사람이 어떤 문장을 보고 그 문장에 대해 이해하는 것은 문장 안에서 주요한 단어를 이미지로 연상시켜 그 문장에 대해 이해한다. 이러한 연상과정을 컴퓨터가 할 수 있도록 하는 것을 text-to-image라고 한다. 기존 딥 러닝 기반 text-to-image 모델은 Convolutional Neural Network(CNN)-Long Short Term Memory(LSTM), bi-directional LSTM을 사용하여 텍스트의 특징을 추출하고, GAN에 입력으로 하여 이미지를 생성한다. 기존 text-to-image 모델은 텍스트 특징 추출에서 기본적인 임베딩을 사용하였으며, 여러 모듈을 사용하여 이미지를 생성하므로 학습 시간이 오래 걸린다. 따라서 본 연구에서는 자연어 처리 분야에서 성능 향상을 보인 어텐션 메커니즘(Attention Mechanism)을 문장 임베딩에 사용하여 특징을 추출하고, 추출된 특징을 GAN에 입력하여 이미지를 생성하는 방법을 제안한다. 실험 결과 기존 연구에서 사용되는 모델보다 inception score가 높았으며 육안으로 판단하였을 때 입력된 문장에서 특징을 잘 표현하는 이미지를 생성하였다. 또한, 긴 문장이 입력되었을 때에도 문장을 잘 표현하는 이미지를 생성하였다.

블록체인 기술이 IoT를 위한 보안 이슈로 대두됨에 따라, IoT에 블록체인을 통합하는 기술이 연구되고 있다. 본 논문은 IoT 데이터 공유를 위한 토큰 기반 IoT 서비스 접근 제어 기술에 관한 연구로 허가형 블록체인을 이용하여 소유자 중심의 데이터 공유 기술을 제안한다. IoT health 데이터를 공유하고자 서로 다른 서비스에 대해 디바이스 소유자 중심의 각각 다른 접근제어 정책을 적용하여 데이터를 공유하기 위한 방법을 제공하기 위해 3개의 조직으로 구성된 하이퍼레저 패브릭 네트워크(HFN, Hyperledger Fabric Network)를 설계하였다. 제안하는 시스템에서 디바이스 소유자는 조직의 참여자에 대해 서로 다른 보안 레벨이 적용된 권한 토큰을 발행하며, 토큰 발행 정보는 HFN의 분산 원장을 통해 공유된다. IoT에서 데이터에 접근을 요청하는 서비스 요청자들에게 토큰을 부여함으로써, IoT 장치들의 접근제어 처리를 경량화할 수 있다. 또한, HFN을 이용하여 네트워크 참여자간에 토큰 발행 정보를 공유함으로서 토큰에 대한 무결성을 보장하고 모든 네트워크 참여자들이 토큰을 신뢰할 수 있다. 디바이스 소유자는 자신의 데이터가 허가된 권한 안에서 사용되고 있음을 신뢰할 수 있고, 데이터 수집 및 사용에 대해 제어할 수 있다.

word2vec 등 기존의 단어 임베딩 기법은 원시 말뭉치에 출현한 단어들만을 대상으로 각 단어를 다차원 실수 벡터 공간에 고정된 길이의 벡터로 표현하기 때문에 형태론적으로 풍부한 표현체계를 가진 언어에 대한 단어 임베딩 기법에서는 말뭉치에 출현하지 않은 단어들에 대한 단어 벡터를 표현할 때 OOV(out-of-vocabulary) 문제가 빈번하게 발생한다. 문장을 구성하는 단어 벡터들로부터 문장 벡터를 구성하는 문장 임베딩의 경우에도 OOV 단어가 포함되었을 때 문장 벡터를 정교하게 구성하지 못하는 문제점이 있다. 특히, 교착어인 한국어는 어휘형태소와 문법형태소가 결합되는 형태론적 특성 때문에 미등록어의 임베딩 기법은 성능 향상의 중요한 요인이다. 본 연구에서는 단어의 형태학적인 정보를 이용하는 방식을 문장 수준으로 확장하고 OOV 단어 문제에 강건한 병렬 Tri-LSTM 문장 임베딩을 제안한다. 한국어 감정 분석 말뭉치에 대해 성능 평가를 수행한 결과 한국어 문장 임베딩을 위한 임베딩 단위는 형태소 단위보다 문자 단위가 우수한 성능을 보였으며, 병렬 양방향 Tri-LSTM 문장 인코더는 86.17%의 감정 분석 정확도를 달성하였다.

