KR101525400B1 - 컴퓨터 실행 가능한 감성 어휘 분류 방법 및 이를 수행하는 컴퓨터 실행 장치 - Google Patents

컴퓨터 실행 가능한 감성 어휘 분류 방법 및 이를 수행하는 컴퓨터 실행 장치 Download PDF

Info

Publication number
KR101525400B1
KR101525400B1 KR1020130048647A KR20130048647A KR101525400B1 KR 101525400 B1 KR101525400 B1 KR 101525400B1 KR 1020130048647 A KR1020130048647 A KR 1020130048647A KR 20130048647 A KR20130048647 A KR 20130048647A KR 101525400 B1 KR101525400 B1 KR 101525400B1
Authority
KR
South Korea
Prior art keywords
emotional
category
content
vocabulary
user
Prior art date
Application number
KR1020130048647A
Other languages
English (en)
Other versions
KR20140129833A (ko
Inventor
이상주
성용현
한성욱
김현정
최민영
Original Assignee
(주)다음소프트
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)다음소프트 filed Critical (주)다음소프트
Priority to KR1020130048647A priority Critical patent/KR101525400B1/ko
Publication of KR20140129833A publication Critical patent/KR20140129833A/ko
Application granted granted Critical
Publication of KR101525400B1 publication Critical patent/KR101525400B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/48—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis

Abstract

실시예들 중에서, 감성 어휘 분류 방법은 감성 어휘 분류 서버에서 수행된다. 감성 어휘 분류 방법은 콘텐츠에 대한 콘텐츠 사용자의 감정 및 의견을 나타내는 감성 어휘(Sensitivity Keyword)를, 사용자가 콘텐츠를 체험하기 전의 기분 상태를 포함하는 기분 범주(Mood Category), 사용자가 콘텐츠를 체험할 수 있는 상황을 포함하는 상황 범주(Situation Category), 사용자가 콘텐츠를 체험한 후의 감정과 의견을 포함하는 느낌 범주(Feeling Category) 및 콘텐츠 제작자 또는 적어도 하나 이상의 사용자에 의하여 정의되는 콘텐츠의 속성(Property)을 포함하는 스타일 범주(Style Category)로 각각 분류하여 제시하는 단계; 상기 제시된 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주에 속하는 적어도 하나의 감성 어휘를 선택하는 단계; 및 상기 선택된 적어도 하나의 감성 어휘를 기초로 사용자 감성을 결정하는 단계를 포함할 수 있다. 이를 통해 콘텐츠에 대한 감성 어휘를 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주로 분류하여 제공함으로서 다양하고 복잡한 감성 표현이 가능하게 할 수 있다.

