KR20130000723A - 만화애니메이션 컨텐츠 검색을 위한 데이터베이스 구축 방법 및 이를 위한 프로그램을 기록한 컴퓨터로 판독가능한 기록매체 - Google Patents

Abstract

본 발명은 만화애니메니션 컨텐츠에 대한 검색 서비스를 제공하기 위한 데이터베이스 구축 방법에 관한 것이다. 특히, 본 발명은 만화애니메이션 컨텐츠에 대해서 감성가치 척도 내지는 그림체 척도와 같은 스마트 추천 검색 서비스를 제공할 수 있도록 다수의 만화애니메이션 컨텐츠를 평가하고 그 평가 결과를 데이터베이스로 구축할 수 있는 기술을 제공한다. 본 발명에 따르면, 스토리나 그림체와 같은 감성가치 척도와 그림체 척도를 기준으로 만화애니메이션 컨텐츠를 분류하여 데이터베이스를 구축하는 것이 가능하며, 이를 통해 만화애니메이션 컨텐츠에 대하여 사용자에게 스마트 검색 서비스를 제공할 수 있는 장점이 있다. 또한 본 발명에 따르면, 사용자의 선호도를 감안하여 사용자가 좋아할만한 만화애니메이션 컨텐츠를 추천해줄 수는 좀더 적극적인 형태의 컨텐츠 검색 서비스를 제공할 수 있는 장점이 있다.

Description

만화애니메니션 컨텐츠 검색을 위한 데이터베이스 구축 방법 및 이를 위한 컴퓨터로 판독가능한 기록매체{METHOD FOR ESTABLISHING DATABASE FOR PROVIDING SEARCH SERVICE FOR CARTOON-ANIMATION CONTENTS, AND COMPUTER READABLE RECORDING MEDIUM FOR THE SAME}

본 발명은 만화애니메니션 컨텐츠에 대한 검색 서비스를 제공하기 위한 데이터베이스 구축 방법에 관한 것이다. 특히, 본 발명은 만화애니메이션 컨텐츠에 대해서 감성가치 척도 내지는 그림체 척도와 같은 스마트 추천 검색 서비스를 제공할 수 있도록 다수의 만화애니메이션 컨텐츠를 평가하고 그 평가 결과를 데이터베이스로 구축할 수 있는 기술을 제공한다.

최근들어 유무선 초고속 데이터 통신망의 발달로 인해 많은 사람들이 개인용컴퓨터나 스마트폰을 통해 인터넷을 이용하고 있으며, 이러한 인터넷 이용의 증대와 함께 다양한 종류의 웹 컨텐츠 서비스가 제공되고 있다. 이러한 웹 컨텐츠 서비스는 날로 종류가 다양해지고 있는데, 종래에는 인쇄물로만 제공되던 만화 또는 텔레비전이나 영화에서만 가능하였던 애니메이션이 최근에는 인터넷상에서 제공되고 있다.

[도 23]은 종래기술에 따른 만화애니메이션 서비스 웹페이지의 일 실시예를 나타낸 도면이다. 당해 웹 사이트를 통하여 다수의 만화애니메이션 컨텐츠가 제공되고 있는데, 사용자의 편의를 제공하기 위하여 컨텐츠는 장르별로, 요일별, 제목별, 작가별, 인기순으로 분류되어 있다. 그에 따라, 사용자는 소망하는 바에 따라 장르별로, 요일별로, 제목별로, 작가별로, 인기순으로 만화애니메이션 컨텐츠를 검색하고, 그 결과로 제공되는 컨텐츠를 감상할 수 있다.

이러한 수준의 컨텐츠 검색 서비스는 매우 기초적인 수준에 불과한데, 이는 만화애니메이션이라는 컨텐츠의 특성에 대해서 아직 연구가 이루어지지 않았기 때문이다. 하지만 만화애니메이션 컨텐츠의 시장규모는 날로 커지고 있으며, 이들 컨텐츠에 대한 사용자의 수요도 점차로 고도화되고 있다. 그에 따라 이들 만화애니메이션 컨텐츠에 대해 좀더 스마트한 방법으로 검색 서비스를 제공할 수 있도록 만화애니메이션 컨텐츠의 특성을 반영하여 기준을 선정하고 그러한 기준에 따라 만화애니메이션 컨텐츠를 분류하고 그 분류된 결과에 따라 데이터베이스를 구축할 수 있는 기술이 요망되고 있다.

본 발명의 목적은 만화애니메니션 컨텐츠에 대한 검색 서비스를 제공하기 위한 데이터베이스 구축 방법을 제공하는 것이다. 특히, 본 발명은 만화애니메이션 컨텐츠에 대해서 감성가치 척도 내지는 그림체 척도와 같은 스마트 추천 검색 서비스를 제공할 수 있도록 다수의 만화애니메이션 컨텐츠를 평가하고 그 평가 결과를 데이터베이스로 구축할 수 있는 기술을 제공고자 한다.

이러한 목적을 달성하기 위하여, 본 발명에 따른 만화애니메니션 컨텐츠에 대해 검색 서비스를 제공하기 위한 데이터베이스 구축 방법은, 만화애니메이션 컨텐츠에 대해 설정된 감성인자에 따라 설계된 2차 리서치 결과를 입력받는 단계; 2차 리서치 결과에 대해 감성인자에 대한 인자부하량을 분석함으로써 감성인자에 대한 타당성을 검증하는 단계; 감성인자를 미리 설정된 감성가치 척도별로 분배함으로써 만화애니메니션 컨텐츠를 위한 감성가치 척도를 구축하는 단계; 감성인자에 대한 만화애니메이션 컨텐츠의 평가데이터를 감성가치 척도에 따라 조합함으로써 만화애니메이션 컨텐츠에 대한 감성가치 척도에 따른 데이터베이스를 구축하는 단계;를 포함하여 구성된다.

본 발명에 따른 데이터베이스 구축 방법은, 감성가치 척도에 대해 신뢰도 계수의 계산을 통하여 감성인자 할당을 최적화하는 단계; 또는 감성가치 척도별로 크론박 알파 계수를 통하여 감성가치 척도에 대한 신뢰도를 검증하는 단계;를 더 포함하는 것이 바람직하다.

또한, 본 발명에 따른 데이터베이스 구축 방법은, 다수의 만화애니메이션 컨텐츠가 포함된 컨텐츠 그룹에 관련된 데이터를 제공받는 단계; 컨텐츠 그룹으로부터 선택된 복수 개의 만화애니메이션 컨텐츠에 대하여 마련된 감성관련 질의에 관한 1차 리서치 결과를 입력받는 단계; 1차 리서치 결과에 대해 텍스트 마이닝을 통해 복수 개의 감성인자를 추출하는 단계;를 더 포함할 수 있다. 이때, 복수 개의 만화애니메이션 컨텐츠는 컨텐츠 그룹에 속하는 다수의 만화애니메이션 컨텐츠에 대해서 그림체와 스토리를 평가한 결과 값을 제공받고, 결과 값에 따라 컨텐츠 그룹에 속하는 다수의 만화애니메이션 컨텐츠를 정렬한 후, 결과 값을 기초로 컨텐츠 그룹으로부터 골고루 선택되는 것이 바람직하다.