본 연구는 뉴스 기사에서 기사문을 구성하는 문장별 중요도를 고려하여 요약문을 추출하는 방법에 관한 것으로 문장 중요도에 영향을 주는 특성으로 중심 문장(Topic Sentence)일 확률, 기사 제목 및 다른 문장과의 유사도, 문장 위치에 따른 가중치를 추출하여 문장 중요도를 계산하는 방법을 제안한다. 이때, 중심 문장(Topic Sentence)은 일반 문장과는 구별되는 특징을 가질 것이라는 가설을 세우고, 딥러닝 기반 분류 모델을 학습시켜 입력 문장에 대한 중심 문장 확률값을 구한다. 또한 사전학습된 ELMo 언어 모델을 활용하여 문맥 정보를 반영한 문장 벡터값을 기준으로 문장간 유사도를 계산하여 문장 특성으로 추출한다. LSTM 및 BERT 모델의 중심 문장 분류성능은 정확도 93%, 재현율 96.22%, 정밀도 89.5%로 높은 분석 결과가 나왔으며, 이렇게 추출된 문장 특성을 결합하여 문장별 중요도를 계산한 결과, 기존 TextRank 알고리즘과 비교하여 중심 문장 추출 성능이 10% 정도 개선된 것을 확인할 수 있었다.

온라인 패션 시장의 빠른 성장과 이로 인한 온라인 선택의 확대로 인해 소비자들은 더욱 개인화된 추천 서비스에 대해 요구가 커지고 있음에도 불구하고 판매자는 수많은 소비자를 개별적으로 직접 대응할 수 없다는 문제점이 있다. 소비자의 이러한 개인화 니즈를 충족시키는 방안으로 이미지에 대한 태깅이 이루어지고 있으나 사람이 태깅하는 경우 사람마다 태깅이 매우 주관적으로 이뤄지고 있고 인공지능 태깅은 단어가 매우 제한적으로 사용자의 니즈를 충족시켜주지 못하고 있다. 이러한 문제를 해결하기 위해 인공지능으로 이미지에 포함된 제품의 형태, 속성, 감성 정보를 인식하고 이러한 정보를 코드화하고 코드의 조합으로 그 이미지가 가지고 있는 모든 정보를 나타낼 수 있는 알고리즘을 설계하였다. 이 알고리즘을 통해서 지금까지 획득이 불가능했던 패션 이미지의 감성, 패션 이미지가 표현하는 TPO 정보 등 이미지가 가지고 있는 다양한 정보를 실시간으로 획득하는 것이 가능하게 되었다. 이러한 정보를 기반으로 소비자의 취향을 분석하는 단계에서 넘어가 소비자의 취향에 당시의 유행, TPO 정보까지 결합하는 초개인화된 의류 추천이 가능해진다.

