하는 ‘왓챠’나 ‘vingo’, 전문 큐레이터인 관리자 중심의 ‘네이버 영화 추천’이 눈길을 끕니다. ‘vingo’의 태그 서비스는 사용자의 적극적인 참여가 이루어진다면, 메타 데이터를 더욱 풍부하게 하면서 ‘추천’의 얼개를 더욱 정교하게 하는데 유용하지 않을까 기대해 봅니다. 관리자가 추천을 위해 ‘개인의 취향’을 알고 싶다면 먼저 사용자 인터페이스를 제공하고, 메타 데이터의 지속적인 확장을 위해서는 사용자가 직접 입력 가능한 태그를 제공하는 것도 한 가지 방법입니다.
큐레이션의 시대, ‘개인의 취향’에 다가가는 방법은 또 어떤 것들이 있을까요?

 

  • vingo

     각 장르별 세분화된 서브 장르와 100여 개의 스토리 라인, 수백 여 개에 이르는 다양한 영화 테마 및 소재 제공합니다.  ‘감성’ 기반 태그 정보 부분은 사용자가 손쉽게 이용하는 검색이나 추천 관련 메타 구축에서 참고해 볼 사항입니다.
                                                 

  vingo_1       

               추천 관련 메뉴와 개인의 취향을 입력하는 방식, 추천 결과는 추천 서비스에서 벤치마킹해 볼만하네요.

구분

내용

메뉴
취향 입력 방식
  • 영화 평가 데이터 입력  시 개인화 추천
  • 좋아요/별로에요/(+찜하기)
  • 최소 평가 개수는 20개(이상 가능)
  • 평가 전/후 영화 장르, 제작연도 등 선택
추천 결과
  • 추천  영화 카테고리화
    – 감성+장르(ex: 잔잔한 로맨스)
    – 제작년도+제작국가(ex: 2000년대의 미국 영화), 
    – 스토리+장르(ex: 어두운 복수) 등
  • ‘다른 추천’을 눌러 해당 카테고리의 다른  영화를 추천
특이사항
  • 추천 영화 카테고리화
    – 감성+장르
    – 제작년도+제작국가
    – 스토리+장르
  • 관심 있는 장르, 태그, 영화인 정보 함께 제공하며, 사용자  선택 가능
추천 결과 만족도
  • 평가 개수를 늘려도, 취향을 반영한 추천 결과의 만족도는 향상되지 않았음.
     (취향을 알기란, 그리 만만한 게 아닌 듯합니다만^^;(wink))
  • 다양한 정렬 옵션을 제공,  선택 사항과  관계없이 “최근+인기작”이  상위 노출됨.
     – (최신순/가나다순/인기순/연도별).

 

검색이나 추천 서비스의 주요 기제인  ‘태그’ 를 살펴보겠습니다. 사용자가 기대하는 장르의 속성,  전문 에디터가 메타 데이터 관리 시 입력하는 소재 관련 항목, 그 밖에 사용자 참여가 활발하게 된다면 빙고만의 차별화된 태그 서비스도 제공 가능할 듯합니다.

  •  영화의 스토리, 상세스토리, 감성 각각 선택 가능
  •  상세스토리는 영화의 주된 소재, 배경, 원작, 캐릭터 등 다양한 영화 정보  태그
구분

