Knowledge Management Research (지식경영연구)

The Knowledge Management Society of Korea (한국지식경영학회)
권호 표지
DOI QR코드

DOI QR Code

A Study of the Classification and Application of Digital Broadcast Program Type based on Machine Learning

머신러닝 기반의 디지털 방송 프로그램 유형 분류 및 활용 방안 연구

  • 윤상혁 (연세대학교 정보대학원/스마트미디어렙) ;
  • 이소현 (연세대학교 정보대학원) ;
  • 김희웅 (연세대학교 정보대학원)
  • Received : 2019.07.11
  • Accepted : 2019.08.22
  • Published : 2019.09.30
Download PDF
⟨ Previous Next ⟩

Abstract

With the recent spread of digital content, more people have been watching the digital content of TV programs on their PCs or mobile devices, rather than on TVs. With the change in such media use pattern, genres(types) of broadcast programs change in the flow of the times and viewers' trends. The programs that were broadcast on TVs have been released in digital content, and thereby people watching such content change their perception. For this reason, it is necessary to newly and differently classify genres(types) of broadcast programs on the basis of digital content, from the conventional classification of program genres(types) in broadcasting companies or relevant industries. Therefore, this study suggests a plan for newly classifying broadcast programs through using machine learning with the log data of people watching the programs in online media and for applying the new classification. This study is academically meaningful in the point that it analyzes and classifies program types on the basis of digital content. In addition, it is meaningful in the point that it makes use of the program classification algorithm developed in relevant industries, and especially suggests the strategy and plan for applying it.