본 논문에서 고안된 시선추적 시스템은 루게릭(Lou Gehrig s)이나 각종 근육 관련 질환으로 신체가 부자연스러운 분들을 위해 쉽게 접근할 수 있도록 고안된 안구기반 컴퓨터 입력 장치로, 약 1,700명 정도로 추산되는 국내 루게릭 환자 수와 각종 사고나 질환에 의해 몸을 움직이기 힘든 환자의 수를 합쳐 잠재적 수요만 국내 3만 명에 이르는 사용자를 위한 안구입력 장치이다. 이 안구 입력 장치는 소수의 사용자를 위한 장치이기 때문에 시중에서는 수많은 종류의 상용기기가 제공되고 있어, 이 잠재적 사용자들이 사용하기에는 가격도 비싸고 사용방법도 어려워, 접근성이 많이 떨어지고 있다. 그 이유로는, 각 개인의 경제 사정과 스마트 디바이스에 대한 개별 사용 경험도 조금씩 달라 시중 시선추적 시스템을 사용해보기에는 비용 면이나 사용성 면에서 접근하기가 어려운 경우가 대부분이라 할 수 있다. 이에 따라, 저가의 기기지만 엄선된 부품과 사용하기 편리한 기술을 통해 IT 기기로의 접근성을 개선하여 사용자들에게 쉬운 접근이 가능하도록 하는 시도는 반드시 필요하다. 이에, 본 논문에서는 여러 종류의 시선추적 시스템을 사용했던 사용자들의 자발적 VoC(Voice of Customer)를 통해 기존 시스템의 부족한 점을 개선하고, 사용성 테스트를 통해 이를 만족하는 시스템을 보완/설계함으로써 훨씬 더 많은 사람 및 환자들이 편리하게 사용할 수 있게하고, 기존 PCCR 시스템 대비 계산량을 15배 이상 줄이는 동시에, 시선 오차도 0.5~1도 이내로 보완된 우수한 성능의 시선추적 시스템을 제안한다.

In recent years research on automatic font generation with machine learning mainly focus on using transformation-based methods, in comparison, generative model-based methods of font generation have received less attention. Transformation-based methods learn a mapping of the transformations from an existing input to a target. This makes them ambiguous because in some cases a single input reference may correspond to multiple possible outputs. In this work, we focus on font generation using the generative model-based methods which learn the buildup of the characters from noise-to-image. We propose a novel way to train a conditional generative deep neural model so that we can achieve font style control on the generated font images. Our research demonstrates how to generate new font images conditioned on both character class labels and character style labels when using the generative model-based methods. We achieve this by introducing a modified generator network which is given inputs noise, character class, and style, which help us to calculate losses separately for the character class labels and character style labels. We show that adding the character style vector on top of the character class vector separately gives the model rich information about the font and enables us to explicitly specify not only the character class but also the character style that we want the model to generate.

사진 이미지에서의 딥러닝 학습을 통한 이미지 분류는 지난 수년간 매우 활발한 연구 분야로 자리하고 있다. 본 논문에서는 국내산 석재 이미지로부터 딥러닝 학습을 통해 자동으로 석재를 판별하는 방법을 제안한다. 제안된 방법은 300x300픽셀의 황등석, 고흥석, 포천석의 사진 이미지들을 파이썬의 해시 라이브러리를 이용하여 석재별 중복된 이미지를 검사하고, 검사 결과로 해시값이 같은 중복된 이미지를 제거하여 석재별 딥러닝 학습이미지를 만드는 데이터 전처리 과정을 수행한다. 또한 미리 학습된 모델인 VGGNet을 활용하기 위해 학습된 이미지 사이즈인 224x224픽셀로 석재별 이미지들의 사이즈를 재조정하고, 학습데이터와 학습을 위한 검증데이터의 비율을 80% 대 20%로 나누어 딥러닝 학습을 수행한다. 딥러닝 학습을 수행한 후 손실 함수 그래프와 정확도 그래프를 출력하고 세 종류의 석재 이미지에 대해 딥러닝 학습 모델의 예측 결과를 출력하였다.

