본문 바로가기
KERD
논문KCI 등재

영상 콘텐츠의 신뢰도 평가를 위한 언어와 비언어 통합 감성 분석 시스템

Integrated Verbal and Nonverbal Sentiment Analysis System for Evaluating Reliability of Video Contents

김윤희|이소정|김혜린|신희원|손규진
한국정보처리학회|2021.04|정보처리학회 논문지 (The Transactions of the Korea Information Processing Society)|제10권 제4호|pp. 153-160

0

조회

0

다운로드

1

인용

0

참고문헌

키워드

유튜브자연어 처리Natural Language ProcessingYoutube언어 감성 분석비언어 감성 분석Verbal Sentiment AnalysisNonverbal Sentiment Analysis
주제분류컴퓨터학

초록

IT 기술 발달에 따른 영상 콘텐츠 생산과 소비가 증가함에 따라 영상 콘텐츠를 통한 제품 리뷰 정보로 구매의사 결정이 빈번해졌다. 따라서,리뷰 영상에 대한 신뢰성을 평가할 필요가 있다. 본 연구에서는 제품 리뷰 영상을 얼굴 표정 분석과 텍스트 마이닝을 통해 리뷰어의 표정과 음성을분석하여 영상의 신뢰도를 분석한다. 영상 내 인물 표정의 감성 값을 추출하는 알고리즘을 활용하여 비언어 감성을 정량화하고, 유의미한 감정변화 구간을 추출한다. 유의미한 감정 변화 구간의 리뷰어 음성을 텍스트화하여 표준어 및 비표준어 감성 사전 활용을 통해 긍정과 부정으로 리뷰에대한 언어 감성 분석 후 수치화 한다. 비언어 감성 분석과 언어 감성 분석의 결과를 통합하여 일치 여부에 따라 신뢰도를 도출한다. 본 연구를통해 영상 콘텐츠의 신뢰성 평가 방법을 제시한다.

Abstract

With the advent of the “age of video” due to the simplification of video content production and the convenience of broadcasting channeloperation, review videos on various products are drawing attention. We proposes RASIA, an integrated reliability analysis system basedon verbal and nonverbal sentiment analysis of review videos. RASIA extracts and quantifies each emotional value obtained through languagesentiment analysis and facial analysis of the reviewer in the video. Subsequently, we conduct an integrated reliability analysis of standardizedverbal and nonverbal sentimental values. RASIA provide an new objective indicator to evaluate the reliability of the review video.

참고문헌 (36)

  1. 유창조, "온라인 구전정보가 소비자 구매의도에 미치는 영향에 대한 실증연구: 제품관여도, 조절초점, 자기효능감의 조절효과를 중심으로", 아시아마케팅저널, 13(3), pp.209~231 (2011), 한국마케팅학회
  2. B. Kim, "A design of a sentiment analysis system using data similarity among SNS Big Data", Proceedings of the Korean Institute of Information Scientists And Engineers Korea Computer Congress 2019, pp.1581~1583 (2019)
  3. P. Ekman, "Detecting deception from the body or face", Journal of Personality and Social Psychology, 29(3), pp.288~298 (1974)
  4. P. Ekman, "The Philosophy of Deception", pp.118~133 (2009), Oxford University Press
  5. 한유화, "Effects of Consistency Criterion for Scoring on the Reliability and the Validity of Polygraph Test for Crime Suspects", 감성과학, 12(4), pp.557~564 (2009), 한국감성과학회
  6. Y. Jeong, "A design of sentiment analysis system for video contents with image deep learning", Proceedings of the Korean Institute of Information Scientists And Engineers Korea Software Congress 2019, pp.1239~1241 (2019)
  7. 한의환, "복합적 감정(mixed feelings)에 대한 감정차원 연구", 감성과학, 16(4), pp.469~480 (2013), 한국감성과학회[DOI]
  8. 장문수, "심리학적 감정과 소셜 웹 자료를 이용한 감성의 실증적 분류", 한국지능시스템학회 논문지, 22(5), pp.563~569 (2012), 한국지능시스템학회
  9. "Google Cloud Speech-to-Text(STT) API"[URL]
  10. "KOMORAN3.0"[URL]
  11. "KNU Sentiment Dictionary"[URL]
  12. "Gensim, Word2Vec"[URL]
  13. "FaceAPI"[URL]
  14. [URL]
  15. [URL]
  16. [URL]
  17. [URL]
  18. [URL]
  19. "IT’s okay"[URL]
  20. [URL]
  21. [URL]
  22. [URL]
  23. [URL]
  24. [URL]
  25. [URL]
  26. [URL]
  27. [URL]
  28. [URL]
  29. [URL]
  30. [URL]
  31. [URL]
  32. [URL]
  33. [URL]
  34. [URL]
  35. [URL]
  36. S. Lee, "Effect evaluation on sentiment objects of video content and their corresponding response", Proceedings of the Korean Institute of Information Scientists And Engineers Korea Software Congress 2020, pp.1268~1270 (2020)

관련 논문AI추천

텍스트 및 영상의 멀티모달분석을 이용한 트위터 사용자의 감성 흐름 모니터링 기술고은정, 김은이한국융합학회 · 한국융합학회논문지2018 · 제9권 제1호사용자의 성향 기반의 얼굴 표정을 통한 감정 인식률 향상을 위한 연구신동희, 이종식한국감성과학회 · 감성과학2014 · 제17권 제1호얼굴영상과 음성을 이용한 멀티모달 감정인식김동주, 이현구(사)디지털산업정보학회 · (사)디지털산업정보학회 논문지2012 · 제8권 제1호감정인식 기술의 현황과 전망김남수에스케이텔레콤 (주) · Telecommunications Review2009 · 제19권 제5호사용자 리뷰 감성분석 기반 하이브리드 영화 추천 시스템의 이론적 기반 및 실증적 검증김진, 정성령사)한국빅데이터학회 · 한국빅데이터학회 학회지2025 · 제10권 제1호음식점 리뷰 감성분석을 통한 세부 평가항목별 평점 예측소진수, 신판섭한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2020 · 제25권 제6호

이 간행물의 다른 논문 (4건)

MuGenFBD: Automated Mutant Generator for Function Block Diagram ProgramsLingjun Liu, 지은경, 배두환pp. 115-124필기체 숫자 데이터 차원 감소를 위한 선분 특징 분석 알고리즘이우범, 김창민pp. 125-132신뢰성있는 딥러닝 기반 분석 모델을 참조하기 위한 딥러닝 기술 언어최종선, 문종혁, 김도형, 최재영pp. 133-142C-COMA: 동적 다중 에이전트 환경을 위한 지속적인 강화 학습 모델정규열, 김인철pp. 143-152
원문 보기