〈설국열차〉와 〈기생충〉에 나타난 계급모순의 극복방식 - 프레드릭 제임슨의 서사이론을 중심으로 -

이수정 ( Lee¸ Soojung ) 한국영상미디어협회 2020 예술과 미디어 Vol.19 No.1

본 연구는 현대 문화텍스트 중 봉준호 감독의 두 영화 〈설국열차〉와 〈기생충〉을 프레드릭 제임슨의 세 가지 의미론적 지평의 해석을 적용하여 해석한다. 제임슨의 세 가지 의미론적 지평의 해석은 한 시대의 문화적 텍스트에서 모순을 해결하는 방식 속에서 동시대의 정치적 무의식 속에 억압된 모순을 다시 읽어내는 해석방법이다. 본 연구는 제임슨의 텍스트 해석방식을 압축하여 소개하고, 이를 적용하여 봉준호의 두 영화 〈설국열차〉와 〈기생충〉을 해석하여 정치적 무의식을 읽어낸다. 제임슨은 자본주의가 진행되면서 문화의 전 영역에서 사물화도 함께 진행되었으며, 후기 자본주의에 이르러서는 사물화가 완성되면서 삶과 가치가 완전하게 분리되어 모순을 인식할 수 없는 상황에 이르렀다고 한다. 제임슨은 사물화를 합리화, 전문화, 파편화, 다양성, 정신분열증, 자율성, 체계화, 소외 등 현대사회의 특징으로 해석한다. 사물화의 체계는 문화 영역을 세분화하고 고립시켜서 하나의 총체적 개념으로 해석할 수 없게 하는 자본주의의 논리이다. 사물화의 결과 전 영역이 고립되어 모순을 인식하기 어려워지면 모순은 정치적 무의식 속에 억압된다. 봉준호 감독의 〈설국열차〉와 〈기생충〉은 계급갈등에 대한 현대 회의 정치적 무의식을 읽어내기 위한 좋은 예이다. 우선 등장인물에 적용된 계급의 알레고리와 두 영화에 인물들의 관계가 만들어내는 서사구조를 비교하여 봉준호 감독이 지향하는 계급의식을 탐구한다. 이를 위해 제임슨의 세 가지 지평의 의미론적 해석방식을 살펴보고 이 해석방식을 적용하여 감독이 영화를 통해 현 사회의 모순을 어떻게 해결하려 하는지를 밝힌다. 제임슨의 해석은 문화텍스트가 현대사회의 모순을 해결하는 방식 속에서 저자가 표면적으로 드러낸 주제 이면의 정치적 무의식을 읽어내기 위한 것이다. 모순을 해결하기 위해 텍스트가 봉합한 정치적 무의식을 복원하는 일은 현시대 문화의 모순을 직시하여 더 나은 미래를 설계할 수 있는 계기를 마련할 것이다. This study applies Jameson's three semantic horizons interpretation to interpret Bong Joon-ho's two films Snowpiercer and Parasite in contemporary cultural texts. By comparing the allegory of the social class applied to the characters and the narrative structure created by the relationship between the characters in the two films, we explore the class consciousness that director Bong Joon-ho is aiming for. To this end, we study Jameson's narrative theory and apply it to reveal how the director intends to solve the dilemma in the present society through the film. Restoring political unconsciousness with the text sutures to resolve the dilemma of political unconsciousness will provide an opportunity to design a better future by facing the contradictions of contemporary culture.