본 연구는 기업의 빅데이터 분석가들을 대상으로 빅데이터의 분석능력과 가치, 그리고 비즈니스 성과와의 관련성을 살펴보았다. 빅데이터가 가져올 수 있는 가치를 거래적 가치, 전략적 가치, 변혁적 가치, 정보적 가치로 분류하였고, 이러한 가치들이 비즈니스 성과로 연결되는 지를 검증하고자 하였다. 빅데이터 분석을 수행한 경험이 있는 직원들을 대상으로 200부의 설문을 수거하여 분석하였다. 구조방정식 모형으로 가설을 검정하였고, 빅데이터 분석능력은 빅데이터의 가치와 비즈니스 성과에 의미 있는 영향력을 미치는 것으로 나타났다. 빅데이터 가치들 중에서 거래적 가치, 전략적 가치, 그리고 변혁적 가치는 비즈니스 성과에 긍정적인 영향을 미치지만, 정보적 가치의 영향은 입증되지 않았다. 본 연구의 결과는 빅데이터를 활용하여 비즈니스 성과를 얻으려는 기업들에게 유용한 정보를 제공할 수 있을 것으로 기대된다.

광주광역시의 3대 주력산업인 자동차 산업, 에너지 산업, 그리고 AI/헬스케어 산업 등에 응용 가능한 AI 활용 사례로 준지도 학습, 전이 학습, 그리고 연합 학습의 머신러닝을 적용하며, 더불어 주력산업을 위한 AI 서비스를 위한 ML 전략을 정립하였다. AI 서비스의 ML 전략을 기반으로 실용적 접근 사례들을 제시하고자 하며, 준지도 학습의 접근 사례는 자동차 영상 인식 기술에 활용하며, 전이 학습의 접근 사례는 헬스케어 분야의 당뇨병성 망막병증 검출에 활용하고자 하며, 마지막으로 연합 학습의 접근 사례는 전력 수요 예측에 활용하고자 한다. 이러한 접근 사례들을 싱글보드 Raspberry Pi, Jaetson Nano, Intel i-7 등의 하드웨어를 기반으로 성능 테스트를 진행함과 동시에 실용적인 접근 사례들의 유효성을 검증하였다.

청각정보는 시각에 비해 방향에 제한을 받지 않으므로 자동차 내에서 긴급한 알림이나 경고의 목적으로 활용된다. 그러나 청각장애 운전자는 청각정보를 인지할 수 없으므로 이를 대체하기 위해 다양한 시각화 방법이 시도되고 있다. 청각정보를 시각화할 때는 시각에 집중되는 인지과부하를 방지하기 위해 중요한 정보만을 선별해서 제공하여야 하며, 이를 위해서는 자동차 내 청각정보의 유형 분석이 우선되어야 한다. 본 연구에서는 청각장애 운전자의 운전상황 관찰을 통해 자동차 내에서 경험하는 청각정보를 수집하였다. 수집된 33가지의 청각정보는 전문가 그룹에 의한 개방적 카드소팅을 통해 12개의 그룹으로 분류되었으며, 그룹 간 상대적 중요도 비교를 통해 4개의 계층으로 분석하였다. 제시된 자동차 내 청각정보 유형은 청각정보를 시각 또는 촉각으로 변환하여 표시할 때 중요한 정보를 선별하기 위한 가이드라인으로서 활용이 가능하다. 본 연구는 청각장애 운전자를 대상으로 일상에서의 실제 운전상황 관찰에 의한 사용자 경험 분석이 이루어졌다는 데 의의가 있다.

4차 산업혁명, Industry 4.0 과 더불어 최근 ICT 분야의 메가트렌드는 빅데이터, IoT, 클라우드 컴퓨팅, 그리고 인공지능이라고 할 수 있다. 따라서, 4차 산업혁명 시대에 알맞은 AI 서비스들의 기술 개발과 다양한 산업 영역에서 ICT 분야의 융합에 따른 BI (Business Intelligence), IA (Intelligent Analytics, BI + AI), AIoT (Artificial Intelligence of Things), AIOPS (Artificial Intelligence for IT Operations), RPA 2.0 (Robotic Process Automation + AI) 등의 세분화된 기술 발전으로 급속한 디지털 전환 (Digital Transformation)이 진행되고 있는 추세이다. 본 연구에서는 이러한 기술적 상황에 따른 대용량 분산 Abyss 스토리지 기반으로 인프라 측면의 GPU, CDA (Connected Data Architecture) 프레임워크, 그리고 AI의 다양한 머신러닝 서비스들을 통합 및 고도화를 목표로 하며, AI 비즈니스의 수익 모델을 다양한 산업 영역에 활용하고자 한다.