Description

컴퓨터 실행 가능한 감성 어휘 분류 방법 및 이를 수행하는 컴퓨터 실행 장치{COMPUTER-EXECUTABLE SENSIBILITY KEYWORD CLASSIFICATION METHOD AND COMPUTER-EXECUTABLE DEVICE PERFORMING THE SAME}
본 발명은 감성 어휘 분류 방법 및 이를 수행하는 컴퓨터 실행 장치에 관한 것으로, 보다 상세하게는, 콘텐츠에 대한 사용자의 감성을 다양하게 표현하고 정확하게 측정할 수 있는 감성 어휘 분류 방법 및 이를 수행하는 검퓨터 실행 장치에 관한 것이다.
감성이란 사용자의 경험을 통해 얻어지는 외부의 물리적 자극에 반응하는 감각이나 지각으로 인해 인간 내부에서 일어나는 복합적인 감성 상태를 의미하며, 감성 ICT(Information Communication Technology)는 정보통신 기기가 사람의 감성을 인지하고, 인지한 감성 정보를 처리해 필요한 제품과 서비스를 제공하는 기술에 해당한다.
한국공개특허 10-1102823호(2011.12.29.)는 사용자의 상황을 파악하여 그 사용자가 음악을 듣고 싶어하는지 아닌지를 추론한 후에, 만일 음악을 듣고 싶어한다면 그 사용자의 무드를 추론하고, 추론된 무드에 적합한 음악을 추천함으로써 추천의 효과성을 높인 음악 추천 방법 및 그 시스템에 관한 것이다.
한국공개특허 10-2008-0002187호(2008.01.04.)는 사용자가 선택한 콘텐츠를 기반으로 사용자가 선호할만한 콘텐츠를 우선적으로 제공하여 사용자가 선호하지 않는 콘텐츠를 제공하는 오류를 줄임으로써, 사용자가 자신의 감성, 선호 내용, 성격, 취향 등에 보다 근접한 서비스를 향유할 수 있도록 하는 효과가 있는 개인 감성 및 상황 변화에 따른 맞춤형 감성 서비스 시스템 및 그 방법에 관한 것이다.
다만, 이러한 선행 기술들과 종래 기술들은 7 내지 12개의 제한된 감성 어휘를 사용함으로 다양하고 복잡한 감성 표현이 불가한 문제점이 있다. 또한, 종래 기술들은 사용자의 감성 상태만을 기술하고 콘텐츠에 대한 느낌 표현을 배제하여 사용자 맞춤형 서비스를 적절히 제공하지 못하는 문제점이 있다.
한국공개특허 10-1102823호 한국공개특허 10-2008-0002187호
본 발명은 콘텐츠에 대한 다양하고 복잡한 감성 표현이 가능한 감성 어휘 분류 방법 및 그 시스템을 제공하고자 한다.
본 발명은 콘텐츠 검색 텍스트에서 사용자의 감성을 보다 정확하게 측정할 수 있는 감성 어휘 분류 방법을 제공하고자 한다.
본 발명은 사용자 감성을 기반으로 사용자 맞춤형 콘텐츠를 추천할 수 있는 감성 어휘 분류 방법을 제공하고자 한다.
실시예들 중에서, 컴퓨터 실행 가능한 감성 어휘 분류 방법은 컴퓨터 실행 장치에서 수행된다. 컴퓨터 실행 가능한 감성 어휘 분류 방법은 콘텐츠에 대한 콘텐츠 사용자의 감정 및 의견을 나타내는 감성 어휘(Sensitivity Keyword)를, 사용자가 콘텐츠를 체험하기 전의 기분 상태를 포함하는 기분 범주(Mood Category), 사용자가 콘텐츠를 체험할 수 있는 상황을 포함하는 상황 범주(Situation Category), 사용자가 콘텐츠를 체험한 후의 감정과 의견을 포함하는 느낌 범주(Feeling Category) 및 콘텐츠 제작자 또는 적어도 하나 이상의 사용자에 의하여 정의되는 콘텐츠의 속성(Property)을 포함하는 스타일 범주(Style Category)로 각각 분류하여 제시하는 단계; 상기 제시된 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주에 속하는 적어도 하나의 감성 어휘를 선택하는 단계; 및 상기 선택된 적어도 하나의 감성 어휘를 기초로 사용자 감성을 결정하는 단계를 포함한다.
일 실시예에서, 상기 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주에 속하는 적어도 하나의 감성 어휘를 선택하는 단계는 소셜 마이닝을 통해 수집된 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주 관련 구문에서 추출된 감성 어휘 그룹을 대표하는 중분류 범주 어휘 각각을 해당 범주의 제1 서브 감성 어휘로 제공하는 단계; 및 상기 제공된 제1 서브 감성 어휘들 중 하나의 제1 서브 감성 어휘가 선택되면 상기 선택된 제1 서브 감성 어휘와 연관되고 상기 소셜 마이닝을 통해 수집된 감성 어휘들을 제2 서브 감성 어휘들로 제공하는 단계를 포함할 수 있다.
일 실시예에서, 상기 선택된 하나 이상의 감성 어휘를 기초로 콘텐츠에 대한 사용자 감성을 결정하는 단계는 상기 선택된 감성 어휘 각각에 대한 감성 수치를 결정하는 단계; 및 상기 결정된 감성 수치들을 기초로 사용자 감성을 나타내는 감성 어휘 벡터를 생성하는 단계를 더 포함할 수 있다.
일 실시예에서, 상기 선택된 적어도 하나의 감성 어휘를 포함하는 적어도 하나의 콘텐츠에 대하여 소셜 웹 마이닝을 통해 감성 수치를 결정하는 단계; 및 상기 결정된 감성 수치를 기초로 상기 콘텐츠에 대한 사용자 감성을 나타내는 감성 어휘 벡터를 생성하여 상기 콘텐츠를 콘텐츠-감성 매핑 데이터베이스에 연결하는 단계를 더 포함할 수 있다.
일 실시예에서, 상기 콘텐츠를 콘텐츠-감성 매핑 데이터베이스에 연결하는 단계는 상기 생성된 감성 어휘 벡터와 상기 콘텐츠-감성 매핑 데이터베이스에 있는 콘텐츠 각각의 감성 어휘 벡터 간의 유사도를 결정하는 단계 및 상기 콘텐츠-감성 매핑 데이터베이스에서 상기 선택된 감성 어휘에 상응하는 적어도 하나의 감성 콘텐츠에 대한 정보를 수신하는 단계를 더 포함할 수 있다.
실시예들 중에서, 컴퓨터 실행 가능한 감성 어휘 분류 방법은 콘텐츠 사용자로부터 수신된 감성 텍스트에서 감성 관련 어휘를 추출하는 단계; 상기 추출한 감성 관련 어휘를 사용자가 콘텐츠를 체험하기 전의 기분 상태를 포함하는 기분 범주(Mood Category), 사용자가 콘텐츠를 체험할 수 있는 상황을 포함하는 상황 범주(Situation Category), 사용자가 콘텐츠를 체험한 후의 감정과 의견을 포함하는 느낌 범주(Feeling Category) 및 콘텐츠 제작자 또는 적어도 하나 이상의 사용자에 의하여 정의되는 콘텐츠의 속성(Property)을 포함하는 스타일 범주(Style Category)에 속하는 적어도 하나의 감성 어휘와 매칭하는 단계; 및 상기 매칭된 적어도 하나의 감성 어휘를 기초로 사용자 감성을 결정하는 단계를 포함한다.
일 실시예에서, 상기 적어도 하나의 감성 어휘와 매칭하는 단계는 상기 추출된 어휘를 상기 각각의 범위에 포함된 감성 어휘들과 동일한지 여부를 판단하는 단계; 및 만일 동일하지 않은 경우에는 감성어휘 온톨로지(Ontology)를 이용하여 유사 여부를 판단하는 단계를 포함할 수 있다.
실시예들 중에서, 컴퓨터 실행 장치는 콘텐츠에 대한 콘텐츠 사용자의 감정 및 의견을 나타내는 감성 어휘(Sensitivity Keyword)를, 사용자가 콘텐츠를 체험하기 전의 기분 상태를 포함하는 기분 범주(Mood Category), 사용자가 콘텐츠를 체험할 수 있는 상황을 포함하는 상황 범주(Situation Category), 사용자가 콘텐츠를 체험한 후의 감정과 의견을 포함하는 느낌 범주(Feeling Category) 및 콘텐츠 제작자 또는 적어도 하나 이상의 사용자에 의하여 정의되는 콘텐츠의 속성(Property)을 포함하는 스타일 범주(Style Category)로 각각 분류하여 제시하는 감성 어휘 제시부; 상기 제시된 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주에 속하는 적어도 하나의 감성 어휘를 선택하는 감성 어휘 선택부; 및 상기 선택된 적어도 하나의 감성 어휘를 기초로 사용자 감성을 결정하는 사용자 감성 결정부를 포함한다.
일 실시예에서, 상기 사용자 감성 결정부는 상기 선택된 감성 어휘 각각에 대한 감성 수치를 결정하고, 상기 결정된 감성 수치들을 기초로 사용자 감성을 나타내는 감성 어휘 벡터를 생성하는 것을 특징으로 할 수 있다.
