Villainscope: 악인 데이터셋 기반 감정 분석 및 대사 생성 시스템 구축 연구

국문 초록 (Abstract)

악인은 다양한 매체에서 시대적 변화를 반영하며 변화해 왔다. 현대에 이르러 악인은 적대자(Antagonist)의 역할을 넘어, 복잡한 심리 변화를 묘사한 배경 이야기를 가진 독립적인 캐릭터로 그려지고 있다. 그러나 기존의 악인 연구는 개별 작품 속 악인 분석에 국한되어, 매체와 시대의 흐름 속 악인의 대표적 특징을 포괄적으로 다룬 연구가 부족한 실정이다. 또한, 기존 이야기 데이터셋은 특정 장르와 매체에 한정되어 악인의 관점에서 서사를 깊이 있게 이해하는 데 한계가 있다. 이러한 연구의 한계를 보완하고자, 본 연구는 VillainScope이라는 데이터셋을 구축하였다. 데이터셋은 애니메이션, 도서, 영화, TV 드라마 네 가지 미디어 유형에 등장하는 209명의 악인의 특성을 포함하였다. 본 연구에서는 세 가지 토픽 모델링 기법—LDA(Latent Dirichlet Allocation), ETM(Embedded Topic Model), CTM(Contextualized Topic Model)—을 적용하여, 악인들의 잠재적 공통 특성을 분석하였다. 연구 결과, 악인들은 일반적으로 높은 지능, 범죄 연루, 변장 빈도 등의 특성을 공유하였다. 또한, ETM은 다양성과 일관성을 유지하며 특정 캐릭터 유형을 분석하는 데 가장 효과적인 토픽 모델링 기법으로 확인되었다. 이러한 결과를 기반으로, 감정 분석을 통한 악인 유형과 감정 상태를 분류하고, 언어모델을 활용한 프롬프트 기반 대사 자동 생성 시스템을 구축하였다. 본 연구는 악인의 특성을 종합적으로 분석하고, 특정 캐릭터 유형을 분석하는 데 가장 적합한 토픽 모델링 방법을 제시함으로써 게임 콘텐츠 디자인에서의 활용 가능성을 제시하였다.

다국어 초록 (Multilingual Abstract)

illains have evolved over time, reflecting societal and cultural shifts across various media. In the modern era, villains are no longer limited to the role of antagonists; they are increasingly portrayed as independent characters with complex psychological developments and rich backstories. However, existing studies on villains have largely focused on individual characters within specific works, lacking a comprehensive analysis of the representative traits of villains across different media and historical contexts. Furthermore, traditional narrative datasets tend to be restricted to particular genres or formats, limiting the depth of analysis from a villain-centered perspective. To address these limitations, this study introduces the VillainScope dataset, which encompasses the traits of 209 villains featured in four types of media: animation, literature, film, and television drama. We applied three topic modeling techniques—Latent Dirichlet Allocation (LDA), Embedded Topic Model (ETM), and Contextualized Topic Model (CTM)—to uncover latent commonalities among these characters. The analysis revealed that villains typically share traits such as high intelligence, involvement in crime, and frequent use of disguise. Among the models, ETM proved to be the most effective for maintaining both diversity and coherence in the analysis of specific character types. Building on these findings, we developed a system that classifies villain types and emotional states through emotion analysis and automatically generates dialogue using prompt-based language modeling. This research offers a comprehensive analysis of villain traits and proposes the most suitable topic modeling method for analyzing specific character types, thereby suggesting its potential application in game content design.

목차 (Table of Contents)

• 1.서론 1
• 2.관련 연구 6
• 1)악인의 정의 6
• 2)스토리 데이터 셋 7
• 3)토픽 모델링 10
• 4)Big Five 성격 특성 모델 12
• 3. VillainScope 14
• 1)VillainScope 구조 14
• 2)VillainScope 분석 17
• 4.악인 데이터 셋 평가 및 악인 대사 자동 생성 20
• 1)결과 20
• 2)논의 24
• 3)악인 응답 대사 자동 생성 31
• 5.결론 39