기계학습이 보편화되면서 기계학습을 활용한 응용 개발 또한 활발하게 이루어지고 있다. 또한 이러한 응용 개발을 지원하기 위한 기계학습 플랫폼 연구도 활발하게 진행되고 있다. 그러나 기계학습 플랫폼 연구가 활발하게 진행되고 있음에도 불구하고 기계학습 플랫폼에 적절한 부하 분산에 관한 연구는 아직 부족하다. 따라서 본 논문에서는 기계학습 분산 환경을 위한 부하 분산 기법을 제안한다. 제안하는 기법은 분산 서버를 레벨 해시 테이블 구조로 구성하고 각 서버의 성능을 고려하여 기계학습 작업을 서버에 할당한다. 이후 분산 서버를 구현하여 실험하고 기존 해싱 기법과 성능을 비교하였다. 제안하는 기법을 기존 해싱 기법과 비교하였을 때 평균 약 26%의 속도 향상을 보였고, 서버에 할당되지 못하고 대기하는 작업의 수가 약 38% 이상 감소함을 보였다.

웹 접근성은 국내 공공 웹사이트 부문에서 이용자가 정보와 기능에 동등하게 접근하고 이용할 수 있도록 법적 의무사항으로 제시하고 있다. 본 연구에서는 올바른 설계 및 개발을 보장하는 웹 접근성 분야의 연구 네트워크를 사회연결망 분석(social network analysis: SNA)을 토대로 소개한다. 국내 웹 접근성 분야에서 학술 연구자들의 인용 관계를 분석하는 것은 웹 접근성 분야 연구 네트워크 생성 과정을 확인할 수 있는 척도로 연구 사이에 관계 및 인용 형태를 네트워크로 나타냄과 동시에 인용 관계를 보여주는 시각화 요소로써 향후 학술 연구 네트워크 분석에 유용하게 활용될 수 있다. 2000년 1월부터 2017년 3월까지 약 17년간 한국연구재단 등재 학술지 및 등재 후보 학술지에 발표된 논문 중 총 50편을 대상으로 웹 접근성에 대한 연구자, 평가 대상, 평가 방법, 평가 결과별로 평가 메트릭스를 조합하고 가중치 적용을 통하여 해당 분야와 관련된 한국의 웹 접근성 분야 및 웹 접근성 평가 연구 방향성과 평가 연구동향을 파악하여 연구자 동향 네트워크 관련 분석한 점에서 의의가 있다.

본 논문은 방대한 정보가 있는 자치단체 및 공공기관 웹 사이트에서 사용자가 원하는 정보서비스를 자동으로 추천하는 시스템을 제공하며, 본 시스템은 데이터를 수집하고 전처리하는 SiiRU 콘텐츠관리시스템을 기반으로 데이터 수집 방법을 정의하고, 수집된 데이터를 기계학습기반의 협업 필터링 알고리즘을 통해 사용자에게 큐레이션서비스(콘텐츠 및 메뉴)를 제공한다, 또한 본 논문에 사용된 데이터는 2019년에 수집된 약 1백만 건의 데이터를 바탕으로 구현하였다. 이렇게 분석된 데이터는 사용자들이 편리하게 볼 수 있도록 클라우드 태그 서비스나 추천메뉴를 제공하여 쉽게 접근할 수 없는 중요한 정보를 제공할 수 있으며, 자치단체 및 공공기관에 본 서비스를 실현할 수 있는 환경 구성도 제공한다.