통합 평가치 예측 방안의 협력 필터링 성능 개선 효과

이수정,Lee, Soojung 한국인터넷방송통신학회 2021 한국인터넷방송통신학회 논문지 Vol.21 No.5

Collaborative filtering based recommender systems recommend user-preferrable items based on rating history and are essential function for the current various commercial purposes. In order to determine items to recommend, prediction of preference score for unrated items is estimated based on similar rating history. Previous studies usually employ two methods individually, i.e., similar user based or similar item based ones. These methods have drawbacks of degrading prediction accuracy in case of sparse user ratings data or when having difficulty with finding similar users or items. This study suggests a new rating prediction method by integrating the two previous methods. The proposed method has the advantage of consulting more similar ratings, thus improving the recommendation quality. The experimental results reveal that our method significantly improve the performance of previous methods, in terms of prediction accuracy, relevance level of recommended items, and that of recommended item ranks with a sparse dataset. With a rather dense dataset, it outperforms the previous methods in terms of prediction accuracy and shows comparable results in other metrics. 협력 필터링 기반의 추천 시스템은 사용자들의 평가 이력을 바탕으로 하여 현 사용자가 선호할 만한 상품들을 추천해 주며 현재 다양한 상업용 목적의 필수불가결한 기능이다. 추천 상품을 결정하기 위하여, 유사한 평가 이력을 기반으로 미평가 상품들에 대한 선호 예측치를 산출하는데, 기존 연구에서 대개 두 가지 방법, 즉, 유사 사용자 기반 또는 유사 항목 기반 방법을 각기 개별적으로 활용해 왔다. 이들 방법들은 사용자들의 평가 데이터가 희소할 경우 또는 유사 사용자나 유사 항목을 구하기 어려울 경우에 산출한 예측치의 정확성이 저하되는 문제점이 있다. 본 연구에서는 이들 두가지 방법을 통합하여 평가치를 예측하는 새로운 방법을 제안한다. 제안 방법의 장점은 보다 많은 수의 유사 평가치들을 참조할 수 있으므로 추천의 질이 향상된다는 점이다. 성능 실험 결과 제안 방법은 희소한 데이터셋에서 예측치 정확도, 추천 항목 적합도, 항목 순위 적합도의 모든 측면에서 기존 방법의 성능을 크게 향상시켰으며, 다소 밀집한 데이터셋에서는 예측치 정확도 측면에서는 가장 우수하고, 다른 평가 척도에서는 기존 방법과 대등한 결과를 보였다.

추천 시스템을 위한 단계적 평가치 예측 방안

이수정,Lee, Soojung 한국인터넷방송통신학회 2021 한국인터넷방송통신학회 논문지 Vol.21 No.4

협력 필터링 기반의 추천 시스템은 현재 다양한 분야의 상업용 시스템의 필수불가결한 기능으로서, 사용자들이 선호할만한 상품을 맞춤형으로 제공해 주는 유용한 서비스이다. 그러나, 사용자들의 평가 데이타가 불충분할 경우 선호상품의 예측이 부정확할 우려가 크다. 본 연구에서는 이러한 단점을 해결하기 위하여 단계적으로 상품의 평가치를 예측하는 방안을 제시한다. 각 단계에 해당하는 예측 방법의 적용 조건을 만족하지 못할 경우 다음 단계의 방법을 적용한다. 제안 방법의 성능 평가를 위해, 공개 데이터셋을 활용한 실험을 진행하였으며, 제안 방법은 여러 전통적 유사도 척도를 도입한 협력 필터링 시스템의 예측 성능과 정밀도 성능을 크게 향상시켰고, 평가데이터 희소성 해결을 위한 기존 방식들의 성능을 능가하는 결과를 보였다. Collaborative filtering based recommender systems are currently indispensable function of commercial systems in various fields, being a useful service by providing customized products that users will prefer. However, there is a high possibility that the prediction of preferrable products is inaccurate, when the user's rating data are insufficient. In order to overcome this drawback, this study suggests a stepwise method for prediction of product ratings. If the application conditions of the prediction method corresponding to each step are not satisfied, the method of the next step is applied. To evaluate the performance of the proposed method, experiments using a public dataset are conducted. As a result, our method significantly improves prediction and precision performance of collaborative filtering systems employing various conventional similarity measures and outperforms performance of the previous methods for solving rating data sparsity.