내 용

태그 예시

스토리 장르, 주인공, 소재, 플롯  범죄수사, 무술, 서부, 복수, 첩보, 밀리터리, 전쟁, 역사, 종교, 수퍼내추럴, 수퍼히어로, 재난, 정치, 법정, 인권, 의학, 가족, 학원, 성장, 스포츠, 스타일
상세 스토리 주된 소재, 배경,원작, 캐릭터 사이코패스, 납치인질, 조직범죄, 부정부패, 킬러암살, 과학,추리, 느와르, 강절도, 무협, 간첩, 1-2차 세계대전, 한국전쟁,  베트남전쟁, 현대전쟁, 고대, 중세, 근대, 현대, 일제강점기,  기독교, 불교, 초능력, 심령, 무속, 괴물, 뱀파이어, 늑대인간, 좀비, 영혼 환생 사후세계, 요정 신비생명체, 마블코믹스 원작, DC 코믹스 원작,  항쟁 장애, 여성, 다문화(인종 민족 이슈), 전염병 바이러스, 시한부인생, 심리문제, 불치병 희귀병, 익스트림 스포츠, 패션, 패러디, 풍자,  추적, 음모, 반전, 도박, 테러, 해적, 감옥, 경연, 버디, 앙상블, 로열패밀리, 중산층, 소외계층, 우주/외계생명체, 미래, 시간여행, 가상현실, 유전공학, 디스토피아, 종말, 사제지간, 결혼, 할러데이, 밀당, 신데렐라 스토리, 동성애, 금지된 사랑, 실버(노년), 음식/요리, 컴퓨터/IT, 금융, 성공스토리, 연예스타, 사업가, 예술가, 이색직업, 백수, 클래식, 재즈, 팝, K-POP, 락, 밴드, 뮤지컬 콘서트, 댄스, 미술, 자연, 동물, 탐험, 여행, 로드, 조난/생존, 자전거 오토바이, 자동차, 배, 비행기, 잠수함, 마술, 첫사랑, 마법, 보물/보석, 기차, 방송/언론, 핵(핵무기), 짝사랑, 바람둥이, 유혹, 원나잇 스탠드, 로봇, 장난감, 어린시절(유년기), 청소년기(사춘기), 누명, 술, 배신, 탐욕, 중년, 부부, 형제자매, 부모자녀,  성찰구도, 공연, 남장여장, 1인 다역, 신화/전설원작, 고전원작, 한국소설 원작, 일본소설 원작, 미국소설 원작, 유럽소설 원작,  제3세계 소설 원작, 동화 원작, 웹툰 원작, 만화/코믹스  원작, 전기, 실존인물,  실화, 리메이크. TV원작, 연극/뮤지컬 원작
감성 주관적인 감성
기반 태그
감동적인, 기분좋은, 냉소적인, 논란을   일으키는, 독특한, 몽환적인, 무서운, 볼거리가 풍부한, 사실적인, 긴장감 있는, 슬픈, 어두운, 여성적인, 영상 구성이 좋은, 에로틱한,  음악이 좋은, 잔잔한, 생각하게 하는, 짜릿한, 충격적인, 폭력적인, 힐링이 되는, 유쾌한, 우스꽝스러운

 

 

  • 네이버 영화 찾기(모바일 버전)

     영화, VOD 큐레이션에서 사용하는 일반적화된 방식입니다.  영화에 대한 전문 큐레이터가 제공하는  테마형 서비스와 가장 유사해 보입니다.  
    영화서비스 관리자가 생성한 테마를 추천하는 방식이며, 메타 정보와 데이터에 기반한 추천 서비스입니다.      

 naver_m_jpg

           

             추천 관련 메뉴는 테마 추천, 영화 파인더, 맞춤영화 등으로 구성되어 있습니다. 

구분            

종류

참고 사항

테마추천  
  • 캐릭터, 소재, 플롯 등으로 테마  추천
  • 네이버 매거진, 네이버  영화 관리자, 외부 필진(영화 칼럼니스트)
    참여
  • 영화, VOD 추천 서비스의 전문 큐레이터 제공
    테마서비스 
  • 흥미로운 테마명과 구성에 비해 업데이트는
    활발하지 않은 편
영화파인더
  • 영화 메타정보로 영화/인물 찾기
    1.   관람(전체/극장상영/다운로드)
    2.   정렬(평점/조회순/최신순)
    3.   장르
    4.   제작연도(80이전/80~2010년대)
  • 추천 로직 도출 및 품질 비교 시 참고할 사항
맞춤영화
  • 사용자가 입력한 영화 평가 데이터 기반의 추천 방식(왓차와   유사)
    – 최소 20개 평가 선호 선택
  •  선호/비선호/건너뛰기(good/bad/pass)
  • “나의 예상 선호도”(%)와 함께 추천
  • “영화 파인더” 기능 활용 시 추천 결과 필더링

 

다음 기회에는 ‘추천’을 위한 두드림, 사용자 취향에 다가가는 서비스를 다루도록 하겠습니다. 