일 실시예에서, 상기 컴퓨터 실행 장치는 적어도 하나의 콘텐츠 각각에 대하여 소셜 웹 마이닝을 통해 상기 선택된 적어도 하나의 감성 어휘를 포함하는 콘텐츠-감성 매핑 데이터베이스; 상기 컴퓨터 실행 장치는 콘텐츠 사용자로부터 수신된 감성 텍스트에서 감성 관련 어휘를 추출하는 감성 어휘 추출부; 및 상기 추출한 감성 관련 어휘를 상기 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주에 속하는 적어도 하나의 감성 어휘와 매칭하는 감성 어휘 매칭부를 더 포함할 수 있다.
실시예들 중에서, 컴퓨터 실행 장치에서 수행되는 컴퓨터 프로그램을 기록한 기록매체는 콘텐츠에 대한 콘텐츠 사용자의 감정 및 의견을 나타내는 감성 어휘(Sensitivity Keyword)를, 사용자가 콘텐츠를 체험하기 전의 기분 상태를 포함하는 기분 범주(Mood Category), 사용자가 콘텐츠를 체험할 수 있는 상황을 포함하는 상황 범주(Situation Category), 사용자가 콘텐츠를 체험한 후의 감정과 의견을 포함하는 느낌 범주(Feeling Category) 및 콘텐츠 제작자 또는 적어도 하나 이상의 사용자에 의하여 정의되는 콘텐츠의 속성(Property)을 포함하는 스타일 범주(Style Category)로 각각 분류하여 제시하는 기능; 상기 제시된 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주에 속하는 적어도 하나의 감성 어휘를 선택하는 기능; 및 상기 선택된 적어도 하나의 감성 어휘를 기초로 사용자 감성을 결정하는 기능을 포함한다.
본 발명의 감성 어휘 분류 방법 및 이와 관련된 기술들은 콘텐츠에 대한 느낌 어휘와 스타일 어휘 및 사용자의 기분 어휘와 상황 어휘를 제공하여 다양하고 복잡한 감성 표현이 가능하게 할 수 있다.
본 발명의 감성 어휘 분류 방법 및 이와 관련된 기술들은 콘텐츠 검색 텍스트에서 감성 관련 어휘를 추출하고, 감성 어휘를 결정하여 사용자의 감성을 보다 정확하게 측정할 수 있다.
본 발명의 감성 어휘 분류 방법 및 이와 관련된 기술들은 콘텐츠에 대한 감성 평가에서 감성 관련 어휘를 추출하고, 감성 어휘를 결정하여 사용자 맞춤형 콘텐츠를 추천할 수 있다.
도 1은 감성 어휘 분류 시스템을 설명하는 블록도이다.
도 2는 도 1에 있는 컴퓨터 실행 장치를 설명하는 블록도이다.
도 3은 도 1에 있는 컴퓨터 실행 장치에서 수행되는 감성 어휘 분류 방법의 흐름도이다.
도 4는 도 1에 있는 컴퓨터 실행 장치에서 수행하는 콘텐츠 추천 방법을 설명하는 흐름도이다.
도 5a는 감성 어휘 온톨로지(ontology)의 감성 어휘 분류에 대한 대분류 범주 중에서 기분 범주를 설명하는 도면이다.
도 5b는 감성 어휘 온톨로지의 감성 어휘 분류에 대한 대분류 범주 중에서 상황 범주를 설명하는 도면이다.
도 5c는 감성 어휘 온톨로지의 감성 어휘 분류에 대한 대분류 범주 중에서 느낌 범주를 설명하는 도면이다.
도 5d는 감성 어휘 온톨로지의 감성 어휘 분류에 대한 대분류 범주 중에서 스타일 범주를 설명하는 도면이다.
도 6a는 감성 어휘 온톨로지에서 대표 감성 어휘와 감성 어휘 그룹과의 관계를 설명하는 도면이다.
도 6b는 감성 어휘 온톨로지에서 감성 어휘와 감성 관련 어휘 그룹과의 관계를 설명하는 도면이다.
도 7a는 도 1에 있는 컴퓨터 실행 장치에서 감성 어휘를 제공하는 웹서비스 예시도이다.
도 7b는 도 1에 있는 컴퓨터 실행 장치에서 감성 어휘를 제공하는 모바일 서비스 예시도이다.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
본 발명은 컴퓨터가 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있고, 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 서버를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 서버 등이 있으며, 또한, 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
도 1은 감성 어휘 분류 시스템(100)을 설명하는 블록도이다.
도 1을 참조하면, 감성 어휘 분류 시스템(100)은 컴퓨터 실행 장치(110), 콘텐츠 제공 서버(120) 및 메타데이터(130)를 포함한다. 여기에서 컴퓨터 실행 장치(110)와 메타데이터(130)는 네트워크를 통해 콘텐츠 제공 서버(120)와 연결된다.
컴퓨터 실행 장치(110)는 콘텐츠 제공 서버(120)에 접속하여 콘텐츠를 검색하고, 콘텐츠를 다운로딩받거나 콘텐츠 스트리밍 서비스를 제공받을 수 있는 컴퓨터 실행 장치에 해당할 수 있으며, 예를 들어, 서버(Server), 데스크톱(Desktop), 노트북(Laptop), 스마트폰(Smartphone) 또는 태블릿 PC(Tablet Personal Computer)에 해당할 수 있다.
컴퓨터 실행 장치(110)는 사용자 및 콘텐츠에 대한 메타데이터로부터 감성 관련 어휘들을 추출하여 감성 어휘를 선택하고, 감성 어휘에 따라 콘텐츠를 분류할 수 있다.
콘텐츠 제공 서버(120)는 컴퓨터 실행 장치(110)로부터 콘텐츠 검색을 위해 입력된 텍스트를 수신하고, 콘텐츠 검색 텍스트를 기초로 사용자의 감성을 측정할 수 있다. 일 실시예에서, 콘텐츠 제공 서버(120)는 컴퓨터 실행 장치(110)에 컴퓨터가 읽을 수 있는 기록 매체로 구현된 감성 어휘 분류 프로그램을 제공할 수 있다. 여기에서, 제공은 컴퓨터 프로그램의 배포, 가상 또는 클라우드 컴퓨팅 환경에서의 컴퓨터 프로그램 실행을 포함할 수 있다.
메타데이터(130)는 감성 콘텐츠와 관련하여 감성 관련 어휘가 포함된 데이터에 해당한다. 감성 관련 어휘는 사용자의 감성 또는 의견을 나타내는 어휘에 해당한다.
도 2는 도 1에 있는 컴퓨터 실행 장치(110)를 설명하는 블록도이다.
도 2를 참조하면, 컴퓨터 실행 장치(110)는 감성 어휘 제시부(210), 감성 어휘 선택부(220), 사용자 감성 결정부(230), 송수신부(240), 감성 어휘 추출부(250), 콘텐츠-감성 매핑 데이터베이스(260), 감성 어휘 매칭부(270), 및 제어부(280)를 포함한다.
감성 어휘 제시부(210)는 감성 어휘(Sensitibity Keyword)를 기분 범주(Mood Category), 상황(Situation) 범주, 느낌(Feeling) 범주 및 스타일(style) 범주로 분류하여 제시한다. 이하 감성 어휘 및 각 범주를 상세히 설명한다.
감성 어휘는 콘텐츠에 대한 콘텐츠 사용자의 감정 및 의견을 나타내는 어휘에 해당한다. 여기에서, 감성 어휘는 메타데이터(130)로부터 소셜 마이닝을 통해 수집될 수 있으며, 주기적으로 갱신될 수 있다.
도 5a는 감성 어휘 온톨로지의 감성 어휘 분류에 대한 대분류 범주 중에서 기분 범주를 설명하는 도면이다.
도 5a를 참조하면, 기분 범주는 사용자가 콘텐츠를 체험하기 전의 기분 상태, 즉, 사용자가 콘텐츠를 체험하기에 적절한 기분 상태를 나타내는 감성 어휘들을 포함하는 범주에 해당한다. 보다 구체적으로, 기분 범주에 속하는 감성 어휘는 사용자에게 외부 자극 없이 지속적으로 나타나는 정신 상태를 나타내는 어휘에 해당할 수 있다.
도 5b는 감성 어휘 온톨로지의 감성 어휘 분류에 대한 대분류 범주 중에서 상황 범주를 설명하는 도면이다.
도 5b를 참조하면, 상황 범주는 사용자가 콘텐츠를 체험할 수 있는 상황, 즉, 사용자가 콘텐츠를 체험하기에 적당하다고 판단되는 시간(Time), 장소(Place) 및 경우(Occasion) 등을 나타내는 감성 어휘를 포함하는 범주에 해당한다. 보다 구체적으로, 상황 범주에 속하는 감성 어휘는 사용자에게 영향을 미치는 주위의 상태에 해당하거나, 또는 사용자에게 자극을 주는 자극의 총체 또는 환경적 조건을 나타내는 어휘에 해당할 수 있다.
도 5c는 감성 어휘 온톨로지의 감성 어휘 분류에 대한 대분류 범주 중에서 느낌 범주를 설명하는 도면이다.
도 5c를 참조하면, 느낌 범주는 사용자가 콘텐츠를 체험한 후에 느낀 감정 및 의견을 나타내는 감성 어휘들을 포함하는 범주에 해당한다. 보다 구체적으로, 느낌 범주에 속하는 감성 어휘는 사용자의 경험에서 비롯되는 콘텐츠에 대한 순간적인 반응을 나타내는 어휘에 해당할 수 있고, 콘텐츠에 대한 사용자의 의견에 해당할 수 있다.
도 5d는 감성 어휘 온톨로지의 감성 어휘 분류에 대한 대분류 범주 중에서 스타일 범주를 설명하는 도면이다.