A New Collaborative Filtering Method for Movie Recommendation Using Genre Interest

이수정,Lee, Soojung The Society of Digital Policy and Management 2014 디지털융복합연구 Vol.12 No.8

Collaborative filtering has been popular in commercial recommender systems, as it successfully implements social behavior of customers by suggesting items that might fit to the interests of a user. So far, most common method to find proper items for recommendation is by searching for similar users and consulting their ratings. This paper suggests a new similarity measure for movie recommendation that is based on genre interest, instead of differences between ratings made by two users as in previous similarity measures. From extensive experiments, the proposed measure is proved to perform significantly better than classic similarity measures in terms of both prediction and recommendation qualities. 협력 필터링은 상업적 추천 시스템에서 널리 사용되어 왔는데, 고객의 사회적 행태를 구현하여 사용자의 흥미에 부합하는 항목들을 제안하기 때문이다. 현재까지 적절한 항목을 추천하기 위한 가장 보편적인 방법은 유사한 사용자들을 찾아 그들의 평가치를 참조하는 방법이다. 본 논문은 영화를 추천하기 위해서 장르 흥미도를 기반으로 하는 새로운 유사도 공식을 제안하는데, 이는 기존 공식에서 사용자들의 평가등급 차이를 기반으로 하는 것과 대비된다. 광범위한 실험 결과에 따르면, 제안한 공식은 정확도와 추천의 질에 있어서 전통적인 유사도 공식의 성능을 크게 향상시키는 것으로 확인되었다.

협력 필터링을 위한 공통 평가치 분리 기반의 새로운 유사도 척도

이수정(Soojung Lee) 한국컴퓨터정보학회 2021 韓國컴퓨터情報學會論文誌 Vol.26 No.11

추천 시스템의 여러 구현 기법들 중 협력 필터링은 과거 평가 이력을 토대로 유사성이 높은 인접 이웃들을 선정하여, 그들이 선호했던 상품들을 추천하는데, 많은 상업 사이트에서 성공적으로 활용되고 있다. 유사도의 정확한 측정은 시스템의 성능을 좌우하는 매우 중요한 요소이다. 기존에 다양한 방식의 유사도 척도들이 개발되었는데, 대개 전통적인 유사도 척도와 기개발된 여러 계수들과의 통합 방식이었다. 본 연구에서는 새로운 방식의 유사도 척도를 제안한다. 두 사용자 간의 공통 평가 영역을 평가치 크기에 따라 분할하여 각 부분 영역별로 유사도를 측정하고 이들을 가중 통합함으로써, 유사한 영역이 구체적으로 파악되어 최종 유사도값에 반영된다. 두 종류의 개방형 데이터셋을 활용한 성능을 측정하였고, 그 결과 특히 밀집 데이터셋에서 제안 방법의 예측 정확도, 순위 정확도, 평균 정밀도 성능이 기존보다 우수하였다. 제안 척도는 다양한 상업 시스템에서 사용자들의 선호에 보다 적합한 상품을 추천하는데 유용하게 활용될 것으로 기대한다. Among various implementation techniques of recommender systems, collaborative filtering selects nearest neighbors with high similarity based on past rating history, recommends products preferred by them, and has been successfully utilized by many commercial sites. Accurate estimation of similarity is an important factor that determines performance of the system. Various similarity measures have been developed, which are mostly based on integrating traditional similarity measures and several indices already developed. This study suggests a similarity measure of a novel approach. It separates the common rating area between two users by the magnitude of ratings, estimates similarity for each subarea, and integrates them with weights. This enables identifying similar subareas and reflecting it onto a final similarity value. Performance evaluation using two open datasets is conducted, resulting in that the proposed outperforms the previous one in terms of prediction accuracy, rank accuracy, and mean average precision especially with the dense dataset. The proposed similarity measure is expected to be utilized in various commercial systems for recommending products more suited to user preference.

