97 0

Full metadata record

DC FieldValueLanguage
dc.date.issued2022. 8-
dc.description.abstract빅데이터 시대의 도래와 함께 딥러닝 기술은 발전을 거듭하고 있고, 기계는 텍스트에서 사람의 감정을 읽어낼 수 있게 되었다. 본 연구는 영화 흥행을 위해 다차원 감성분석기법을 통해 영화 흥행의 요인을 밝혀낸다. 관객은 영화의 어떤 부분을 선호하는지 리뷰에 남기며 이는 영화의 성공 요인을 파악하는 실마리가 된다. 본 연구는 영화 리뷰와 영화 흥행의 관계를 탐구한다. 영화 리뷰를 여러 차원으로 나누어 분석하며 최근에 우수한 성능을 보여주는 전이학습 모델 BERT를 활용하여 각 차원에 대한 감성을 파악한다. 연구 결과, 관객들이 언급 하는 네 가지 차원인 배우, 줄거리, 감독, 음악에 대한 감성과 영화 미치는 영 향은 차원, 감성마다 상이한 것으로 밝혀졌다. 부정적인 영화 리뷰가 꼭 영화 흥행 실패와 연관된 것은 아니었으며 긍정적인 영화 리뷰는 흥행과 관련이 없 었다. 감독에 대한 부정적인 리뷰는 영화 흥행에 부정적인 영향을 미치는 것으 로 파악되었고, 배우, 줄거리에 대한 리뷰들은 영화 흥행과 오히려 긍정적인 관 계를 보였다. 음악에 대한 리뷰는 영화 흥행과 관계가 없는 것으로 나타났다. 본 연구는 비정형 텍스트 데이터를 의미 있는 정보로 바꾸어 영화 흥행 요인에 대해 이해도를 높인다. 논문은 영화 제작사, 배급사, 투자자의 의사 결정을 돕 는다는 점에서 실용적인 의의가 있다.|With the advent of the Big Data era and the development of deep learning technology, machines can now comprehend the sentiment and dimensions of human written texts. Despite the increasing sophistication of analyzing sentiment through deep learning methods, it is not clear what impact public sentiment has on commercial success in creative fields such as movies. In this study, we analyze what factors are crucial for the success of a movie with the multi-dimensional sentiment analysis model. We analyze movie reviews at the dimension level and investigate their sentiment with one of the most potent transfer learning models, BERT. The result shows that negative reviews are not necessarily bad for movie success and positive reviews are insignificant. Among negative mentions, reviews about directing are critical36 in movie failure. However, mentioning actors and plots rather positively affects box-office success. This study enhances the understanding of the driving factor of movie success by processing unstructured text data into meaningful data. The research provides a practical implication for movie producers, distributors, and investors in decision-making.-
dc.title다차원 감성분석과 전이학습을 활용한 영화 성공 요인 분석-
dc.title.alternativeMovie Success Factor Analysis Using Multi-dimensional Sentiment Analysis and Transfer Learning-
dc.contributor.alternativeauthorMin Seong-
Appears in Collections:
GRADUATE SCHOOL[S](대학원) > BUSINESS INFORMATICS(비즈니스인포매틱스학과) > Theses (Master)
Files in This Item:
There are no files associated with this item.
RIS (EndNote)
XLS (Excel)


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.