도 5d를 참조하면, 스타일 범주는 콘텐츠 제작자 또는 적어도 하나 이상의 사용자에 의하여 정의되는 콘텐츠의 속성(Property)을 나타내는 감성 어휘들을 포함하는 범주에 해당한다. 보다 구체적으로, 스타일 범주에 속하는 감성 어휘는 유사한 특징을 포함하고 있는 콘텐츠의 일반적 형식을 나타내는 어휘에 해당할 수 있고, 명시적이지는 않으나 암시적으로 인식 가능한 콘텐츠 간의 차이, 형식 또는 이들을 조합한 어휘에 해당할 수 있다.
도 5a 내지 도 5d를 참조하면, 감성 어휘 분류를 위한 대분류 범주 각각은 하나 이상의 중분류 범주를 포함한다.
예를 들어, 기분 범주는 중분류 범주로 [우울할 때], [나른할 때], [즐거울 때], [활기찰 때]를 포함한다.
도 5a 내지 도 5d를 참조하면, 중분류 범주 각각은 소셜 마이닝을 통해 수집된 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주 관련 구문에서 추출된 감성 어휘들 중에서 해당 중분류 범주와 연관성이 높은 감성 어휘들을 포함한다.
예를 들어, 기분 범주의 중분류 범주인 [우울할 때] 범주는 해당 범주와 연관성이 높은 [우울할 때], [슬플 때], [짜증날 때], [화날 때], [외로울 때] 등과 같은 감성 어휘들을 포함한다.
도 6a는 감성 어휘 온톨로지에서 대표 감성 어휘와 감성 어휘 그룹과의 관계를 설명하는 도면이다.
도 6a를 참조하면, 대표 감성 어휘 각각은 의미가 동일하거나 유사한 하나 이상의 감성 어휘들로 구성된 감성 어휘 그룹을 대표한다.
여기에서, 대표 감성 어휘들은 콘텐츠와 연관된 메타데이터로부터 소셜 마이닝을 통해 수집된 감성 관련 구문에서 추출된 감성 어휘들에 해당할 수 있다. 또한, 추출된 감성 어휘들의 수량이 특정 기준을 초과하는 경우에는 추출된 감성 어휘들을 클러스터링할 수 있고, 제2 서브 감성 어휘는 클러스터링을 통해 생성된 감성 어휘 그룹들을 각각 대표하는 감성 어휘에 해당할 수 있다.
예를 들어, 기분 범주의 중분류 범주인 [우울할 때] 범주에 속하는 감성 어휘인 [외로울 때]의 경우에는 의미가 동일하거나 유사한 [외로울 때], [고독할 때], [쓸쓸할 때], [허전할 때], [적적할 때] 등과 같은 감성 어휘들로 구성된 감성 어휘 그룹을 대표하는 것으로 정의할 수 있다.
또 다른 예를 들어, [중독적인], [매력적인], [빠지는], [러블리한], [사랑스러운], [아름다운] 등과 같은 30개의 감성 어휘가 도출된 경우, 클러스터링을 통해 [중독적인], [매력적인], [빠지는]을 포함하는 감성 어휘 그룹과 기타 [사랑스러운], [러블리한]을 포함하는 그룹들을 생성할 수 있고, 이 그룹들을 각각 대표하는 [중독적인], [사랑스러운]을 대표 감성 어휘로 도출할 수 있다. 이를 통해, 다양하면서도 복잡하지 않은 감성 어휘들을 제공할 수 있다.
일 실시예에서, 제1 서브 감성 어휘는 소셜 마이닝을 통해 수집된 감성 어휘들을 클러스터링하여 분류된 감성 어휘 집합 내에서 출현 빈도가 가장 많은 어휘에 해당할 수 있다. 다시 말해, 제1 서브 감성 어휘는 소셜 마이닝에 의하여 수집된 감성 어휘들을 클러스터링하여 분류된 감성 어휘 집합 내에서 출현 빈도가 가장 많은 감성 어휘에 해당하는 것을 특징으로 할 수 있다. 또한, 소셜 마이닝에 의하여 수집된 감성 어휘들의 수가 일정 범위를 넘는 경우에는 제2 서브 감성 어휘도 앞서 설명한 방식에 의하여 결정될 수 있다.
예를 들어, [개성있는], [러블리한], [밝은], [상쾌한]과 같은 감성 어휘가 수집되고, 출현된 빈도가 각각 100회, 50회, 200회, 150회에 해당하는 경우, 가장 출현 빈도가 높은 [밝은]이 제1 서브 감성 어휘로 선택될 수 있다.
도 6b는 감성 어휘 온톨로지에서 감성 어휘와 감성 관련 어휘 그룹과의 관계를 설명하는 도면이다.
도 6b를 참조하면, 감성 어휘 각각은 동일하거나 유사한 감성을 표현하는 하나 이상의 감성 관련 어휘들로 구성된 감성 관련 어휘 그룹을 대표한다. 여기에서, 감성 관련 어휘는 콘텐츠와 연관된 메타데이터로부터 소셜 마이닝을 통해 수집된 감성 관련 구문에서 감성을 표현하는 단어, 구 또는 절 등에 해당한다.
예를 들어, 기분 범주에 속하는 감성 어휘인 [외로울 때]의 경우에는 동일하거나 유사한 감성을 표현하는 [외로울 때], [외로움 탈 때], [외로움 느낄 때], [외롭다고 생각될 때] 등과 같은 단순한 감성 관련 어휘 뿐만 아니라 [외로울 때 듣기 좋은], [외로울 때 들을 만한], [외로울 때 듣는] 등과 같은 확장된 감성 관련 어휘들로 구성된 감성 관련 어휘 그룹을 대표하는 것으로 정의할 수 있다.
또 다른 예를 들어, [중독적인 노래], [들을수록 중독되는 노래], [중독성이 강한 음악] 등과 같은 구문에서 느낌과 관련된 [중독적인], [중독되는], [중독성이 강한]과 같은 감성 관련 어휘들이 추출될 수 있고, 상기의 감성 관련 어휘들을 의미적 동일성, 유사성 및 대표성을 고려하여 [중독적인]이라는 감성 어휘를 도출해 낼 수 있다.
일 실시예에서, 감성 어휘 제시부(210)는 대분류 범주인 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주를 제공하고, 상기 제공된 대분류 범주들 중에서 하나의 대분류 범주가 선택되면 상기 선택된 대분류 범주에 속하는 중분류 범주 어휘들을 제1 서브 감성 어휘들로 제공하고, 상기 제공된 제1 서브 감성 어휘들 중에서 하나가 선택되면 상기 선택된 제1 서브 감성 어휘와 연관되고 상기 소셜 마이닝을 통해 수집된 감성 어휘들을 제2 서브 감성 어휘들로 제공할 수 있다.
도 7a는 도 1에 있는 컴퓨터 실행 장치에서 감성 어휘를 제공하는 웹서비스 예시도이다.
도 7a를 참조하면, 감성 어휘 제시부(210)는 [느낌], [기분], [상황], [스타일]이라는 대분류 범주를 제공하고, 이 중 [느낌] 범주가 선택되면, [전체], [밝은], [역동적인], [차분한] 및 [어두운]과 같은 중분류 범주들을 제1 서브 감성 어휘로 제공하고, 이 중 [밝은]과 같은 제1 서브 감성 어휘가 선택되면, [신나는], [즐거운] 등과 같은 감성 어휘들을 제2 서브 감성 어휘들로 제공할 수 있다. 여기서 중분류 범주 [전체]는 해당 대분류 범주에 속하는 모든 감성 어휘를 포함하는 것으로 정의할 수 있다.
도 7b는 도 1에 있는 컴퓨터 실행 장치에서 감성 어휘를 제공하는 모바일 서비스 예시도이다.
도 7b를 참조하면, 감성 어휘 제시부(210)는 [느낌]이라는 대분류 범주에 대해 [밝은], [역동적인], [차분한] 및 [어두운]과 같은 중분류 범주 어휘들을 제1 서브 감성 어휘들로 제공하고, 이 중 [밝은]과 같은 제1 서브 감성 어휘가 선택되면, [신나는], [즐거운] 등과 같은 감성 어휘들을 제2 서브 감성 어휘들로 제공할 수 있다.
감성 어휘 선택부(220)는 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주에 속하는 적어도 하나의 감성 어휘를 선택한다.
일 실시예에서, 감성 어휘 선택부(220)는 사용자의 선택 요청에 따라 감성 어휘를 선택할 수 있다. 이와 달리, 감성 어휘 선택부(220)는 같은 시간대에 가장 많이 선택되는 감성 어휘를 선택하거나 또는 랜덤하게 감성 어휘를 선택할 수 있다.
일 실시예에서, 감성 어휘 선택부(220)는 사용자가 콘텐츠를 이용하기 전 사용자의 감성을 평가하기 위해 감성 어휘를 선택할 수 있으며, 사용자가 콘텐츠를 이용한 이후 사용자의 감성 변화를 측정하기 위하여 감성 어휘를 선택할 수도 있다.
감성 어휘 선택부(220)는 수신된 감성 텍스트로부터 추출된 감성 관련 어휘를 감성 어휘와 매칭할 수 있다. 보다 구체적으로, 감성 어휘 선택부(220)는 감성 어휘 온톨로지에 저장된 감성 어휘 목록을 기초로 감성 관련 어휘와 감성 어휘의 대응 관계를 확인하여 감성 관련 어휘를 감성 어휘와 매칭할 수 있다. 또한, 감성 어휘와 대표 감성 어휘와의 대응 관계를 확인하여 감성 관련 어휘를 대표 감성 어휘와 매칭할 수 있다.
예를 들어, 추출된 감성 관련 어휘가 [쓸쓸할 때 듣기 좋은]을 포함하고 있고 [쓸쓸할 때 듣기 좋은]과 감성 어휘 [쓸쓸할 때]가 대응 관계가 있는 경우, [쓸쓸할 때 듣기 좋은]은 [쓸쓸할 때]에 매칭될 수 있다. 또한 감성 어휘 [쓸쓸할 때]가 대표 감성 어휘 [외로울 때]와 대응 관계가 있는 경우, 감성 관련 어휘 [쓸쓸할 때 듣기 좋은]은 대표 감성 어휘 [외로울 때]에 매칭될 수 있다.