사용자 경향에 기반한 동적 추천 기법 : 영화 추천 시스템을 중심으로

이수정(Soojung Lee),이형동(Hyungdong Lee),김형주(Hyoungjoo Kim) 한국정보과학회 2004 정보과학회논문지 : 소프트웨어 및 응용 Vol.31 No.2

대부분의 추천 시스템에서는 개인의 선호 정보를 바탕으로 한 내용-기반 추천 기법과 다른 사람들로부터의 추천을 기반으로 한 사회적 추천 기법을 사용한다. 이들 두 기법은 각각 장단점을 갖고 있으며, 서로 경쟁 관계에 있다기보다 상호 보완적인 성격을 갖고 있다. 이에 두 기법의 적절한 조합이 전체추천 시스템의 질을 결정하는 관건이 된다. 본 논문에서는 사용자 개인 마다 각 기법에 대한 만족도와 의존도가 다름을 밝히고, 이러한 각 개인의 경향에 따라 여러 추천 기법의 결과를 개인별로 조합해 주는 기법을 제안하였다. 각 개인의 경향을 나타내는 척도로 충성도, 다양도, 전문가도 등의 척도를 정의하여 사용하였으며, 이 원리에 의해 동작하는 조합 엔진의 결과는 최고 40%, 평균 23%의 coverage 개선 효과를 나타내었다. Many recommender systems are based on Content-based Filtering and Social Filtering. Both methods have their own advantages and disadvantages, and they complement each other rather than compete. So incorporating of both methods can make the better system and combination technique controls the quality of the entire recommender system. In this paper, we presented each user has his own tendency to decide which is the better recommendation for himself among the various recommendation results, and suggested the personalized combination technique. To represent user tendency, we defined and used loyalty, diversity and pioneerity and showed by experiments that our combination technique is useful. This combination technique improved the average coverage 23% and for the ceiling 40%.

안드로이드 기반 헬스 애플리케이션 설계 및 구현

이수정(Soojung Lee),김재엽(Jae-Yeop Kim),박민우(Min-Woo Park),최지혁(Ji-Hyeok Choi) 한국컴퓨터정보학회 2023 한국컴퓨터정보학회 학술발표논문집 Vol.31 No.2

RNN 기반 360°영상에서의 Saliency map 예측

이수정(Lee Soojung),이주형(Lee Joohyung),이준영(Lee Joonyoung),임가은(Lim Gaeun),김동호(Kim Dongho) 한국통신학회 2023 한국통신학회 학술대회논문집 Vol.2023 No.2

사용자 기반의 협력필터링 시스템을 위한 유사도 측정의 최적화

이수정 ( Soojung Lee ) 한국컴퓨터교육학회 2016 컴퓨터교육학회 논문지 Vol.19 No.1

협력 필터링 기반의 추천시스템에서 유사도 측정은 시스템의 성능에 큰 영향을 미치는데, 이는 유사한 다른 사용자들로부터 항목을 추천받기 때문이다. 본 연구에서는 전통적인 유사도 측정 방법의 가장 큰 문제인 데이터 희소성을 극복하기 위해, 기존의 유사도 측정값과 공통평가항목수의 반영값을 최적으로 결합하는 새로운 유사도 측정방식을 제안한다. 제안 방식의 성능 평가를 위해 다양한 조건으로 실험한 결과 기존 방식들보다 우수한 예측 정확도를 나타냈으며, 구체적으로 전통적인 피어슨 상관보다 최대 약 7%, 코사인 유사도보다는 최대 약 4% 향상된 결과를 보였다. Measuring similarity in collaborative filtering-based recommender systems greatly affects system performance. This is because items are recommended from other similar users. In order to overcome the biggest problem of traditional similarity measures, i.e., data sparsity problem, this study suggests a new similarity measure that is the optimal combination of previous similarity and the value reflecting the number of co-rated items. We conducted experiments with various conditions to evaluate performance of the proposed measure. As a result, the proposed measure yielded much better performance than previous ones in terms of prediction qualities, specifically the maximum of about 7% improvement over the traditional Pearson correlation and about 4% over the cosine similarity.

Integration of Similarity Values Reflecting Rating Time for Collaborative Filtering

Soojung Lee(이수정) 한국컴퓨터정보학회 2022 韓國컴퓨터情報學會論文誌 Vol.27 No.1