본 발명에 따르면, 스토리나 그림체와 같은 감성가치 척도와 그림체 척도를 기준으로 만화애니메이션 컨텐츠를 분류하여 데이터베이스를 구축하는 것이 가능하며, 이를 통해 만화애니메이션 컨텐츠에 대하여 사용자에게 스마트 검색 서비스를 제공할 수 있는 장점이 있다.

또한 본 발명에 따르면 사용자의 선호도를 감안하여 사용자가 좋아할만한 만화애니메이션 컨텐츠를 추천해줄 수는 좀더 적극적인 형태의 컨텐츠 검색 서비스를 제공할 수 있는 장점이 있다.

[도 1]은 본 발명에 따른 만화애니메이션 컨텐츠 검색을 위한 데이터베이스 구축 방법에서 감성가치 척도를 구축하는 과정을 나타내는 흐름도.
[도 2]는 본 발명에 따른 만화애니메이션 컨텐츠 검색을 위한 데이터베이스 구축 방법에서 그림체 척도를 구축하는 과정을 나타내는 흐름도.
[도 3]은 1차 리서치를 위하여 만화애니메이션 컨텐츠에 대해 그림체를 분류하는 개념을 나타낸 도면.
[도 4]는 1차 리서치를 위하여 만화애니메이션 컨텐츠에 대해 스토리를 분류하는 개념을 나타낸 도면.
[도 5]는 만화에 대한 웹그래프를 나타낸 도면.
[도 6]은 만화의 웹그래프 중에서 '묘사'에 대한 웹그래프를 나타낸 도면.
[도 7]은 만화의 웹그래프 중에서 '매력'에 대한 웹그래프를 나타낸 도면.
[도 8]은 애니메이션에 대한 웹그래프를 나타낸 도면.
[도 9]은 만화와 애니메이션을 통합한 웹그래프를 나타낸 도면.
[도 10]은 1차 리서치에서 획득한 감성인자를 반영하여 2차 리서치의 질의문구를 설계한 실시예를 나타낸 도면.
[도 11]은 2차 리서치 결과에 대해 도출한 인자부하량 곡선을 나타낸 도면.
[도 12]는 만화에 대한 인자분석 결과를 나타낸 도면.
[도 13]은 만화와 애니메이션을 통합한 전체 컨텐츠에 대해 도출한 인자분석 결과를 나타낸 도면.
[도 14]는 감성가치 척도인 "탁월함"에 대하여 크론박 알파 계수를 계산한 결과의 일 실시예를 나타낸 도면.
[도 15]는 감성가치 척도를 최적화한 일 실시예를 나타낸 도면.
[도 16]은 만화애니메이션 컨텐츠를 감성가치 척도에 대해 평가한 결과의 일 실시예를 나타낸 도면.
[도 17]은 감성가치 척도에 대한 만화애니메이션 컨텐츠의 분포도를 나타낸 도면.
[도 18]은 그림체 척도를 위하여 만화애니메이션 컨텐츠에 대해 캐릭터의 신체비례를 분류하는 실시예를 나타낸 도면.
[도 19]는 그림체 척도를 위하여 만화애니메이션 컨텐츠에 대해 데생 밀도를 분류하는 실시예를 나타낸 도면.
[도 20]은 그림체 척도를 위하여 만화애니메이션 컨텐츠에 대해 캐릭터의 과장정도를 분류하는 실시예를 나타낸 도면.
[도 21]은 본 발명에 따라 구축된 데이터베이스를 이용하여 만화애니메이션 컨텐츠에 대해 검색 서비스를 제공하는 개념을 나타낸 도면.
[도 22]는 본 발명에 따라 구축된 데이터베이스를 이용하여 만화애니메이션 컨텐츠에 대해 검색 서비스를 제공하기 위한 인터넷 웹페이지의 일 실시예를 나타낸 도면.
[도 23]은 종래기술에 따른 만화애니메이션 서비스 웹페이지의 일 실시예를 나타낸 도면이다.

이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다.

[도 1]과 [도 2]는 본 발명에 따른 만화애니메이션 컨텐츠 검색을 위한 데이터베이스 구축 방법에서 감성가치 척도와 그림체 척도를 구축하는 과정을 나타낸 흐름도이다. 만화애니메이션은 '그림으로 표현한 스토리' 또는 '스토리를 지닌 그림'이기 때문에 '그림'과 '스토리'가 주요 키워드이다. 이러한 이해를 바탕으로 본 발명에서는 감성가치 척도는 만화애니메이션의 스토리적인 측면을 나타내고, 그림체 척도는 만화애니메이션의 그림(시각적)의 측면을 나타냄으로써 만화애니메이션의 특성에 맞는 분류가 가능해지도록 한다.

[도 1]은 본 발명에 따른 데이터베이스 구축 방법에서 만화애니메이션에 대한 감성가치 척도를 구축하는 과정을 나타내는 흐름도이다. 감성가치 척도를 구축하기 위한 개별 단계를 간략하게 살펴보면 다음과 같으며, 좀더 자세한 설명은 [도 3] 내지 [도 17]을 참조하여 후술한다.

(S110) 단계 : 먼저, 복수 개의 만화애니메이션 컨텐츠에 대하여 마련된 감성관련 질의에 관한 1차 리서치 결과를 입력받는다. 다수의 만화애니메이션 컨텐츠가 포함된 컨텐츠 그룹에서 감성가치 척도를 구축하기 위해 복수 개의 만화애니메이션 컨텐츠를 선택하며, 이들 만화애니메이션 컨텐츠에 대하여 감성관련 질의에 관한 1차 리서치 결과를 입력받는다.

(S120) 단계 : 1차 리서치의 결과로 다수의 응답이 제공되는데, 이들 응답에 대하여 텍스트 마이닝을 통해 복수 개의 감성인자를 추출한다. 이들 감성인자는 리서치 응답으로부터 도출되는 것으로 만화애니메이션 컨텐츠를 감성적으로 나타낼 수 있는 키워드를 포함한다.

(S130) 단계 : 위에서 추출된 감성인자를 반영하여 2차 리서치가 설계되며, 이러한 2차 리서치의 결과를 입력받는다.

