06=(120221-001)김효영.hwp http://dx.doi.org/10.5392/JKCA.2012.12.05.052 장르 판별 알고리즘을 이용한 책 장르 시각화 Book Genre Visualization based on Genre Identification Algorithm 김효영, 박진완 앙 학교 첨단 상 학원 Hyoyoung Kim(greatinno@naver.com), Jin Wan Park(jinpark@cau.ac.kr) 요약 텍스트 시각화는 데이터 시각화의 한 분야로, 방 한 텍스트 데이터에 한 다양한 분석 기법을 바탕으 로 텍스트의 내용 측면은 물론 구조 , 형식 측면을 시각 으로 재 (represent)해내는 방법에 한 연구이다. 본 연구에서는 이러한 텍스트 시각화 연구의 일환으로, 서 이 갖는 장르 특성을 서 본문에 직 사용된 단어들을 바탕으로 악해낼 수 있는 방법에 해 고찰하고, 실험을 통한 검증을 바탕으로 서 장르 시각화의 요소를 도출한 후, 이를 직 이고 효율 으로 시각화하는 방법에 해 서술하 다. 본 연구에서 제안하는 시각화는 첫째, 책에 직 사용된 단어를 토 로 책의 실질 장르를 악할 수 있으 며, 둘째, 시각화 결과 이미지를 통해 해당 서 이 어떤 장르와 가장 가까운지 한 에 악할 수 있을 뿐 아니라, 한 책이 갖는 복합 장르 특성을 알 수 있도록 해주고, 이미지 내의 (dot)의 개수와 곡선의 곡률, 밝기 등을 통해 표 장르로 악된 장르의 근 도(유사도)를 짐작할 수 있다는 에서 그 의의를 갖는다. 나아가 개별 소비자 자신이 선호하는 서 들에 한 용을 통해 개인별 선호 서 ( 는 장르) 이미지를 제공하는 등 서 추천 시스템과 같은 북 커스터마이징(book customizing)과 같은 분야에도 다양하게 활 용될 수 있다. ■ 중심어 :∣텍스트 시각화∣데이터 시각화∣ Abstract Text visualization is one of sectors in data visualization. This study is on methods to visually represent text's contents, structure, and form aspects based on various analytic techniques about wide range of text data. In this study -as a text visualization study-, 1) a method to find out the characteristics of a book's genre using words in the text of the book was looked into, 2) elements of visualization of a book's genre based on verification through an experiment were drew, and 3) the ways to intuitionally and efficiently visualize this were explained. According to visualization suggested by this study, first, actual genre of a book can be understood based on words used in the book. Second, with which genre is closed to the book can be found out with one glance through images of visualization. Moreover, the characteristics of complicated genres included in a book can be understood. Furthermore, the level of closeness (similarity) of a genre -which is found to be a representative genre using the number of dots, curvature of a curve, and brightness in the image- can be assumed. Finally, the outcome of this study can be used for a variety of fields including book customizing service such as a book recommendation system that provides images of personal preference books or genres through application of books favored by individual customers. ■ keyword :∣Text Visualization∣Data Visualization∣ * 본 연구는 한국연구재단의 지원을 받아 수행되었음(No. 2011-0018616). 