디지털 게임은 인터넷과 정보통신기술의 발달로 인하여 점점 더 다양해지고 복잡해지고있다. 기존의 게임분류를 넘어서 플레이어 관점 디지털게임의 특성을 반영한 새로운 게임 분류가 필요하다. 현재의 게임 분류들은 게임공급자의 입장에서 장르를 구분하는 일반적인 분류들이다. 본 연구에서는 디지털 게임 플레이어들이 게임을 할 때 활용하는 개인 마음속의 구성개념(personal construct)들을 분석하여 새롭게 나타나고 있는 디지털 게임들의 속성들을 찾아냈다. 개인 마음속의 구성개념들을 찾아내기 위하여 레퍼토리 그리드 인터뷰들을 수행하였다. 레퍼토리그리드방법은 사람들이 마음속에 가지고 있는 구성개념들을 찾아내기 위한 연역적인 연구 방법론이다. 이 방법론을 통하여 22명의 플레이어들로부터 1,669개의 진술문들을 수집했다. 전문가 포커스 그룹을 통해서 진술문들에서 29개의 특성차원들을 찾아내었고 이를 12개의 카테고리, 그리고 게임 상태, 플레이어구조, 물리적 환경, 그리고 게임 플로우의 4가지 메타 카테고리로 분류할 수 있었다. 기존의 게임 분류들과 비교하여 볼 때 29개의 차원중에서 13개는 이전에 없던 새로운 특성 차원이었다. 결과적으로 새롭게 나타나는 디지털게임의 속성들은 기존의 게임들의 속성들과는 다른 것을 알 수 있었다. 본 연구에서 도출한 차원들과 카테고리들은 앞으로디지털 게임을 개발 디자인하고 평가하는 데 있어서 가이드라인으로 활용할 수 있다.

가상 현실은 현재 미래 지향적인 IT 콘텐츠 분야이며 엔터테인먼트 분야뿐만 아니라 교육, 건축 및 의료 분야까지 꾸준히 확장되고 있다. 이 논문에서는 Unity3D 엔진을 사용하여 심리 치료 콘텐츠의 프로토 타입을 개발하여 심리 치료 콘텐츠로써 가상 현실의 가능성을 실험하고 분석하였다. 심리 치료 시스템과 연결될 수 있는 가상 현실 요소를 분석한 후 효과적인 치료 요인을 도출하였다. 가상 현실은 다른 콘텐츠에 비해 몰입감과 현존감이 매우 강한 콘텐츠이다. 현재 엔터테인먼트 산업은 가상 현실 분야에서 가장 발전된 분야이지만 머지않아 가상 현실이 심리 치료 분야에서 주 콘텐츠가 될 것이다. 본 연구에서는 심리 치료와 관련된 VR 콘텐츠를 연구하고 심리 치료에 효과적인 VR 요소를 추출한 후 Unity3D 엔진을 사용하여 무대 공포증을 치료할 수 있는 가상 현실 콘텐츠의 프로토 타입을 개발하였다. Unity3d 엔진은 VR 콘텐츠 제작에 효과적이고 최적화된 프로그램이다. 실험 대상 환자와 충분한 피드백 후 환자에 최적화된 시나리오로 프로토타입이 개발되었다. 무대 공포증을 단계적으로 치료할 수 있는 심리 치료 콘텐츠 테스트 결과 일반 상담형, 자료 감상형 치료보다 치료 효과에 대한 만족도가 높은 것으로 나타났다. 본 연구는 향후 개발된 환자 맞춤형 VR 심리 치료 콘텐츠 개발 연구를 위한 예비 연구로써, 심리 치료 콘텐츠로써의 VR의 가능성을 증명하는데 기여할 것이다.