(S140) 단계 : 2차 리서치 결과에 대해 감성인자에 대한 인자부하량을 분석함으로써 앞서 살펴본 감성인자에 대한 타당성을 검증한다. 만화애니메이션 컨텐츠에 대해 감성적인 특징을 나타내는 데에 몇 개의 감성인자가 필요한지를 통계적으로 분석하는 과정이 포함된다. 이러한 분석을 통해 매우 3개 이하의 감성인자를 통해서도 만화애니메이션 컨텐츠에 대한 감성적인 규정이 가능하다는 것이 검증되며, 이를 통해 감성인자에 대해 타당성을 검증한다. 바람직하게는 이 과정에서 감성적인 특징을 나타내는 데에 상대적으로 많은 수가 필요한 것으로 밝혀진 감성인자는 그다지 도움이 되지 않는 것으로 간주하고, 그에 따라 타당하지 않은 감성인자인 것으로 판단한다.

(S150) 단계 : 감성인자를 미리 설정된 감성가치 척도별로 분배함으로써 만화애니메니션 컨텐츠를 위한 감성가치 척도를 구축한다. 이들 감성인자는 몇 개의 감성가치를 표현하기 위한 것으로 분류될 수 있는데, 이러한 분류에 대한 선택정보를 제공받아, 그에 따라 감성인자를 감성가치 척도별로 분배한다. 즉, 감성가치 척도에 대해 하나이상의 감성인자를 할당한다.

(S160) 단계 : 감성가치 척도별로 크론박(Cronbach)의 알파 계산을 통하여 감성가치 척도에 대한 신뢰도를 검증한다.

(S170) 단계 : 또한, 감성가치 척도에 대해 크론박 알파 계산을 통하여 감성인자 할당을 최적화한다. 감성가치 척도에 대해 다수의 감성인자가 할당되는 경우에는 이후의 과정에 복잡해지므로, 바람직하게는 각 감성가치 척도에 대해서 가장 중요한 영향을 미치는 감성인자를 추출하고 나머지 감성인자는 버리는 과정을 수행한다. 각 감성가치 척도에 대해서 감성인자를 취사선택하는 과정에 바람직하게는 크론박 알파 계수를 활용한다.

(S180) 단계 : 감성인자에 대한 만화애니메이션 컨텐츠의 평가데이터를 감성가치 척도에 따라 조합한다. 각각의 만화애니메이션 컨텐츠에 대해 감성인자에 대해 평가데이터가 제공된다. 감성가치 척도별로 하나이상의 감성인자가 할당되어 있으므로 위의 평가데이터를 감성가치 척도에 따라 조합할 수 있으며, 그 결과로 개별 만화애니메이션 컨텐츠에 대한 감성가치 척도에 따른 평가 결과를 설정할 수 있게 된다.

(S190) 단계 : 이상의 결과를 이용하여 만화애니메이션 컨텐츠에 대하여 감성가치 척도에 따른 데이터베이스를 구축한다.

[도 2]는 본 발명에 따른 데이터베이스 구축 방법에서 만화애니메이션에 대한 그림체 척도를 구축하는 과정을 나타내는 흐름도이다. 그림체 척도를 구축하기 위한 개별 단계를 간략하게 살펴보면 다음과 같으며, 좀더 자세한 설명은 [도 18] 내지 [도 22]를 참조하여 후술한다.

(S210) 단계 : 만화애니메이션 컨텐츠에 대하여 캐릭터의 신체비례에 따른 그림체 척도를 구축한다. 만화애니메이션 컨텐츠에 대해 작가는 자신이 설정한 의도에 따라 캐릭터의 신체비례를 2등신에서부터 9등신 이상까지 다양하게 설정하는데, 이와 같은 캐릭터의 신체비례 요소는 만화애니메이션 컨텐츠의 느낌에 상당한 영향을 준다. 따라서, 만화애니메이션 컨텐츠에 대하여 캐릭터의 신체비례에 따른 그림체 척도를 구축한다.

(S220) 단계 : 만화애니메이션 컨텐츠에 대하여 데생 밀도에 따른 그림체 척도를 구축한다. 만화애니메이션 컨텐츠에 대해 작가는 자신이 설정한 의도에 따라 명암 표시를 전체적으로 밝거나 어둡게 하고, 거칠거나 부드럽거나 깔끔한 느낌이 나게 한다. 이러한 데생 밀도에 따라 만화애니메이션 컨텐츠의 느낌은 상당한 차이를 나타낸다. 따라서, 만화애니메이션 컨텐츠에 대하여 데생 밀도에 따른 그림체 척도를 구축한다.

(S230) 단계 : 만화애니메이션 컨텐츠에 대하여 캐릭터의 과장정도에 따른 그림체 척도를 구축한다. 역시 마찬가지로, 만화애니메이션 컨텐츠에 대해 작가는 자신이 설정한 의도에 따라 캐릭터 신체의 일부를 강하게 강조하거나 비례를 과장할 수 있는데, 이러한 캐릭터 표현의 과장 여부에 따라 만화애니메이션 컨텐츠의 느낌은 상당한 차이를 나타낸다. 따라서, 만화애니메이션 컨텐츠에 대하여 캐릭터의 과장정도에 따른 그림체 척도를 구축한다.

이하에서는 [도 3] 내지 [도 22]를 참조하여 만화애니메니션 컨텐츠에 대하여 감성적인 척도에 따른 검색 서비스를 제공하기 위하여 본 발명에 따라 데이터베이스를 구축하는 기술을 제시한다. 본 발명에서는 인간의 감성적인 측면을 고려하기 위하여 소위 감성과학(Science of Emotion & Sensibility) 내지 감성공학(Human Sensibility Ergonomics)를 활용한다.

감성공학(感性工學)은 인간의 감성을 정량적으로 측정, 평가하고 공학적으로 분석하여 그 결과를 제품개발이나 환경설계에 적용함으로써 더욱 편리하고 쾌적한 인간 중심의 삶을 도모하려는 기술이다. 1988년 시드니 국제 인간공학 학회에서 최초로 감성공학이라는 명칭이 사용되었으며 미국과 유럽의 휴먼 인터페이스 기술과 일본의 정서공학이 그 근간을 이룬다. 이는 개인의 경험을 통해 얻어지는 외부 자극에 대한 쾌적함과 안락함 또는 불쾌함과 불편함 등의 복합적인 감성을 과학적으로 측정하고 보완함으로써 개선된 결과물을 얻기 위한 것으로, 최근 중요성이 인정되어 더욱 폭넓은 적용을 위해 감성과학(感性科學)이라는 포괄적인 명칭으로 변경되었다.

본 발명에서는 만화애니메이션 콘텐츠가 지닌 감성적인 부분을 정량적으로 측정하기 위한 방법론으로 감성과학을 활용하고자 한다. 이를 위해 출원인은 일본 게이오 대학의 이노우에 아키히로 교수팀과 연계하여 만화와 애니메이션 콘텐츠에 적용 가능한 감성가치의 측정에 대한 척도를 구축했으며 그 과정은 [도 1]을 참조로 전술한 바와 같이 다음과 같다.

