머신러닝을 활용한 웹툰의 OSMU 가능성 예측

Q: 이 논문에서 정의한 OSMU란 무엇인가?

하나의 콘텐츠를 영화, 드라마, 도서 등 다양한 형태로 확장하여 부가가치를 창출하는 전략을 의미한다. 본 연구에서는 웹툰 이미지 데이터와 정형 데이터를 활용하여 이러한 확장 가능성을 예측하는 머신러닝 기반의 모형을 구축하는 핵심 변수로 활용된다.

Q: 웹툰의 OSMU 가능성을 예측하는 데 있어 이미지 데이터의 어떤 요소가 영향을 미치는가?

연구 결과, 웹툰 이미지에서 추출한 대표 색상과 대표 감성 관련 변수가 OSMU 가능성을 예측하는 데 유의미하게 작용한다. 특히 그래디언트 부스팅 모형을 통해 이러한 시각적 요소들을 분석했을 때 최대 72%의 예측 정확도를 달성할 수 있다.

조규원; 강필성

doi:10.7232/JKIIE.2020.46.3.190

추천

검색

질문

자료유형: 학술저널

저자정보: 조규원 (고려대학교) 강필성 (고려대학교)

저널정보: 대한산업공학회 대한산업공학회지 대한산업공학회지 제46권 제3호

발행연도: 2020.6

수록면: 190 - 199 (10page)

DOI: 10.7232/JKIIE.2020.46.3.190

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

The size of the domestic webtoon market is growing rapidly. The webtoon industry is a representative contents industry. Through the One Source Multi-Use (OSMU) of webtoon contents, attempts to converge with other content industries such as movies and dramas and to create new added value are gradually accelerating. Predicting webtoons with high OSMU potential can contribute to increasing the probability of successful convergence of the content industry in that digital content can be converged between multiple content industries through a single digital content. In this study, 5 machine learning based prediction models were constructed for 1,559 webtoons uploaded to Naver and Daum sites to predict the OSMU possibility of webtoons. In addition, to use webtoon images, ‘representative colors’ and ‘representative sentiment’ derived variables were created. As a result of evaluation, it was confirmed that it is possible to construct a predictive model with an accuracy of up to 72%.

#Machine Learning #One Source Multi-Use #Predictive Modeling #Gradient Boosting Machine #eXplainable AI

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2020-530-000679500

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

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

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)