수번호 : #120221-001 수일자 : 2012년 02월 21일 심사완료일 : 2012년 04월 26일 교신 자 : 박진완, e-mail : jinpark@cau.ac.kr 장르 판별 알고리즘을 이용한 책 장르 시각화 53 I. 서 론 1. 연구 목적 텍스트 시각화는 데이터 시각화의 한 분야로, 방 한 텍스트 데이터에 한 다양한 분석 기법을 바탕으로 텍 스트의 내용 측면은 물론 구조 , 형식 측면을 시 각 으로 재 (represent)해내는 방법에 한 연구이다 [1]. 텍스트 시각화에 한 연구는 텍스트의 내용을 다 양한 시각 요소로 표 하는 기본 인 근부터, 텍스트 의 내용 는 그 안에 숨어있는 스토리텔링을 새로운 으로 재조명 하거나, 보이지 않는 계 측면을 시각 재 을 통해 드러내는 등의 다양한 근 방식을 갖는다. 텍스트 시각화의 재료 데이터가 되는 텍스트의 경우, 그 양이 방 해질 경우 체 인 주제와 내용 그 데 이터가 갖는 계 등을 악하기가 매우 어렵게 된다 [2]. 이러한 맥락에서 텍스트 데이터를 분석하여, 시각 으로 표 하고자 하는 요소를 도출한 뒤 이를 효과 인 시각 요소로 매핑하여 하나의 이미지의 형태로 표 하고자 하는 텍스트 시각화에 한 연구는, 방 한 데이터에서 악하기 불가능한 복잡, 다양한 정보를 직 으로 나타낼 수 있다는 에서 정보 달의 독창성 효율성을 갖는다. 본 연구에서는 이러한 텍스트 시 각화 연구의 일환으로, 다양한 서 이 갖는 장르 특 성을 텍스트 데이터에 한 분석을 토 로 도출한 후 이를 직 인 하나의 이미지 포맷으로 표 하기 한 방법론을 제시하고자 하 다. 이를 해 서 의 장르 성격을 나타내는 요인 도출을 한 디지털 서 데이터 의 분석 처리 차에 한 연구와, 도출된 요인을 시 각 요소로 치환하는 방법에 한 미학 , 디자인 근에 따른 구체 내용을 기술한다. 2. 연구 방법 책의 장르는 부분의 경우 출 사나 자에 의해 분 류되는데, 이는 주 인 것으로 실제 책의 텍스트가 갖는 성격과는 다소 차이가 있을 수 있다. 본 연구에서 는 이러한 에 착안하여 서 텍스트에 사용된 단어 데이터를 분석하여 서 의 장르를 별할 수 있는 방법 론에 하여 기술하고, 이러한 방법론의 타당성을 검증 하며, 이를 통하여 도출된 각 서 텍스트의 장르 정보 를 시각 요소로 매핑하여 한 장의 직 인 이미지의 형태로 시각화하는 방법을 제안한다. 이를 해 먼 최 한 많은 디지털 서 데이터를 수집하여 분석한 후, 이들 서 에 사용된 단어로 ‘보편 빈도사 ’을 제작한다. 다음으로 각 장르별로 표 서 을 선정하여 이들을 장르 표 서 으로 할당하고, 이 들 표 서 에서 사용된 단어들을 빈도수로 정리한 ‘장르빈도사 ’을 제작한다. 그리고 이들 ‘장르빈도사 ’ 에 등장하는 단어 , 특정 장르의 성격을 갖기 보다는 보편 으로 많이 사용되는 단어를 제외하고, 실제로 특 정 장르에서의 출 빈도가 높은 단어를 별하기 해, ‘보편빈도사 ’과 각 ‘장르빈도사 ’의 빈도수를 비 교, 분석하는 과정을 거쳐 ‘장르독자성사 ’을 제작한 다. 이 게 제작된 ‘장르독자성사 ’을 바탕으로 임의의 책을 알고리즘에 입하여 각 장르독자성사 과 비교 하는 과정을 거쳐 사용 단어의 장르 근 도를 도출한 다. 이러한 일련의 과정을 통해 도출된 장르 근 도를 하나의 이미지로서 표 하기 해 각 장르의 근 도에 해당하는 속성을 시각 요소와 매핑하여 하나의 직 이미지로 시각화하는 방법을 제안하고, 결과 이미지 분석을 통해 제안된 시각화 방법론의 타당성을 검증한다. Ⅱ. 