(1) 1차 리서치 디자인 및 실시

(2) 1차 리서치 결과를 통한 텍스트 마이닝(Text Mining)으로 감성인자 추출

(3) 2차 리서치 디자인 및 실시

(4) 2차 리서치를 통한 인자분석

(5) 인자분석 결과에 대한 신뢰도 분석으로 감성가치 척도 구축

(6) 만화애니메이션 컨텐츠에 적용

[도 3]과 [도 4]는 1차 리서치를 위하여 만화애니메이션 컨텐츠에 대해 그림체와 스토리를 분류하는 개념을 나타낸 도면이다. 1차 리서치를 위하여 선행되어야 하는 일은 감성적인 척도를 추출하기 위한 만화애니메이션의 샘플을 선택하는 작업이다. 이를 위해 30개씩의 샘플 만화와 샘플 애니메이션을 뽑았으며, 샘플 선택의 기준은 바람직하게는 다음과 같다.

(1) 주요 장르(액션, 판타지, 스릴러, 순정, 개그, 학원, SF 등)의 대표작이라 할 수 있는 유명한 작품을 위주로 선택한다.

(2) 만화애니메이션은 '그림으로 묘사한 스토리'라고 규정할 수 있으므로 각각의 샘플 만화애니메이션 작품에 대하여 스토리와 그림체로 분류하여 각각 -1 ~ +1의 점수를 배정한다. 이 때 -1은 부정적인 느낌, 0은 보통, +1은 긍정적인 느낌을 의미한다. [도 3]과 [도 4]는 이처럼 만화애니메이션에 대해 그림체와 스토리를 분류하는 개념을 나타낸 것이다.

위와 같이 스토리와 그림체에 각각 -1 ~ +1의 점수를 부여한 후 그것을 조합하면 총점이 -2, -1, 0, +1, +2의 5가지가 나올 수 있다. 바람직하게는 샘플 만화와 샘플 애니메이션은 각 점수대에서 골고로 선택하는데, 이를 통해 신뢰도 높은 결과를 얻을 수 있다. 이상과 같이 선택된 샘플 만화와 샘플 애니메이션(각 30종, 총 60종)을 대상으로 독자들이 느끼는 감성적인 성향들을 파악하기 위한 출원인은 설문조사를 실시하였다. 설문조사에서는 만화애니메이션 컨텐츠에 대한 감성관련 질의문을 마련해야 하는데, 출원인이 사용한 질의문은 다음과 같다.

- 이 만화/애니메이션 작품을 보았습니까?

- 보았다면 이 작품을 본 이유는 무엇입니까? 세 가지로 답해주십시오.

- 이 만화를 보고 느낀 점을 세 가지로 답해주십시오.

- 이 만화의 특징이라 여겨지는 것을 세 가지로 답해주십시오.

- 이 만화를 친구에게 추천한다면 그 이유를 세가지로 답해주십시오.

출원인은 이상의 질의문에서 세 가지로 답변하도록 유도하였는데, 그 이유는 감성을 표현하는 단어를 가급적 많이 획득하기 위함이다. 이렇게 출원인이 시행하였던 1차 리서치에서 260명(남 129/여 131)이 응답하였으며, 이들 응답을 RAW 데이터의 형태로 수집하고 이후 데이터 처리에 활용한다.

위와 같이 수집한 응답 문장들을 컴퓨터 프로그램을 통해 텍스트 마이닝을 실시하여 형태소를 해석하고 각 품사별 형태소를 식별한다. 이러한 과정을 거쳐 언어학적 법칙에 근거한 형태소(명사, 형용사, 형용동사)로부터 상위개념을 추출하여 작성할 수 있다. 만화에서 파악할 수 있었던 감성가치의 상위개념은 그림, 작품, 사람, 주인공, 스타일, 력(力), 적(的), 성(性), 남, 여 등이다. 예를 들어 사람(人)은 주인공, 인간, 등장인물 등의 단어에 포함된 개념으로 가장 빈번하게 사용된 단어 중 하나다. 이렇게 자주 사용된 단어에서 각 단어의 구성요소들 사이의 상관관계를 살펴보면, [도 5]와 같은 웹그래프를 얻을 수 있다. 한편, 출원인은 본 발명을 도출하기 위하여 일본 게이오 대학의 이노우에 아키히로 교수팀에 의뢰하여 리서치를 진행하였으며, 발명의 정확도를 잘 나타내기 위하여 일본어로 작성된 원래 결과 도면을 첨부한다.

웹그래프에서는 원의 크기와 선의 굵기가 중요한 정보이다. 원이 클수록 많이 사용된 단어임을 의미하고, 선이 굵을수록 당해 연결된 단어들과의 상관관계, 즉 함께 사용된 빈도가 높음을 의미한다. 가장 많이 사용된 단어는 그림(

)이며 이 단어는 스타일(スタイル), 작가(作家), 작품(作品) 등의 단어들과 함께 사용된 경우가 많았음을 의미한다. [도 5]에 나타난 요소들을 하나씩 떼어서 살펴보면 별도의 웹그래프를 얻을 수 있는데, [도 6]과 [도 7]은 이중에서 '묘사'와 '매력'에 대한 웹그래프를 각각 나타낸 도면이다.

[도 6]을 참조하면, 묘사(描寫)라는 항목은 각각의 요소들과 위와 같은 관계를 맺고 있으며 보는 바와 같이 그림(

), 사람(人), 성(性), 작품(作品) 등과 연관이 깊다는 사실을 알 수 있다. [도 7]을 참조하면, 매력(魅力)이라는 항목은 각각의 요소들과 위와 같은 관계를 맺고 있으며 보는 바와 같이 주인공(主人公), 캐릭터(キャラクタ―), 그림(

) 등과 연관이 깊다는 사실을 알 수 있다.

이상의 과정을 애니메이션에 같은 방식으로 적용하면 [도 8]에 도시된 것과 같은 애니메이션에 대한 웹그래프를 얻을 수 있다. 애니메이션에만 해당되는 사항인 음악, 방송국, 연출, 감독 등이 추가된 것을 제외하면 만화([도 5])와 거의 비슷한 양상을 보인다는 사실을 확인할 수 있다. 이에, 만화와 애니메이션을 동시에 처리하는 것이 가능하다는 결론을 얻게 되어 만화와 애니메이션을 통합하여 동일한 과정을 반복한 결과, [도 9]의 웹그래프를 얻는다.

이상과 같이 작성된 웹그래프로부터 만화애니메이션에서 감성적인 가치를 지닌 중요 키워드(감성인자)를 도출한다. 이들 중요 키워드를 원문(RAW DATA)과 대비하여 검증하는 것이 바람직하며, 이러한 과정을 통하여 만화애니메이션 컨텐츠에 대한 감성인자를 선정된다. 이렇게 도출된 감성인자에 기초하여 2차 리서치에 사용하기에 바람직한 질의문구를 설계하는데, [도 10]은 2차 리서치의 질의문구를 설계한 일 실시예를 나타낸 도면이다.