감성 어휘 선택부(220)는 감성 관련 어휘와 감성 어휘간 매칭이 이루어지는 경우, 해당 감성 어휘를 선택할 수 있다.
사용자 감성 결정부(230)는 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주 내에서 선택된 감성 어휘를 기초로 콘텐츠에 대한 콘텐츠 사용자의 감정 및 의견을 나타내는 사용자 감성을 결정한다.
일 실시예에서, 사용자 감성 결정부(230)는 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주 내에서 선택된 적어도 하나의 감성 어휘를 기초로 사용자의 감성을 결정할 수 있다. 즉, 사용자 감성 결정부(230)는 각 범주에서 선택된 감성 어휘 중 적어도 일부를 조합하여 사용자 감성을 결정할 수 있다.
예를 들어, 사용자 감성 결정부(230)는 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주에 속하는 감성 어휘 각각을 사용자 감성으로 결정할 수 있으며, 또는 둘 이상을 조합한 형태, 예를 들어, 느낌 범주와 스타일 범주에 속하는 감성 어휘를 결합한 형태로 사용자 감성을 결정할 수 있다.
일 실시예에서, 사용자 감성 결정부(230)는 선택된 감성 어휘에 대한 가중치를 부여하여 감성 어휘 벡터를 생성할 수 있다. 여기에서, 감성 어휘 벡터는 콘텐츠에 대한 콘텐츠 사용자의 감성 정도를 나타낼 수 있다. 또한, 개별 사용자들의 감성 어휘 벡터들을 조합하여 콘텐츠에 대한 콘텐츠 사용자 그룹의 감성 정도를 나타낼 수 있다.
감성 어휘 벡터는 하기의 [수학식 1]에 따라 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주 중 적어도 하나의 범주에 속하는 감성 어휘 각각을 하나의 차원에 대응하는 n차원 벡터 형태로 구현될 수 있다.
Figure 112013038398278-pat00001
SKV(x,y) : 콘텐츠 x에 대한 콘텐츠 사용자 (또는 콘텐츠 사용자 그룹) y의 감성 정도를 n차원 벡터로 표시한 함수.
SKW(i,x,y) : 콘텐츠 x에 대한 콘텐츠 사용자 (또는 콘텐츠 사용자 그룹) y의 감성 어휘 i에 대한 가중치를 표시한 함수
여기에서, n은 감성 어휘 전체 집합의 크기에 해당하고, 콘텐츠 사용자 그룹이 전체 사용자에 해당하는 경우 콘텐츠 사용자 y를 포함하지 않을 수 있다(예를 들어, SKV(x), SKW(i,x)). 이와 마찬가지로, 특정 콘텐츠 x에 대한 감성이 아니라 임의의 콘텐츠에 대한 감성을 표현하는 경우 콘텐츠 x를 포함하지 않을 수 있다(예를 들어, SKV(y), SKW(i,y)).
예를 들어, 콘텐츠 a에 대해 콘텐츠 사용자 b는 감성 어휘 [신나는], [우울할 때]를 선택하고, 콘텐츠 사용자 c는 감성 어휘 [신나는], [가을], [발라드]를 선택하며, 각각의 어휘에 대한 가중치를 1로 정의한 경우, 사용자 감성 결정부(230)는 [수학식 1]에 따라 콘텐츠 a에 대한 콘텐츠 사용자 b와 c의 감성 어휘 벡터 SKV(a,b), SKV(a,c)를 각각 (1, 1, 0, 0), (1, 0, 1, 1)과 같이 생성할 수 있다. 여기에서, 감성 어휘는 총 4개이며, 느낌([신나는]), 기분([우울할 때]), 상황([가을]) 및 스타일 범주([발라드]) 순서로 나열됨을 전제로 하였다.
사용자 감성 결정부(230)는 콘텐츠에 대한 콘텐츠 사용자 그룹의 감성 정도를 나타내는 사용자 그룹의 감성 어휘 벡터를 개별 사용자의 감성 어휘 벡터를 조합하여 생성할 수 있다.
예를 들어, 콘텐츠 사용자 b와 c로 구성된 콘텐츠 사용자 그룹 d를 정의하는 경우, 사용자 감성 결정부(230)는 콘텐츠 a에 대한 콘텐츠 사용자 그룹 d의 감성 어휘 벡터 SKV(a,d)를 SKV(a,b)와 SKV(a,c)를 이용하여 계산할 수 있으며, SKV(a,b)와 SKV(a,c)를 합산을 통해 (2, 1, 1, 1)이라는 값을 갖는 감성 어휘 벡터 SKV(a,d)를 생성할 수 있다. 이와 달리, SKV(a,b)와 SKV(a,c)의 교집합을 고려하는 경우 사용자 감성 결정부(230)는 (2, 0, 0, 0)이라는 값을 갖는 SKV(a,d)를 생성할 수 있다.
사용자 감성 결정부(230)는 콘텐츠에 대한 콘텐츠 사용자 그룹의 감성 어휘 벡터의 가중치를 조정하기 위해 정보 검색과 텍스트 마이닝 등의 분야에서 이용하는 TF-IDF(Term Frequency - Inverse Document Frequency) 방식을 적용할 수도 있다.
TF-IDF는 정보 검색과 텍스트 마이닝에서 이용하는 가중치로서, 여러 문서로 이루어진 문서 집합에서 특정 단어가 특정 문서 내에서 얼마나 중요한 것인지를 나타내는 통계적 수치에 해당한다.
여기에서, 문서는 콘텐츠와 관련하여 감성 어휘를 포함하는 문서에 해당하며, 예를 들어, 댓글 또는 콘텐츠 평가에 해당할 수 있다.
TF(단어 빈도수, term frequency)는 특정 단어가 문서 내에 얼마나 자주 등장하는지를 나타내는 값에 해당하며, 이 값이 높을수록 문서에서 중요하다고 판단할 수 있다. 그러나, 특정 단어가 문서 집합 내에서 자주 사용되는 경우, 특정 단어가 흔하게 나타나는 것으로 중요도가 낮다고 판단할 수 있고, 이 값을 DF(문서 빈도수, document frequency)라고 하며, 이 값의 역수를 IDF(inverse document frequence)라고 한다. TF-IDF는 TF와 IDF를 곱한 값이다.
예를 들어, 감성 어휘 [신나는]이 감성 관련 메타데이터에서 10,000번 등장하고, [신나는]이 총 1,000개의 문서 또는 콘텐츠에 포함되어 있는 경우, 감성 어휘 [신나는]에 대한 가중치는 10,000 / 1,000 = 10에 해당할 수 있다.
송수신부(240)는 감성 텍스트 및 콘텐츠 정보를 수신하거나 사용자 감성 결정부(230)에서 결정된 감성 어휘 및 콘텐츠 정보를 외부로 송신한다.
보다 구체적으로, 송수신부(240)는 사용자로부터 사용자의 감성을 나타내는 감성 텍스트를 수신할 수 있다. 여기에서, 텍스트(Text)는 어휘(word)를 포함하는 완성된 형태의 텍스트에 해당하거나, 어휘 그 자체에 해당할 수 있다. 또한, 콘텐츠 검색 텍스트는 사용자의 기분, 사용자의 상황, 콘텐츠의 느낌 및 콘텐츠의 스타일과 같은 감성 관련 어휘를 포함할 수 있다.
감성 텍스트는 [비오는 날 듣고 싶은 슬픈 노래]와 같이 [비오는 날]이라는 상황과 [슬픈]이라는 콘텐츠의 느낌을 포함할 수 있으며, [듣고 싶은] 또는 [노래]와 같이 콘텐츠의 형식을 더 포함하는 형태로 표현될 수 있다.
일 실시예에서, 송수신부(240)는 사용자로부터 입력되는 감성 텍스트의 크기를 특정 크기 이하로 제한하고, 입력되는 감성 텍스트의 포맷을 제한할 수 있다. 예를 들어, 송수신부(240)는 입력되는 감성 텍스트의 크기를 10자 이내로 제한할 수 있고, 명사만을 입력하도록 제한하여 [비가 오는]과 같은 형용사는 허용하지 않을 수 있다. 포맷을 제한함으로써 감성 어휘 결정과 관련된 유의어 판단 등을 용이하게 할 수 있다.
송수신부(240)는 사용자 감성 결정부(230)에서 결정된 감성 어휘를 외부로 송신할 수 있고, 이와 관련된 감성 콘텐츠를 수신할 수 있다.
송수신부(240)는 감성 콘텐츠에 대한 사용자의 감성 평가 또는 감성 어휘를 외부로 송신할 수 있다. 예를 들어, 컴퓨터 실행 장치(110)는 콘텐츠 제공 서버(120)에 결정된 감성 어휘를 송신하고 이에 상응하는 감성 콘텐츠를 수신하며, 감성 콘텐츠 사용 후 콘텐츠에 대한 사용자의 감성 변화를 나타내는 감성 어휘를 콘텐츠 제공 서버(120)에 제공할 수 있다.
감성 어휘 추출부(250)는 콘텐츠 사용자로부터 수신된 감성 텍스트로부터 감성 관련 어휘를 추출한다.
감성 어휘 추출부(250)는 K-Structure 기법, PMI-IR(Pointwise Mutual Information-Information Retrieval) 기법, 시멘틱 웹, 감성 어휘 온톨로지 등을 이용하여 감성 관련 어휘를 추출할 수 있다.
