의미연결망 분석을 활용한 영화 리뷰 시각화 = A Visualization of Movie Reviews based on a Semantic Network Analysis

다국어 초록 (Multilingual Abstract)

This study visualized users reaction about movies based on keywords with high frequency. For this work, we collected data of movie reviews on <Naver Movie>. A total of six movies were selected, and we conducted the work of data gathering and preprocessing. Semantic network analysis was used to understand the relationship among keywords. Also, NetDraw, packaged with UCINET, was used for data visualization. In this study, we identified the differences in characteristics of review contents regarding each movie. The implication of this study is that we visualized movie reviews made by sentence as keywords and explored whether it is possible to construct the interface to check users' reaction at a glance. We suggest that further studies use more diverse movie reviews, and the number of reviews for each movie is used in similar quantities for research.

국문 초록 (Abstract)

본 연구는 <네이버 영화> 페이지의 리뷰 데이터를 수집하여, 출현 빈도가 높은 단어를 중심으로 영화 관람객의 반응을 시각화하는 작업을 수행하였다. 이를 위해 총 6편의 영화를 선정하여 데이터 수집 및 정제과정을 거쳤으며, 의미연결망 분석(Semantic network analysis)을 활용하여 단어 간 관계성을 파악하고자 하였다. 데이터 시각화 작업에는 UCINET과 함께 패키지화된 NetDraw가 사용되었다. 본 연구의 시사점은 문장으로 작성된 영화 관람객의 리뷰를 키워드 중심으로 시각화하여, 소비자들의 반응을 한 눈에 확인하는 리뷰 인터페이스 구현이 가능한지 탐색하였다는 점이다. 본 연구를 통해 영화 리뷰를 구성하는 키워드를 시각화하고, 리뷰 내용에서 영화별 특성의 차이를 확인하였다는 점에서 본 연구가 의미를 가진다고 하겠다. 후속 연구는 보다 많은 영화의 리뷰를 활용할 필요성이 제기되며, 각 영화별 리뷰의 수도 비슷한 양으로 맞추어 연구에 활용해야 할 것이다.

참고문헌 (Reference)

1 오연주, "영화평과 평점을 이용한 감성 문장 구축을 통한 영화 평점 추론" 한국인터넷정보학회 16 (16): 41-48, 2015

2 이오준, "소셜 빅데이터를 이용한 영화 흥행 요인 분석" 한국콘텐츠학회 14 (14): 527-538, 2014

3 조용희, "빅데이터를 활용한 영화 흥행에 따른 리뷰길이 변화" 한국콘텐츠학회 18 (18): 367-375, 2018

4 김지영, "과학기술분야 원문제공서비스의 협력 네트워크 분석" 한국도서관·정보학회 44 (44): 443-463, 2013

5 반재훈, "R을 이용한 대학의 학과 명칭 분석" 한국정보통신학회 22 (22): 829-834, 2018

6 Jung Hyun Kim, "Recognition using Cyber bullying in view of Semantic-Enhanced Minimized Auto-Encoder" 사단법인 미래융합기술연구학회 2 (2): 7-14, 2016

7 L. Doshi, "Predicting movie prices through dynamic social network analysis" 2 (2): 6423-6433, 2010

8 S. Kim, "Finding core topics: Topic extraction with clustering on tweet" 777-782, 2012

9 M. Mestyán, "Early prediction ofmovie box office success based on Wikipedia activity big data" 8 (8): e71226-, 2013

10 J. A. Yeap, "Determining consumers’ most preferred eWOM platform for movie reviews: A fuzzy analytic hierarchy process approach" 31 : 250-258, 2014

11 A. Elberse, "Demand and supply dynamics for sequentially released products in international markets: The case of motion pictures" 22 (22): 329-354, 2003