바람직하게는 1차 리서치에서 비교적 많은 응답을 받았던 만화애니메이션들을 우선적으로 선택하여 위의 32가지 질의문구로 평가를 실시한다. 출원인은 1차 리서치 때와는 달리 2차 리서치에서는 응답자들이 각 문항별로 1~5점으로 채점하는 방식을 택하였다. 2차 리서치의 응답자는 총 213명(남 116명/ 여 97명)이었으며, 모든 응답은 RAW 데이터로 수집한다. 이렇게 수집한 RAW 데이터를 기반으로 데이터 세트를 작성하는데, 통계 프로그램(예: SAS 소프트웨어)을 사용하여 해당 데이터 세트를 분석한다.

이와 같은 2차 리서치 결과로부터 인자를 분석한다. 특정 사람을 표현하기 위해 많은 단서를 붙일 수 있다. 예를 들면 특정인 A는 '남자이며 키가 크고 안경을 썼으며 자동차를 좋아하고' 등이 있다. 이들 구문에 포함된 단서에 해당하는 것을 '인자'라고 한다. 이러한 단서가 많을수록 특정인 A에 대한 묘사는 실재 A와 일치하는 부분이 많아지게 된다. 그러나 A를 표현할 때마다 이처럼 장황한 묘사를 늘어놓을 수는 없다. 그렇기 때문에 A의 특징을 가장 확실하게 표현할 수 있는 인자를 찾아볼 필요가 있다. 이와 마찬가지로 만화애니메이션이라는 것을 감성적으로 표현할 수 있다고 여겨지는 32개의 질의문구에 대한 각각의 인자들을 찾아야 한다. 통계 프로그램을 통해 각각의 항목에 대한 인자부하량을 분석할 수 있는데, 출원인이 시행한 2차 리서치 결과에 대해 인자의 필요량을 살펴보니 [도 11]과 같은 인자부하량 곡선을 얻었다.

[도 11]의 인자부하량 곡선은 만화애니메이션의 감성적인 척도가 되는 32개 질의문구에 대해 성향을 규정짓는데 필요한 인자의 개수를 나타낸 것으로, 가로축은 필요 인자의 개수이며 세로축은 32개 질의문구의 백분율이다. 인자부하량 곡선은 가로축 1.5 부근에서 급격한 꺾임을 보이는데, 이는 대부분의 감성적인 가치들은 1개의 인자로 대변할 수 있음을 나타낸다. 예를 들면, 14번째 질의문구인 '이 작품은 나에게 있어 웃기는 작품이다'에서 '웃기다'를 표현하기 위한 인자가 무엇인지 찾아보자. '웃기다'에 대해 나타나는 신체적인 현상을 살펴보면 '하하 소리를 낸다', '입 꼬리가 올라간다', '눈이 초승달 모양이 된다' 등이 있으나, 이 중에서 '하하 소리를 낸다'만으로도 '웃기다'에 대한 충분한 설명이 이루어질 수 있다. 즉, '웃기다'라는 기준을 설명하는 인자는 많이 있지만 '하하 소리를 낸다'가 가장 대표적인 인자라고 볼 수 있다.

모든 기준은 서로 독립되어 있는 것이 아니라 연관성을 지닌다. 이 중에서 보다 소수이며 보다 독립적이면서 가장 많은 가치들을 포괄할 수 있는 개념을 추출하기 위해 2차 리서치 결과에 대해 인자분석을 수행한다. 2차 리서치 결과에 32개의 감성가치에 대한 인자분석을 시도한 결과, 대부분의 감성가치가 2개 이내의 인자로 설명이 가능하였다. 여유분을 고려하여 인자부하량을 4까지 허용하여 인자분석을 시행함으로써 만화 컨텐츠에 대해 [도 12]를 얻었다.

[도 12]에서 <표 1>을 살펴보면 '웃기다, 화려하다, 야하다, 스피디하다, 리얼하다'를 제외한 27개의 감성기준을 표현하는데 2개의 인자로 충분함을 알 수 있다. 그 중에서 '기발, 세계관, 상상, 독특, 난해, 미래, 어드벤쳐'는 Factor2라는 1개의 인자가 필요하고, 나머지 20개의 감성기준은 Factor1이라는 1개의 인자로 표현이 가능하다. 특정 감성기준을 대표하는 인자가 되려면 관련성향이 0.6 이상이어야 하고 2개 이상의 인자가 비슷한 수치를 보여서는 안 된다. 예를 들어 '웃는 모습'에 대해 '하하 소리를 낸다'와 '입 꼬리가 올라간다'라는 인자가 각각 0.57과 0.54의 수치를 보인다면 이 둘 중 무엇이 '웃는 모습'을 대표할지 정하는 것은 상당히 난해해지기 때문이다. (0은 관련된 성향을 전혀 포함하고 있지 않다는 뜻이며 1은 해당 성향 그 자체를 의미한다.)

이때, <표 1~3>의 수치가 모두 다른 이유는 동일한 감성기준을 몇 개의 인자로 나누는가에 따라 결과값이 달라지기 때문이다. 다시 '웃는 모습'을 예로 들면 '웃는 모습'을 설명하기 위해 '하하 소리를 낸다'와 '입 꼬리가 올라간다'라는 두 개의 인자만 사용할 경우와 여기에 '눈이 초승달 모양이 된다'라는 인자를 더해 세 개의 인자를 사용하는 경우는 각 인자에 실리는 비중이 상이할 수밖에 없다. 그렇기 때문에 3~4 인자 기준의 값들은 2 인자를 기준으로 했을 때 답을 얻지 못한 항목에 적합한 인자를 찾기 위한 것이므로, 동일 항목에서 <표 1>과 <표 2, 3>이 다른 인자값이 나올 경우 <표 1>을 기준으로 정하면 된다. 즉, <표 2, 3>은 <표 1>에서 적당한 인자를 찾지 못한 '웃기다, 화려하다, 야하다, 스피디하다, 리얼하다'의 인자를 찾기 위한 것이며 이 중 '리얼'은 3 인자를 기준으로 했을 때, '웃기다'는 4 인자를 기준으로 했을 때 적당한 인자를 찾을 수 있었다. 그 외의 항목들은 적당한 인자를 찾지 못했기 때문에 만화와 애니메이션의 감성적 기준으로 사용되기에는 다소 모호하다고 할 수 있겠다.

[도 12]의 <표 1~3>은 만화에 대한 인자분석 결과이다. 하지만, 만화와 애니메이션을 모두 고려했을 경우에도 1 인자에서 약 90%의 분산이 설명되며 1~4 인자 내에서 사실상 100%의 분산이 설명되는 유사한 인자구조를 얻는다. 즉, 만화와 애니메이션에 공통적으로 적용할 수 있는 기준의 개발이 가능하다는 결론을 얻을 수 있으며, 실제로 만화와 애니메이션에 공통으로 인자분석을 시행하여 도출한 인자부하량 결과는 [도 13]과 같다.