일 실시예에서, 감성 어휘 추출부(250)는 수신된 감성 텍스트에서 콘텐츠명, 아티스트명, 장르 등을 제외하고 단위 어휘별로 어휘를 추출할 수 있다.
예를 들어, 수신된 감성 텍스트는 [비오는 날 듣고 싶은 슬픈 노래]인 경우, 감성 어휘 추출부(250)는 콘텐츠의 장르와 관련된 [듣고 싶은], [노래]를 제거하고, [비오는 날], [슬픈]과 같은 감성 관련 어휘를 추출할 수 있다.
콘텐츠-감성 매핑 데이터베이스(260)는 감성 어휘 목록과 감성 관련 어휘 목록을 포함하는 감성 어휘 온톨로지를 저장한다. 감성 어휘 온톨로지에 포함된 감성 어휘 목록과 감성 관련 어휘 목록은 앞에서 설명한 바와 같이 도면 5a 내지 도면 6b의 내용을 포함할 수 있다.
콘텐츠-감성 매핑 데이터베이스(260)는 콘텐츠의 일반 정보(예를 들어, 장르, 명칭, 제작자 등)과 감성 어휘 벡터를 포함하는 콘텐츠 리스트을 저장할 수 있다.
콘텐츠-감성 매핑 데이터베이스(260)는 감성 어휘와, 감성 어휘 벡터 및 감성 콘텐츠 간의 매핑 정보를 저장하는 콘텐츠-감성 매핑 테이블을 포함할 수 있다.
콘텐츠-감성 매핑 테이블은 특정 감성 어휘 벡터를 기준으로 이에 상응하는 감성 어휘들과 감성 콘텐츠 정보를 포함할 수 있으며, 사용자에게 감성 콘텐츠를 추천함에 있어서 사용자가 입력 또는 선택한 감성 어휘에 대해 계산된 감성 어휘 벡터를 기초로 이에 상응하는 콘텐츠를 검색 및 제공하는데 사용될 수 있다.
감성 어휘 매칭부(270)는 감성 어휘와 감성 콘텐츠를 매칭한다.
일 실시예에서, 감성 어휘 매칭부(270)는 콘텐츠-감성 매핑 테이블을 기초로 선택된 감성 어휘와 감성 콘텐츠를 매칭할 수 있다. 감성 어휘 매칭부는 감성 어휘의 계산된 감성 어휘 벡터와 같은 값을 가지는 콘텐츠를 검색하여 매칭할 수 있다.
감성 어휘 매칭부(270)는 감성 어휘 벡터간의 유사도를 결정하여 감성 어휘와 콘텐츠를 매칭할 수 있다.
일 실시예에서, 감성 어휘 매칭부(270)는 결정된 감성 어휘를 적어도 하나의 콘텐츠 각각에 대하여 감성 어휘 온톨로지를 통해 느낌 범주, 스타일 범주, 기분 범주 및 상황 범주 중 적어도 하나에 해당하는 감성 어휘를 포함하는 콘텐츠-감성 매핑 데이터베이스에 연결할 수 있다. 즉, 감성 어휘 매칭부(270)는 선택된 감성 어휘와 콘텐츠-감성 매핑 데이터베이스를 연결하여 선택된 감성 어휘에 상응하는 콘텐츠를 검색할 수 있다. 여기에서, 콘텐츠 검색은 감성 어휘 벡터간의 유사도를 기초로 수행될 수 있다.
일 실시예에서, 감성 어휘 매칭부(270)는 사용자 감성 결정부(230)에서 생성된 감성 어휘 벡터와 콘텐츠-감성 매핑 데이터베이스에 있는 콘텐츠 각각의 감성 어휘 벡터 간의 유사도를 결정할 수 있다. 여기에서, 유사도는 감성 어휘 벡터들 간의 기하 거리(Euclidean Distance), 코사인 계수(Cosine Coefficient) 등과 같은 유사도 계산 방식으로 계산될 수 있으며, 코사인 계수는 하기의 수식에 의해 결정될 수 있다.
Figure 112013038398278-pat00002
θ: 감성 어휘 벡터간의 각도
sim(x,j) : 콘텐츠 x에 대한 감성 어휘 벡터 SKV(x)와 사용자 j의 감성 어휘 벡터 SKV(j) 간의 코사인 계수 유사도
SKV(x) : 콘텐츠 x에 대한 전체 사용자의 감성 정도를 나타내는 감성 어휘 벡터
SKV(j) : 임의의 콘텐츠에 대한 사용자 j의 감성 정도를 나타내는 감성 어휘 벡터
예를 들어, 콘텐츠 a, b의 감성 어휘 벡터가 각각 (3, 0, 4, 0), (4, 0, 3, 0) 인 경우, 감성 어휘 벡터간의 유사도 각도는 cos-1 ((3*4+4*3) / (5*5)) = 18.2도로 결정될 수 있다. 기 설정된 특정 기준에 따라(예를 들어, 유사도 각도가 20도 이내 인 경우), 감성 어휘 매칭부(270)는 콘텐츠 a와 b를 유사한 것으로 판단 할 수 있다.
제어부(280)는 콘텐츠 감성 어휘 선택부(210), 사용자 감성 어휘 선택부(220), 사용자 감성 결정부(230), 송수신부(240), 감성 어휘 추출부(250), 감성 어휘 성질 데이터 베이스(260) 및 감성 어휘 매칭부(270) 간의 데이터 흐름을 제어한다.
도 3은 도 1에 있는 컴퓨터 실행 장치(110)에서 수행하는 감성 어휘 분류 방법을 설명하는 흐름도이다.
도 3을 참조하면, 감성 어휘 제시부(210)는 감성 어휘를 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주로 분류하여 제시한다(S310).
감성 어휘 선택부(220)는 제시된 각 범주에 속하는 적어도 하나의 감성 어휘를 선택한다(S320).
일 실시예에서, 감성 어휘 선택부(220)는 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주를 대분류 범주로 제공하고, 제공된 대분류 범주들 중 하나의 대분류 범주가 선택되면 선택된 대분류 범주에 속하는 중분류 범주 어휘들을 제1 서브 감성 어휘로 제공하고, 제공된 제1 서브 감성 어휘들 중 하나의 제1 서브 감성 어휘가 선택되면 선택된 제1 서브 감성 어휘와 연관되고 소셜 마이닝을 통해 수집된 감성 어휘들을 제2 서브 감성 어휘들로 제공할 수 있다.
사용자 감성 결정부(230)는 선택된 적어도 하나의 감성 어휘를 기초로 사용자 감성을 결정한다(S330).
일 실시예에서, 사용자 감성 결정부(230)는 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주에 속하는 적어도 일부를 조합하여 사용자 감성을 결정할 수 있다.
일 실시예에서, 사용자 감성 결정부(230)는 선택된 감성 어휘에 대한 가중치를 부여하여 감성 어휘 벡터를 생성할 수 있다.
도 4는 도 1에 있는 컴퓨터 실행 장치(110)에서 수행하는 감성 어휘 분류 방법을 사용하는 콘텐츠 추천 방법을 설명하는 흐름도이다.
도 4를 참조하면, 송수신부(240)는 사용자로부터 사용자의 감성을 나타내는 감성 텍스트를 수신한다(S410). 예를 들어, 송수신부(240)는 사용자로부터 사용자의 감성에 맞는 콘텐츠를 검색하기 위한 감성 텍스트를 수신할 수 있다.
송수신부(240)는 사용자로부터 감성 텍스트를 수신하기 위해 감성 텍스트의 입력을 프로프팅할 수 있다.
감성 어휘 추출부(250)는 송수신부(240)를 통해 수신한 감성 텍스트로부터 감성 관련 어휘를 추출한다(S420).
감성 어휘 선택부(220) 어휘 추출부(240)에서 추출한 감성 관련 어휘를 감성 어휘와 각각 매칭한다(S430).
사용자 감성 결정부(230)는 매칭된 감성 어휘를 기초로 사용자 감성을 결정한다(S440).
일 실시예에서, 사용자 감성 결정부(230)는 선택된 감성 어휘 각각에 대한 가중치를 부여하여 감성 어휘 벡터를 생성할 수 있다.
감성 콘텐츠 제공 서버(120)는 결정된 감성 어휘에 상응하는 콘텐츠를 사용자에게 추천하기 위하여 콘텐츠 정보를 포함하는 콘텐츠-감성 매핑 데이터베이스에 연결할 수 있다.
일 실시예에서, 감성 어휘 매칭부(270)는 결정된 감성 어휘를 적어도 하나의 콘텐츠 각각에 대하여 소셜 웹 마이닝을 통해 결정된 적어도 하나의 감성 어휘 벡터를 포함하는 콘텐츠-감성 매핑 데이터베이스에 연결할 수 있다(S450).
일 실시예에서, 감성 어휘 매칭부(270)는 사용자 감성 결정부(230)에서 생성된 감성 어휘 벡터와 콘텐츠-감성 매핑 데이터베이스에 있는 감성 콘텐츠 각각의 감성 어휘 벡터 간의 유사도를 결정할 수 있다.
일 실시예에서, 감성 어휘 매칭부(270)는 콘텐츠를 유사도가 가장 높은 콘텐츠부터 순서대로 정렬할 수 있다.
송수신부(240)는 감성 어휘 매칭부(270)에서 정렬한 콘텐츠들을 사용자에게 제공할 수 있다.
일 실시예에서, 송수신부(240)는 사용자에 의해 선택된 콘텐츠를 콘텐츠 제공 서버(120)로부터 수신하여 사용자에게 제공할 수 있다.
상기에서는 본 출원의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100 : 감성 어휘 분류 시스템
110 : 컴퓨터 실행 장치
120 : 콘텐츠 제공 서버
130 : 메타데이터
210 : 감성 어휘 제시부
220 : 감성 어휘 선택부
230 : 사용자 감성 결정부
240 : 송수신부
250 : 감성 어휘 추출부
260 : 콘텐츠-감성 매핑 데이터베이스
270 : 감성 어휘 매칭부
280 : 제어부