성적공개용으로 모은 네 자리 숫자 비밀번호들의 재사용에 관한 1차 조사 연구의 보완과 정도를 높이기 위해, 2012부터 2017년까지, 6년 동안 1차 조사의 2배 가까운 2392개를 수집하는 2차 조사를 실시하였다. 분석 결과, 비밀 번호사용개수가 많아지면 재사용 비율이 높아질 수 있다는 것, 재사용 시 사용번호 개수가 최대 4개인 점과 같은 사용처라도 개인별 성향 차이가 존재할 수 있다는 1차 조사 때 얻을 수 없던 결과들이 포함되는 성과를 얻었다. 이러한 2차 조사 결과들은 숫자뿐 아니라 문자, 특수문자까지 혼합하여 사용하는 일반 패스워드들의 재사용에 관한 외국의 연구결과들과도 대부분 유사하였다. 본 2차 사례 연구결과, 자료 수집이 불가능한 국내 패스워드들의 재사용실태를 간접적으로나마 유추할 수 있는 계기를 제공하게 되었으며, 주기적변경과 같은 패스워드 보안을 위한 관리규약은 오히려 재사용 비율을 높일 수 있다는 외국의 연구 사례가 국내 상황에도 적용될 수 있을 것이라는 추론의 가능성도 얻게 되었다.

모바일 환경에서 의사소통은 SMS 문자로 이루어진다. SMS 문자에서 사용되는 어휘들은 일반적인 한국어 문어체 문장에서 사용되는 어휘들과 다른 부류의 어휘들이 사용될 것으로 예상할 수 있다. 예를 들어, 일반적인 문어체의 경우 문장의 시작이나 끝맺음이 올바르고 문장의 구성요소가 잘 갖추어졌지만, SMS 문자 말뭉치의 경우 구성요소를 생략 및 간략한 표현으로 대체하는 경우가 많다. 이러한 어휘 사용 특성을 분석하기 위하여, 기존에 구축된 구어체 말뭉치와 문어체 말뭉치를 사용한다. 실험에서는 구어체 말뭉치인 SMS 문자 말뭉치와 네이버 영화평 말뭉치, 그리고 문어체 말뭉치인 한국어 문어체 원시 말뭉치의 어휘 사용 특성을 비교-분석한다. 말뭉치별 어휘 비교 및 분석을 위하여 품사 태그 형용사(VA)를 기준으로 하였고, 공연강도를 측정하기 위해 변별적 공연어휘소 분석 방법론을 사용하였다. 그 결과 ‘좋-’, ‘죄송하-’, ‘즐겁-’ 등 감정표현 형용사들이 SMS 문자 말뭉치에서 선호되는 반면, 네이버 영화평 말뭉치에서는 평가 표현과 관련된 형용사들이 선호되는 것을 확인할 수 있었다. 이러한 과정에서 추출된 공연강도가 높은 형용사를 기준으로 감정어휘 사전을 자동 구축하기 위하여 단어 임베딩 기법을 사용하였으며, 총 343,603개의 감성어휘를 자동 구축하였다.

본 논문에서는 영화에서 인물의 극적인 등장, 등장 인물 간의 관계를 효과적으로 표현하고자 할 때 주로 사용하는 영화 촬영 기법 ‘아크 트래킹 샷’을 비주얼 노블 게임에 카메라 연출을 설계 및 구현하여 적용하였다. 비주얼 노블은 소설을 읽듯 이야기 진행에 중점을 둔 게임의 한 장르로 이미지, 사운드 등 시청각적 요소를 첨가하여 이야기의 몰입을 돕는다. 그러나 기존 비주얼 노블의 카메라는 정적이며 움직임이 극히 제한되어 있어플레이어의 이야기 몰입도를 높이기에는 어려움이 있다. 이를 극복하고자 이야기의 전달이 중요하다는 공통점을 가진 영화의 촬영 기법 아크 트래킹 샷을 3D 게임 엔진에 가상의 카메라 트래킹 레일을 만들고 카메라에 적용하는 과정을 통해 비주얼 노블의 카메라연출에 적용하였다. 영화 연출 기법을 비주얼 노블 게임콘텐츠에 적용하면서 기존 비주얼 노블 연출의 단점을 극복하고 역동적인 카메라 움직임은 플레이어에게 몰입을 유지시키는 작용을 하며 제작자가 전달하고자 하는 감정과 의미를 더욱 효과적으로 전달할수 있도록 구현하였다.