이렇게 추출한 인자들을 비슷한 성향으로 묶는다. 인자들을 살펴본 결과 '감동적, 공감, 순수, 리얼'을 상위개념 '가슴에 와닿는(Touching)'으로 묶고, '상상, 난해, 미래, 어드벤쳐'를 상위개념 '공상(Fiction)'으로 묶는다. 그 외의 비슷한 인자들을 통합시키는 가운데 '화려, 야하다, 스피디' 등과 같이 해당 요소를 표현할 수 있는 어떠한 인자도 포함하지 않았거나 2~3 개의 인자가 모두 비슷하게 편성되어 특정 인자를 선택할 수 없는 경우는 제외한다. 그에 따라, '기발, 신선, 탄탄하다, 섬세하다, 세련, 소재, 조화, 표현력'을 상위개념 '탁월함(Impressive)'으로 묶고, '재미있다, 부담없음, 기억, 흥미진진, 몰입, 매력'을 상위개념 '감정이입(Empathy)'으로 묶는다.

이상의 '탁월함(Impressive), 감정이입(Empathy), 가슴에 와닿는(Touching), 공상(Fiction)'의 4개의 키워드가 만화애니메이션을 분류할 수 있는 감성 척도에 해당한다. 이 4개의 단어는 편의를 위해 임의로 설정한 것으로서 구체적으로는 상이하게 하더라도 무방하다. 비슷한 인자들을 묶어 상위의 개념을 추출하는 과정에서 설계자의 주관이 개입될 수도 있다. 예를 들어 사람에 따라서는 '섬세하다'를 '감정이입'이나 '가슴에 와닿는'으로 분류할 수도 있고, 위와는 전혀 다른 조합을 통해 위와는 상이한 감성적 기준을 추출할 수도 있다.

이어서, 이상의 도출결과가 과연 믿을만한 결과인지를 검증하기 위한 신뢰도 분석을 실시하는 것이 바람직하다. 본 발명에서는 신뢰도 분석을 위하여 크론박 알파(Cronbach의 α) 계수를 활용한다. 일반적으로 신뢰도를 분석하는 기법으로는 크론박 알파 계수, K-R 계수, 호이트 계수 등을 활용할 수 있는데, 출원인은 자체 실험에서 클론박 알파 계수를 활용하였다.

[도 14]는 감성가치 척도인 "탁월함(Impressive)"에 대하여 크론박 알파 계수를 계산한 결과의 일 실시예를 나타낸 도면이다. [도 14]의 수치 0.956533 또는 0.956640은 '탁월함(Impressive)'에 대한 신뢰도 값을 나타내며 A9 ~ A27은 각각 위에서 제시한 '기발 ~ 표현력'의 인자를 의미한다. 일반적으로 크론박 알파 계수에 따른 신뢰도는 0.75 이상이면 상당히 신뢰할만한 수준으로 알려져 있으므로, [도 14]의 수치인 0.95 이상은 대단히 신뢰할 수 있음을 나타낸다. 이와 마찬가지로 '감정이입(Empathy), 가슴에 와닿는(Touching), 공상(Fiction)'에 대해서도 크론박 알파 계수를 계산하였으며, 그 결과 각각 0.95, 0.85, 0.79라는 상당히 신뢰할만한 결과임이 증명되었다.

한편, '탁월함(Impressive), 감정이입(Empathy)'은 해당 인자가 각각 8개와 6개로 많은 편이며, '가슴에 와닿는(Touching), 공상(Fiction)'은 4개로 상대적으로 인자의 수가 적다. 특히 '탁월함(Impressive)'의 경우 모든 콘텐츠에 대해 '탁월함(Impressive)'의 기준을 부여하기 위해 8개나 되는 인자를 확인하게 될 경우 상당히 복잡한 과정을 거쳐야 한다는 문제가 발생할 수 있기 때문에 감성기준에 대한 인자의 수를 예컨대 3 개로 줄이는 작업을 실시한다.

각각의 기준을 구성하는 모든 인자들을 3개씩 묶어 다시 크론박의 알파 계수를 통해 가장 높은 신뢰도를 보이는 조합을 찾은 결과 '탁월함(Impressive)'은 '신선, 세련, 소재'가 신뢰도 0.893을 보였으며, '감정이입(Empathy)'은 '재미있다, 기억, 몰입'에서 신뢰도 0.932를 보였고, '가슴에 와닿는(Touching)'은 '감동적, 공감, 순수'가 신뢰도 0.851을 보였으며, '공상(Fiction)'은 '상상, 미래, 어드벤처'가 신뢰도 0.819를 보여 집중적이면서 간단한 인자구성이 가능했다. 특히 '공상(Fiction)'은 인자가 4개일 때보다 위의 3개로 조합했을 때 더 높은 신뢰도를 보인다.

결국, 본 실시예에서 만화애니메이션의 감성적인 기준은 '탁월(Impressive), 감정이입(Empathy), 감동(Touching), 공상(Fiction)'이라는 4가지로 구성할 수 있으며 각각의 기준을 평가하는 항목은 [도 15]와 같다. [도 15]는 이상의 과정을 통하여 감성가치 척도를 최적화한 결과의 일 예를 나타낸다.

이어서, 이상과 같이 설정한 감성가치 척도를 만화애니메이션 컨텐츠에 실제로 적용하는 단계를 수행한다. [도 16]은 다수의 만화애니메이션 컨텐츠를 감성가치 척도에 대해 평가한 결과의 일 실시예를 나타낸다. [도 15]를 참조하여 만화애니메이션 컨텐츠에 대해 평가항목에 따라 배점을 한 후 그것을 3으로 나누면 작품 별 각 감성기준에 대한 정도를 알 수 있게 된다. 예를 들어, 만화 '슬램덩크'에 대해 2차 리서치에서 얻은 결과를 토대로 '이 작품은 신선한 느낌의 작품이다'에 대해 받은 점수와 '이 작품은 세련된 느낌의 작품이다'에 대해 받은 점수, 그리고 '이 작품은 소재가 좋은 작품이다'에 대해 받은 점수를 모두 합산하여 3으로 나눠주면 '슬램덩크'의 '탁월(Impressive)' 감성가치 척도에 대한 정도가 수치로 나오게 된다.

이와 같은 방식으로 출원인이 실시예에서 샘플로 선정한 만화와 애니메이션에 대해 감성수치를 계산하여 획득한 결과를 [표]로서 정리한 것이 [도 16]이고, 다시 그래프로 표현한 것이 [도 17]이다. [도 17]에는 감성가치 척도에 대한 만화애니메이션 컨텐츠의 분포가 나타나 있다.