Claims (11)

  1. 콘텐츠에 대한 콘텐츠 사용자의 감정 및 의견을 나타내는 감성 어휘(Sensitivity Keyword)를, 사용자가 콘텐츠를 체험하기 전의 기분 상태를 포함하는 기분 범주(Mood Category), 사용자가 콘텐츠를 체험할 수 있는 상황을 포함하는 상황 범주(Situation Category), 사용자가 콘텐츠를 체험한 후의 감정과 의견을 포함하는 느낌 범주(Feeling Category) 및 콘텐츠 제작자 또는 적어도 하나 이상의 사용자에 의하여 정의되는 콘텐츠의 속성(Property)을 포함하는 스타일 범주 (Style Category)로 각각 분류하여 제시하는 단계;
    상기 제시된 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주에 속하는 적어도 하나의 감성 어휘를 선택하는 단계; 및
    상기 선택된 적어도 하나의 감성 어휘 각각에 대한 감성 수치를 결정하고 상기 결정된 감성 수치를 기초로 사용자 감성을 나타내는 감성 어휘 벡터를 생성하여 사용자 감성을 결정하는 단계를 포함하는 컴퓨터 실행 가능한 감성 어휘 분류 방법.
  2. 제1항에 있어서, 상기 감성 어휘를 상기 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주로 각각 분류하여 제시하는 단계는
    소셜 마이닝을 통해 수집된 상기 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주 관련 구문에서 추출된 감성 어휘 그룹을 대표하는 중분류 범주 어휘 각각을 해당 범주의 제1 서브 감성 어휘로 제공하는 단계; 및
    상기 제공된 제1 서브 감성 어휘들 중 하나의 제1 서브 감성 어휘가 선택되면 상기 선택된 제1 서브 감성 어휘와 연관되고 상기 소셜 마이닝을 통해 수집된 감성 어휘들을 제2 서브 감성 어휘들로 제공하는 단계를 포함하는 컴퓨터 실행 가능한 감성 어휘 분류 방법.
  3. 삭제
  4. 제1항에 있어서,
    상기 선택된 적어도 하나의 감성 어휘를 포함하는 적어도 하나의 콘텐츠에 대하여 소셜 웹 마이닝을 통해 감성 수치를 결정하는 단계; 및
    상기 결정된 감성 수치를 기초로 상기 콘텐츠에 대한 사용자 감성을 나타내는 감성 어휘 벡터를 생성하여 상기 콘텐츠를 콘텐츠-감성 매핑 데이터베이스에 연결하는 단계를 더 포함하는 컴퓨터 실행 가능한 감성 어휘 분류 방법.
  5. 제4항에 있어서, 상기 콘텐츠를 콘텐츠-감성 매핑 데이터베이스에 연결하는 단계는
    상기 생성된 감성 어휘 벡터와 상기 콘텐츠-감성 매핑 데이터베이스에 있는 콘텐츠 각각의 감성 어휘 벡터 간의 유사도를 결정하는 단계; 및
    상기 콘텐츠-감성 매핑 데이터베이스에서 상기 선택된 감성 어휘에 상응하는 적어도 하나의 감성 콘텐츠에 대한 정보를 수신하는 단계를 더 포함하는 컴퓨터 실행 가능한 감성 어휘 분류 방법.
  6. 콘텐츠 사용자로부터 수신된 감성 텍스트에서 감성 관련 어휘를 추출하는 단계;
    상기 추출한 감성 관련 어휘를 사용자가 콘텐츠를 체험하기 전의 기분 상태를 포함하는 기분 범주(Mood Category), 사용자가 콘텐츠를 체험할 수 있는 상황을 포함하는 상황 범주(Situation Category), 사용자가 콘텐츠를 체험한 후의 감정과 의견을 포함하는 느낌 범주(Feeling Category) 및 콘텐츠 제작자 또는 적어도 하나 이상의 사용자에 의하여 정의되는 콘텐츠의 속성(Property)을 포함하는 스타일 범주(Style Category)에 속하는 적어도 하나의 감성 어휘와 매칭하는 단계; 및
    상기 매칭된 적어도 하나의 감성 어휘 각각에 대한 감성 수치를 결정하고 상기 결정된 감성 수치를 기초로 사용자 감성을 나타내는 감성 어휘 벡터를 생성하여 사용자 감성을 결정하는 단계를 포함하는 컴퓨터 실행 가능한 감성 어휘 분류 방법.
  7. 제6항에 있어서, 상기 적어도 하나의 감성 어휘와 매칭하는 단계는
    상기 추출된 감성 관련 어휘를 상기 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주 각각에 포함된 감성 어휘들과 동일한지 여부를 판단하는 단계; 및
    만일 동일하지 않은 경우에는 감성 어휘 온톨로지(Ontology)를 이용하여 유사 여부를 판단하는 단계를 포함하는 컴퓨터 실행 가능한 감성 어휘 분류 방법.
  8. 콘텐츠에 대한 콘텐츠 사용자의 감정 및 의견을 나타내는 감성 어휘(Sensitivity Keyword)를, 사용자가 콘텐츠를 체험하기 전의 기분 상태를 포함하는 기분 범주(Mood Category), 사용자가 콘텐츠를 체험할 수 있는 상황을 포함하는 상황 범주(Situation Category), 사용자가 콘텐츠를 체험한 후의 감정과 의견을 포함하는 느낌 범주(Feeling Category) 및 콘텐츠 제작자 또는 적어도 하나 이상의 사용자에 의하여 정의되는 콘텐츠의 속성(Property)을 포함하는 스타일 범주(Style Category)로 각각 분류하여 제시하는 감성 어휘 제시부;
    상기 제시된 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주에 속하는 적어도 하나의 감성 어휘를 선택하는 감성 어휘 선택부; 및
    상기 선택된 적어도 하나의 감성 어휘 각각에 대한 감성 수치를 결정하고 상기 결정된 감성 수치들을 기초로 사용자 감성을 나타내는 감성 어휘 벡터를 생성하여 사용자 감성을 결정하는 사용자 감성 결정부를 포함하는 컴퓨터 실행 장치.
  9. 삭제
  10. 제8항에 있어서,
    적어도 하나의 콘텐츠 각각에 대하여 소셜 웹 마이닝을 통해 상기 선택된 적어도 하나의 감성 어휘를 포함하는 콘텐츠-감성 매핑 데이터베이스;
    콘텐츠 사용자로부터 수신된 감성 텍스트에서 감성 관련 어휘를 추출하는 감성 어휘 추출부; 및
    상기 추출한 감성 관련 어휘를 상기 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주에 속하는 적어도 하나의 감성 어휘와 매칭하는 감성 어휘 매칭부를 더 포함하는 컴퓨터 실행 장치.
  11. 콘텐츠에 대한 콘텐츠 사용자의 감정 및 의견을 나타내는 감성 어휘(Sensitivity Keyword)를, 사용자가 콘텐츠를 체험하기 전의 기분 상태를 포함하는 기분 범주(Mood Category), 사용자가 콘텐츠를 체험할 수 있는 상황을 포함하는 상황 범주(Situation Category), 사용자가 콘텐츠를 체험한 후의 감정과 의견을 포함하는 느낌 범주(Feeling Category) 및 콘텐츠 제작자 또는 적어도 하나 이상의 사용자에 의하여 정의되는 콘텐츠의 속성(Property)을 포함하는 스타일 범주(Style Category)로 각각 분류하여 제시하는 기능;
    상기 제시된 기분 범주, 상황 범주, 느낌 범주 및 스타일 범주에 속하는 적어도 하나의 감성 어휘를 선택하는 기능; 및
    상기 선택된 적어도 하나의 감성 어휘 각각에 대한 감성 수치를 결정하고 상기 결정된 감성 수치를 기초로 사용자 감성을 나타내는 감성 어휘 벡터를 생성하여 사용자 감성을 결정하는 기능을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 매체.
KR1020130048647A 2013-04-30 2013-04-30 컴퓨터 실행 가능한 감성 어휘 분류 방법 및 이를 수행하는 컴퓨터 실행 장치 KR101525400B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130048647A KR101525400B1 (ko) 2013-04-30 2013-04-30 컴퓨터 실행 가능한 감성 어휘 분류 방법 및 이를 수행하는 컴퓨터 실행 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130048647A KR101525400B1 (ko) 2013-04-30 2013-04-30 컴퓨터 실행 가능한 감성 어휘 분류 방법 및 이를 수행하는 컴퓨터 실행 장치