Keywords

References

  1. 강남준, 이종영, 이혜미 2008. "군집분석 방법을 사용한 미디어 레퍼토리 유형분석," 한국방송학보 (22:2), pp. 7-46.
  2. 김동현, 박찬영, 오진오, 유환조 2016. "추천시스템에서의 Cold-Start 문제에 관한 연구 동향," 정보과학회지 (34:6), pp. 16-21.
  3. 김종무 2015. "TV 시청 플랫폼 차이에 따른 장르 선호도 분석: TV 와 스마트폰 플랫폼 중심으로," 한국디자인문화학회지 (21:2), pp. 151-160.
  4. 김희경 2004. "텔레비전 다큐멘터리 수용자의 기대지평에 따른 텍스트 해석의 차이에 관한 연구," 한국언론학보 (48:6), pp. 166-195.
  5. 박성진, 강범수, 김성수, 김상균. 2017. "데이터 클러스터링을 활용한 게이미피케이션 환경에서의 플레이어 유형 분석," 한국게임학회 논문지 (17:6), pp. 77-88. https://doi.org/10.7583/JKGS.2017.17.6.77
  6. 박소라 2003. "경쟁 도입이 텔레비전 프로그램 장르 다양성에 미치는 영향에 대한 연구: 1989 년 이후 지상파 방송 편성표 분석을 통하여," 한국언론학보 (47:5), pp. 222-250.
  7. 신용재, 이동현 2016. "디지털 문화 콘텐츠 산업이 지식경제사회에 미치는 파급효과 분석," 지식경영연구 (17:1), pp. 73-89.
  8. 원용진 1997. "장르 변화로 읽는 사회: 인기 드라마< 모래성> 과<애인> 을 중심으로," 언론과 사회, pp. 100-133.
  9. 이경렬, 김형중 2017. "스마트폰 앱 로그데이터를 활용한 라디오 청취자 유형분석: SBS 고릴라(Gorealra) 를 중심으로," 방송과 커뮤니케이션 (18:4), pp. 5-49. https://doi.org/10.22876/BNC.2017.18.4.001
  10. 이상훈, 한치근 2015. "스펙트럴 클러스터링 기반 커뮤니티 통합이 그래프의 중심성 지표에 미치는 영향 분석," 한국인터넷정보학회 학술발표대회논문집, pp. 281-282.
  11. 이소현, 손새아, 김희웅 2019. "텍스트마이닝을 이용한 미용성형 주요 요인에 관한 연구," 지식경영연구 (20:1), pp. 45-75.
  12. 이영찬 2018. "군집분석과 연관규칙을 활용한 고객 분류 및 장바구니 분석: 소매 유통 빅데이터를 중심으로," 지식경영연구 (19:4), pp. 59-76.
  13. 전범수 2011. "매체별 장르 선호도가 지상파방송채널 시청 정도에 끼치는 영향," 방송통신연구, pp. 148-170.
  14. 정보통신정책연구원 2018. 2018년도 방송시장 경쟁상황 평가, 방송통신위원회.
  15. 조석현, 이현지 2016. "방송클립동영상 이용이 방송 시청의도에 미치는 영향," 한국콘텐츠학회논문지 (16:10), pp. 645-655. https://doi.org/10.5392/JKCA.2016.16.10.645
  16. 주영호, 황성연 2004. "시청행태에 근거한 프로그램 유형분류의 유효성에 관한 연구: 시청행태와 유형분류의 일치성을 중심으로," 한국방송학보(18:1), pp. 217-244.
  17. 주창윤 2004. "텔레비전 프로그램 장르 분류기준에 관한 연구," 방송통신연구, pp. 105-136.
  18. 한승희 2009. "연관 태그의 군집화를 위한 클러스터링 기법 비교 연구," 한국문헌정보학회지 (43:3), pp. 399-416. https://doi.org/10.4275/KSLIS.2009.43.3.399
  19. 허경용, 김광백, 우영운 2008. "스펙트럼 군집화에서 블록 대각 형태의 유사도 행렬 구성," 멀티미디어학회논문지 (11:9), pp. 1302-1309.
  20. Geerts, D., Cesar, P., and Bulterman, D. 2008. "The Implications of Program Genres for the Design of Social Television Systems," in Proceedings of the 1st International Conference on Designing Interactive User Experiences for TV and Video, ACM, pp. 71-80.
  21. Hara, Y., Tomomune, Y., and Shigemori, M. 2004. "Categorization of Japanese TV Viewers Based on Program Genres They Watch," User Modeling and User-Adapted Interaction (14:1), pp. 87-117. https://doi.org/10.1023/B:USER.0000010139.95184.df
  22. Kononova, A., and Yuan, S. 2015. "Double-Dipping E ffect? H ow C ombining YouTube Environmental PSAs with Thematically Congruent Advertisements in Different Formats Affects Memory and Attitudes," Journal of Interactive Advertising (15:1), pp. 2-15. https://doi.org/10.1080/15252019.2015.1009524
  23. Kurapati, K., and Gutta, S. 2002. "Instant Personalization via Clustering TV Viewing Patterns," IASTED's ASC.
  24. Narducci, F., Musto, C., de Gemmis, M., Lops, P., and Semeraro, G. 2018. "TV-Program Retrieval and Classification: A Comparison of Approaches Based on Machine Learning," Information Systems Frontiers (20:6), pp. 1157-1171. https://doi.org/10.1007/s10796-017-9780-0
  25. Ng, A. Y., Jordan, M. I., and Weiss, Y. 2002. "On Spectral Clustering: A nalysis and an Algorithm," in Advances in Neural Information Processing Systems, pp. 849-856.
  26. Pan, X., Yin, F., and Chai, J. 2014. "Delayering Tagging of Television Programs and Association Rule Mining," in 2014 IEEE 17th International Conference on Computational Science and Engineering, IEEE, pp. 192-197.
  27. Tombros, A., Villa, R., and Van Rijsbergen, C. J. 2002. "The Effectiveness of Query-Specific Hierarchic Clustering in Information Retrieval," Information Processing & Management (38:4), pp. 559-582. https://doi.org/10.1016/S0306-4573(01)00048-6
  28. Xu, Y. C., and Kim, H.-W. 2008. "Order Effect and Vendor Inspection in Online Comparison Shopping," Journal of Retailing (84:4), pp. 477-486. https://doi.org/10.1016/j.jretai.2008.09.007
  29. 공감신문. 2019. "제이와이네트워크 '"유튜브 광고" 짧은 시간이라도 고퀄리티 영상 제작 중요' - 공감신문," http://www.gokorea.kr/news/articleView.html?idxno=253758
  30. 나무위키. 2019. "음악 방송 - 나무위키," https://namu.wiki/w/%EC%9D%8C%EC%95%85%20%EB%B0%A9%EC%86%A1
  31. 충청매일. 2019. "[오늘의 칼럼]음식 프로그램의 변화 - 충청매일," (http://www.ccdn.co.kr/news/articleView.html?idxno=568786#09SX
  32. Mobvista. 2018. "2018년 디지털 광고 시장의 주요 트렌드 결산과 2019년의 방향," https://www.mobvista.com/kr/blog/2018%EB%85%84-%EB%94%94%EC%A7%80%ED%84%B8-%EA%B4%91%EA%B3%A0-%EC%8B%9C%EC%9E%A5%EC%9D%98-%EC%A3%BC%EC%9A%94-%ED%8A%B8%EB%A0%8C%EB%93%9C-%EA%B2%B0%EC%82%B0%EA%B3%BC-2019%EB%85%84%EC%9D%98-%EB%B0%A9/
  33. Snapp. 2019. "패션.유통업계, '서바이벌 프로그램'에 빠졌네-," http://zine.istyle24.com/Fashion/FashionView.aspx?Idx=44350&Menu=12&_C_=23069

Cited by

  1. 머신러닝을 활용한 가짜리뷰 탐지 연구: 사용자 행동 분석을 중심으로 vol.21, pp.3, 2020, https://doi.org/10.15813/kmr.2020.21.3.010