[도 17]의 그래프에 의하면 감정이입을 최고로 이끌어낸 작품은 '슬램덩크'이며 가장 탁월하다고 느껴지는 작품은 '하울의 움직이는 성'이 된다. 반면 가장 감정이입이 되지 않고 탁월하지 않다고 생각되는 작품은 비바블루스다. 그래프의 중앙에 위치한 작품들은 '탁월(Impressive), 감정이입(Empathy)'의 부분에서 평균임을 의미한다. 이런 방식으로 모든 감성기준에 대해 분포도를 살펴봄으로써 각 만화/애니메이션에 대한 평가를 통해 만화애니메이션의 감성가치를 파악할 수 있게 된다. 또한 이러한 결과는 조사자의 연령과 성별 등에 따라 다른 분포를 보이므로 다양한 대상에 대한 각각의 마케팅 전략의 수립에도 적용할 수 있다.

이상과 같은 방법을 통해 만화애니메이션 컨텐츠가 지닌 감성적인 측면들을 수치화하여 각 작품에게 특징을 부여해줄 수 있다. 특히 이러한 기준은 만화애니메이션 컨텐츠가 갖고 있는 스토리적인 측면에 대해 판단의 척도를 제공함으로써 장르와 같은 대분류를 넘어 좀더 세밀한 분류가 가능하게 해준다. 이를 통해 사용자들은 자신의 취향에 맞는 콘텐츠를 보다 다양하게 접할 수 있으며, 좀더 적극적인 검색서비스를 제공할 수 있다.

이하에서는 [도 18] 내지 [22]를 참조하여 그림체 척도를 구축하는 과정에 대해서 살펴본다. 만화애니메이션의 시각적인 특성은 통상 극화체나 순정체 등으로 불리는 그림체(Style)이다. 전술하였던 텍스트 마이닝 과정에서 만화애니메이션 컨텐츠에 대한 감성적인 단어를 살펴봤을 때 가장 많이 언급된 단어는 '그림'이었다. 이처럼 '그림'이라는 요소는 만화애니메이션을 특징짓는 항목이며 각 작품간 주요한 분류의 기준이 될 수 있다.

만화애니메이션 작품의 그림체를 파악하는데 있어서 가장 특징이 될 수 있는 것은 인물(캐릭터)에 대한 묘사이다. 만화애니메이션에서 인물묘사에 대한 특징을 살펴보면 다음과 같이 압축할 수 있다.

(1) 신체비례(2등신~10등신 이상)

(2) 데생의 밀도(펜선(Pen 線)의 밀도)

(3) 스타일(단순화 ~ 과장)

물론 이 외의 기준을 제시할 수도 있겠지만 사람들이 일반적으로 그림을 선택하는 기준은 위의 세 가지 항목으로 충족이 가능하다. 이하에서는 각각의 기준에 대한 예를 살펴본다.

[도 18]은 그림체 척도를 위하여 만화애니메이션 컨텐츠에 대해 캐릭터의 신체비례를 분류하는 실시예를 나타낸 도면이다. 일반적으로는 실제 사람이 갖는 신체비례를 주로 사용하지만 작품에 따라서는 머리가 크고 몸과 다리가 짧은 2~3 등신을 취하는 경우도 있는데, 코믹 소재의 개그만화들이나 아동용 만화에서 그러한 경향을 발견할 수 있다. 반면, 머리가 작고 팔과 다리가 실제 사람보다 긴 9등신 이상의 신체비례를 택하는 작품도 있는데, 순정만화 또는 남성미가 중시되는 격투만화 등에서 이러한 양상이 나타난다.

[도 19]는 그림체 척도를 위하여 만화애니메이션 컨텐츠에 대해 데생 밀도를 분류하는 실시예를 나타낸 도면이다. 데생의 정도, 즉 펜선의 밀도 역시 그림체를 좌우하는 중요한 기준이 된다. 데생은 명암의 표현을 위한 것으로 보통 펜을 사용하거나 스크린 톤을 사용하는데, 전자가 후자에 비해 어둡고 거친 느낌을 풍기는 반면 작가의 손맛이 비교적 잘 반영된다. 최근에는 컴퓨터그래픽으로 표현하기도 한다. 펜선의 정도에 따라 작품별로 풍기는 인상이 크게 달라지게 되는데 보통 아동만화나 순정만화는 캐릭터의 외곽선에만 펜선이 들어가 전체적으로 깔끔한 느낌을 주는 반면, 소년만화나 격투만화 등에 농도 짙은 데생이 들어간다. 남성의 근육이나 표정묘사 등에 펜선이 많이 들어가기 때문이다.

[도 20]은 그림체 척도를 위하여 만화애니메이션 컨텐츠에 대해 캐릭터의 과장정도를 분류하는 실시예를 나타낸 도면이다. 표현상의 과장은 신체의 일부를 과하게 강조하거나 얼굴의 구성, 즉 눈, 코, 입의 크기와 비례를 과장하여 캐릭터의 외형에 다양성을 부여해 주는 만화만의 특징이다. 과장이 더해질수록 현실적인 모습에서 멀어지며, 반대로 과장이 덜할수록 캐릭터는 실제 인간의 외형과 유사해 진다. 과장과 동류의 개념으로는 단순화의 개념이 있다. 주로 개그만화나 아동만화에서 보여지는 작풍으로서 캐릭터의 얼굴 등을 기본적인 도형에 준하여 단순화시키는 식이다.

신체비율에 관한 분류는 3단계로 분류하는 것보다 '2~3등신 / 4~5등신 / 6~9등신 / 10등신 이상'으로 분류하는 것이 일반적으로 출시되는 만화애니메이션의 실정을 감안할 때 바람직하다. 또한, 표현에 따른 분류도 '단순체 / 사실체 / 과장체 / 순정체' 정도가 바람직한테, 이는 순정만화의 경우 독자층이 명확히 구분되어 있는 독자적인 영역이기 때문이다.

이상의 사항들을 만화애니메이션 컨텐츠의 검색에 적용해보면 [도 21]에 나타낸 절차를 통하여 컨텐츠 검색이 이루어질 수 있다. [도 21]은 본 발명에 따라 구축된 데이터베이스를 이용하여 만화애니메이션 컨텐츠에 대해 검색 서비스를 제공하는 개념을 나타낸 도면이다. [도 21]에 도시된 과정들은 순차적으로 이루어지는 것으로 해석될 필요는 없으며 사용자의 편의에 따라 사용자가 원하는 사항만 선택적으로 이루어질 수 있다

[도 22]는 본 발명에 따라 구축된 데이터베이스를 이용하여 만화애니메이션 컨텐츠에 대해 검색 서비스를 제공하기 위한 인터넷 웹페이지의 일 실시예를 나타낸 도면이다. 웹페이지의 검색화면을 살펴보면 스마트검색에서 그림체 검색과 감성척도에 따른 검색 서비스를 제공한다.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능하다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 한다.