컨셉넷이란?

개념망의 정의는 다음과 같습니다..

 

ConceptNet 5

ConceptNet is a multilingual knowledge base, representing words and phrases that people use and the common-sense relationships between them. The knowledge in ConceptNet is collected from a variety of resources, including crowd-sourced resources (such as Wiktionary and Open Mind Common Sense), games with a purpose (such as Verbosity and nadya.jp), and expert-created resources (such as WordNet and JMDict).

 

어렵죠? 다르게 설명하면 개념망은 기술(technology)이 아니고, knowledge이며, 아주 오래된 지식구성방법입니다…

현재에 와서 개념망을 편리하게 사용할 수 있도록 WEB API(lookup, search, and association) 등을 제공하고 있지만, 어찌되었든

이놈의 정체는 knowledge이기 때문에 기술 review가 안되겠지요? 그럼 지식 review는 어떻게 할까요?  쉽게 해야지요..

고민하다가 약간 다른 예를 가져와봤습니다…

 

enet

 

위 그림은 사건망을 구성하는 방법을 설명하는 것입니다…

처음 텍스트(왼쪽 위)에서 개념클래스를 추출하고 사건패턴을 분석, 이것을 정규화 또는 규칙화 시킵니다..

그리고 나서 그림의 가장 아랫쪽 부분처럼 이것을 망으로 형성하는 것이죠… 이렇게 하면

입력한 텍스트에 대한 사건망이 형성되는 것입니다…

그림을 보니 중요한 팩트들만 딱딱 눈에 들어오지요?

 

위와 같은 방법으로 해서 간단한 구, 어휘 등을 의미관계를 통해 망으로 구성한 것이 conceptnet입니다…

 

토대가 된 것은 워드넷입니다..  워드넷은 아주 포괄적인 지식이므로 구글에서 스스로 공부하시구요…

간단히 언급하면 영어의 의미사전입니다.. 영어단어들을 synsets이라는 동의어 집합으로 분류, 간략한 정의를 내리고 이들간 다양한 의미관계를 정의해 둔 knowledge입니다.

 

어찌됐든 conceptnet은 참 쉽죠잉?

 

실제로 생긴 모습은 아래와 같아요.. conceptnet의 ‘toast’에 대한 ‘edges’의 예입니다.

exam

 

Json 형태로 알기 쉽게 되어 있습니다… 그런데, 보기는 쉬우나 이해하기는 어렵죠. ㅋㅋㅋ

그리고 그 규모도 어마어마합니다.. ^^.

현재는 버전5까지 나왔더군요..

그리고, 영어입니다… ^^.  한글 또는 한국어에 대해서는 다른 기업 또는 연구소, 대학에서 진행 중이나 대부분이 비공개입니다…

Conceptnet를 한글 또는 한국어에 대해  새로 구성하는 것은 그 비용이 엄청나기 때문입니다..

 

자, 그럼 이 conceptnet은 어디에 사용할 수 있을까요?

Conceptnet은 워드넷에서 단어, 단어간 의미집합, 간략한 정의, 동의어 등을 활용할 수 있으니

이를 기반으로 해서 의미관계를 좀더 잘 엮어보자고 해서 시작한 Open Mind Common Sense 프로젝트의 일환으로 개발된 것입니다.

따라서, Common Sense Knowledge base(상식적 지식 기반)를 만드는 것이 목적인 것이지요..

 

Conceptnet은 상식이 통하는 지식이기 때문에 (ㅋㅋ) 사건망 예제에서 나온 개념클래스, 사건 패턴 등을 뽑아낼 때 척도 또는 기준으로 삼을 수 있습니다..

그렇기 때문에, conceptnet 활용범위는 인공지능, 텍스트마이닝, 빅데이터 가공 등등 거의 대부분입니다…

 

텍스트에서 단순 정보가 아닌 의미를 추출하는 분야에서는 거의 대부분 conceptnet 을 사용한다고 보시면 됩니다..