Publications (2)

Publication Number Publication Date
KR20140129833A KR20140129833A (ko) 2014-11-07
KR101525400B1 true KR101525400B1 (ko) 2015-06-09

Family

ID=52455010

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130048647A KR101525400B1 (ko) 2013-04-30 2013-04-30 컴퓨터 실행 가능한 감성 어휘 분류 방법 및 이를 수행하는 컴퓨터 실행 장치

Country Status (1)

Country Link
KR (1) KR101525400B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102498889B1 (ko) * 2020-12-18 2023-02-13 (주)알에프캠프 전자 장치, 사용자의 입력 행위에 따른 외적 심리 레벨을 고려하여 사용자의 심리 상태를 판별하는 방법 및 컴퓨터 프로그램
CN115796158A (zh) * 2023-02-07 2023-03-14 中国传媒大学 情感词典构建方法、装置、电子设备和计算机可读介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002099574A (ja) * 2000-09-26 2002-04-05 Tsutaya Online:Kk コンテンツ検索システム及びコンテンツ検索データ収集管理システム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002099574A (ja) * 2000-09-26 2002-04-05 Tsutaya Online:Kk コンテンツ検索システム及びコンテンツ検索データ収集管理システム

Also Published As

Publication number Publication date
KR20140129833A (ko) 2014-11-07

Similar Documents

Publication Publication Date Title
Mohammad et al. Using hashtags to capture fine emotion categories from tweets
Finn et al. Learning to classify documents according to genre
KR100775585B1 (ko) 문자 메시지에 대한 음악 추천 방법 및 그 시스템
US9830404B2 (en) Analyzing language dependency structures
Qiu et al. Aspect-based latent factor model by integrating ratings and reviews for recommender system
US8650140B2 (en) Information processing apparatus and method, and program thereof
KR101330158B1 (ko) 텍스트의 감정지수 분석 방법 및 컴퓨터 판독 가능한 기록 매체
Lima et al. Automatic sentiment analysis of Twitter messages
CN106202073B (zh) 音乐推荐方法及系统
EP2240874A1 (en) Method and system for automatically ranking product reviews according to review helpfulness
KR101713258B1 (ko) 글에 반영된 사용자의 심리 상태 정보 제공 장치 및 그 방법
KR20130055748A (ko) 콘텐츠 추천 시스템 및 방법
KR20150086441A (ko) 콘텐츠 및 상관 거리에 기반하는 사람 연결
Hyung et al. Utilizing context-relevant keywords extracted from a large collection of user-generated documents for music discovery
US20130346385A1 (en) System and method for a purposeful sharing environment
CN113934941A (zh) 一种基于多维度信息的用户推荐系统及方法
KR101712291B1 (ko) 오피니언 마이닝을 기반으로 한 사용자 맞춤형 명소 정보 추천 시스템 및 구동 방법
Hai et al. Coarse-to-fine review selection via supervised joint aspect and sentiment model
Lee et al. Discovering underlying sensations of human emotions based on social media
Yao et al. Online deception detection refueled by real world data collection
KR101752474B1 (ko) 지식 공유 서비스 제공 장치, 방법 및 컴퓨터 프로그램
KR101525400B1 (ko) 컴퓨터 실행 가능한 감성 어휘 분류 방법 및 이를 수행하는 컴퓨터 실행 장치
JP6446987B2 (ja) 映像選択装置、映像選択方法、映像選択プログラム、特徴量生成装置、特徴量生成方法及び特徴量生成プログラム
KR20200043687A (ko) 개인화된 음악 추천 방법 및 이를 지원하는 서비스 장치
JP2009211280A (ja) オンラインページ分析方法及び装置及びプログラム及びコンピュータ読み取り可能な記録媒体

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180504

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20190401

Year of fee payment: 5