Claims (9)

1. 만화애니메니션 컨텐츠에 대해 검색 서비스를 제공하기 위한 데이터베이스를 구축하는 방법으로서,
   만화애니메이션 컨텐츠에 대해 설정된 감성인자에 따라 설계된 2차 리서치 결과를 입력받는 단계;
   상기 2차 리서치 결과에 대해 상기 감성인자에 대한 인자부하량을 분석함으로써 상기 감성인자에 대한 타당성을 검증하는 단계;
   상기 감성인자를 미리 설정된 감성가치 척도별로 분배함으로써 만화애니메니션 컨텐츠를 위한 감성가치 척도를 구축하는 단계;
   상기 감성인자에 대한 만화애니메이션 컨텐츠의 평가데이터를 상기 감성가치 척도에 따라 조합함으로써 만화애니메이션 컨텐츠에 대한 감성가치 척도에 따른 데이터베이스를 구축하는 단계;
   를 포함하여 구성되는 만화애니메니션 컨텐츠 검색을 위한 데이터베이스 구축 방법.
   
2. 청구항 1에 있어서,
   상기 감성가치 척도에 대해 신뢰도 계수의 계산을 통하여 감성인자 할당을 최적화하는 단계;
   를 더 포함하여 구성되는 만화애니메니션 컨텐츠 검색을 위한 데이터베이스 구축 방법.
   
3. 청구항 1 또는 청구항 2에 있어서,
   다수의 만화애니메이션 컨텐츠가 포함된 컨텐츠 그룹에 관련된 데이터를 제공받는 단계;
   상기 컨텐츠 그룹으로부터 선택된 복수 개의 만화애니메이션 컨텐츠에 대하여 마련된 감성관련 질의에 관한 1차 리서치 결과를 입력받는 단계;
   상기 1차 리서치 결과에 대해 텍스트 마이닝을 통해 복수 개의 감성인자를 추출하는 단계;
   를 더 포함하여 구성되는 만화애니메니션 컨텐츠 검색을 위한 데이터베이스 구축 방법.
   
4. 청구항 3에 있어서,
   상기 복수 개의 만화애니메이션 컨텐츠는 상기 컨텐츠 그룹에 속하는 다수의 만화애니메이션 컨텐츠에 대해서 그림체와 스토리를 평가한 결과 값을 제공받고, 상기 결과 값에 따라 상기 컨텐츠 그룹에 속하는 다수의 만화애니메이션 컨텐츠를 정렬한 후, 상기 결과 값을 기초로 상기 컨텐츠 그룹으로부터 골고루 선택되는 것을 특징으로 하는 만화애니메니션 컨텐츠 검색을 위한 데이터베이스 구축 방법.
   
5. 청구항 3에 있어서,
   상기 감성가치 척도별로 크론박 알파 계수를 통하여 상기 감성가치 척도에 대한 신뢰도를 검증하는 단계;
   를 더 포함하여 구성되는 만화애니메니션 컨텐츠 검색을 위한 데이터베이스 구축 방법.
   
6. 청구항 5에 있어서,
   만화애니메이션 컨텐츠에 대하여 캐릭터의 신체비례에 따른 그림체 척도를 구축하는 단계;
   만화애니메이션 컨텐츠에 대하여 데생 밀도에 따른 그림체 척도를 구축하는 단계;
   만화애니메이션 컨텐츠에 대하여 캐릭터의 과장정도에 따른 그림체 척도를 구축하는 단계;
   를 더 포함하여 구성되는 만화애니메니션 컨텐츠 검색을 위한 데이터베이스 구축 방법.
   
   
7. 만화애니메이션 컨텐츠에 대해 설정된 감성인자에 따라 설계된 2차 리서치 결과를 입력받는 단계;
   상기 2차 리서치 결과에 대해 상기 감성인자에 대한 인자부하량을 분석함으로써 상기 감성인자에 대한 타당성을 검증하는 단계;
   상기 감성인자를 미리 설정된 감성가치 척도별로 분배함으로써 만화애니메니션 컨텐츠를 위한 감성가치 척도를 구축하는 단계;
   상기 감성인자에 대한 만화애니메이션 컨텐츠의 평가데이터를 상기 감성가치 척도에 따라 조합함으로써 만화애니메이션 컨텐츠에 대한 감성가치 척도에 따른 데이터베이스를 구축하는 단계;
   를 수행하는 프로그램을 기록한 컴퓨터로 판독가능한 기록매체.
   
8. 다수의 만화애니메이션 컨텐츠가 포함된 컨텐츠 그룹에 관련된 데이터를 제공받는 단계;
   상기 컨텐츠 그룹으로부터 선택된 복수 개의 만화애니메이션 컨텐츠에 대하여 마련된 감성관련 질의에 관한 1차 리서치 결과를 입력받는 단계;
   상기 1차 리서치 결과에 대해 텍스트 마이닝을 통해 복수 개의 감성인자를 추출하는 단계;
   상기 추출된 감성인자를 반영하여 설계된 2차 리서치 결과를 입력받는 단계;
   상기 2차 리서치 결과에 대해 상기 감성인자에 대한 인자부하량을 분석함으로써 상기 감성인자에 대한 타당성을 검증하는 단계;
   상기 감성인자를 미리 설정된 감성가치 척도별로 분배함으로써 만화애니메니션 컨텐츠를 위한 감성가치 척도를 구축하는 단계;
   상기 감성가치 척도별로 크론박 알파 계수를 통하여 상기 감성가치 척도에 대한 신뢰도를 검증하는 단계;
   상기 감성가치 척도에 대해 크론박 알파 계수를 통하여 감성인자 할당을 최적화하는 단계;
   상기 감성인자에 대한 만화애니메이션 컨텐츠의 평가데이터를 상기 감성가치 척도에 따라 조합함으로써 만화애니메이션 컨텐츠에 대한 감성가치 척도에 따른 데이터베이스를 구축하는 단계;
   를 수행하는 프로그램을 기록한 컴퓨터로 판독가능한 기록매체.
   
9. 만화애니메이션 컨텐츠에 대해 설정된 감성인자에 따라 설계된 2차 리서치 결과를 입력받는 단계;
   상기 2차 리서치 결과에 대해 상기 감성인자에 대한 인자부하량을 분석함으로써 상기 감성인자에 대한 타당성을 검증하는 단계;
   상기 감성인자를 미리 설정된 감성가치 척도별로 분배함으로써 만화애니메니션 컨텐츠를 위한 감성가치 척도를 구축하는 단계;
   상기 감성인자에 대한 만화애니메이션 컨텐츠의 평가데이터를 상기 감성가치 척도에 따라 조합함으로써 만화애니메이션 컨텐츠에 대한 감성가치 척도에 따른 데이터베이스를 구축하는 단계;
   만화애니메이션 컨텐츠에 대하여 캐릭터의 신체비례에 따른 그림체 척도를 구축하는 단계;
   만화애니메이션 컨텐츠에 대하여 데생 밀도에 따른 그림체 척도를 구축하는 단계;
   만화애니메이션 컨텐츠에 대하여 캐릭터의 과장정도에 따른 그림체 척도를 구축하는 단계;
   를 수행하는 프로그램을 기록한 컴퓨터로 판독가능한 기록매체.

Images