텍스트 시각화 사례 연구 1. Visualizing "His Dark Materials" 그림 1. "His Dark Materials"의 시각화 일부 한국콘텐츠학회논문지 '12 Vol. 12 No. 554 T. Legan과 L. Becker(2010)[3]는 그들의 논문에서 Pullman의 3부작 소설인 “His Dark Material"을 시각화 하는 방법론을 제안하 다. [그림 1]과 같이, 세 권의 텍스트 체를 펼쳐놓고 남 녀 주인공 이름인 ‘Lyra'와 'Will'이라는 단어를 으로 은 후 연결한 시각화 결과물을 통해 1권에서는 남자 주인공이 등장하지 않은 채 여자 주인공만으로 이야기 가 개된다는 내용의 흐름을 짐작할 수 있고, 두 주인 공의 이름이 모두 존재하지 않는 공백 부분에서는 기타 등장인물(Mary Malone, Lord Asreil, Mrs. Coulter 등) 에 한 묘사가 주로 나타남을 알 수 있는 등 문학 작품 의 시각화를 통해 그 속에 드러나는 이야기의 흐름 계를 시각화한 연구이다. 2. BibleViz BibleViz[4]는 Chris Harrison과 Christoph Romhild 가 성경의 텍스트를 데이터로 여러 가지 정보를 시각화 한 일련의 작업이다. 이 작업은 총 3종류의 시각화 작업 으로 이루어져있으며, 이 가장 표 인 것이 성경 텍스트 내의 교차 언 을 시각화한 ‘Bible Cross-References’이다. 성경 내에 교차 으로 언 되 는 63,000여 개의 교차 언 을 막 (bar)와 호(arc)를 이 용하여 시각 으로 표 하 다[그림 2]. 방 한 데이터 를 인터랙션이 없는 하나의 이미지 형태로 시각화하기 해 정보 달이라는 기능 측면보다는 심미 측면 에 을 둔 작업으로 볼 수 있다. 그림 2. Bible Cross-References [그림 2]의 아래쪽에 나열된 막 그래 (bar graph) 는 성경의 각 장(chapter)을 나타낸다. 성경의 각 권 (book)은 흰색과 밝은 회색으로 번갈아가며 구분하여 표 하 고, 각 장에 있는 (verse)의 수가 많을수록 막 의 길이가 길어진다. 총 63,779개의 교차 언 은 하 나의 호(arc)의 형태로 나타내었고, 교차 언 된 두 개 의 각 장(chapter)의 거리에 따라 색상을 다르게 입 마치 무지개와 같은 시각 효과를 갖도록 하 다. 3. Writing without Words Writing without Words[5]는 텍스트를 시각 으로 재 하는 방법에 해 연구하고 다양한 작가들의 쓰 기 스타일 특성과 그 차이 을 시각화하고자 하는 로 젝트이다. 이 로젝트에서는 소설이 갖는 텍스트 데이 터를 ‘문학 유기체(The Literary Organism)'로서 표 하여 개별 소설 고유의 문학 , 시각 정체성을 나 타내고자 하 다. 이와 함께 문장과 문장 길이의 시각 화, 운율의 질감 시각화 등의 일련의 시각화 과정을 아 우르는 매우 흥미로운 작업이다. 그림 3. Stephanie Posavec의 ‘문학적 유기체’(The Literary Organism) - Jack Kerouac의 소설 ‘On the Road' [그림 3]은 Jack Kerouac의 소설 ‘On the Road’를 유 기체 으로 시각화한 이미지이다. 단순한 트리구조로 표 하면서, 그 유기체 느낌을 잘 살리기 해 수작 장르 판별 알고리즘을 이용한 책 장르 시각화 55 업으로 제작하 다. ‘On the Road'의 첫 번째 트를 장 (chapter)으로 분리하고, 각 장은 (paragraph)로, 은 문장으로, 문장은 단어들로 분리한 후, 각 문장에 따른 단어의 수에 따라 조직화하여 표 하 다. 여기에 11가 지의 주제별 색상을 할당하여 용함으로써 각 시각화 결과 이미지가 임의의 소설에 한 주제와 내용을 시각 으로 나타내도록 하 다. 이에 따라 여러 문학 작품 에 한 주제와 성격 , 작가에 따른 문장과 문체의 차 이 등을 느낄 수 있도록 했다는 에서 그 의의를 갖 는다. 4. TextArc TextArc[6]는 책의 텍스트를 추상 으로 표 한 Brad Paley의 시각화 작품이다. 이 시각화 결과물은 컴 퓨터 화면 상에서 두 번에 걸쳐 나타나게 되는데, 먼 거 한 타원의 가장자리에 매우 작은 폰트로 이루어진 선들이 나타나고, 그 후에는 보이지 않는 스 링으로 연결된 단어들이 나열된다. 책에 많이 등장하는 단어는 크게 표 이 되고, 드물게 사용되는 단어들은 같은 공 간을 공유하여 나열된다. 그림 4. Brad Paley의 TextArc - 'Alice's Adventure in Wonderland' [그림 4]는 타지의 고 인 ‘이상한 나라의 앨리스 (Alice's Adventure in Wonderland)’를 TextArc로 시 각화한 것이다. 이미지를 보면 'Alice'라는 단어가 화면 앙에 큰 폰트로 자리잡고 있다. 이는 'Alice'는 주인 공의 이름으로 책 반에 걸쳐 계속하여 등장하기 때문 이다. 한 책 속에 등장하는 다양한 캐릭터들은 치 와 색깔을 달리하며 각각의 특성과 계들을 시각 으 로 표출해낸다. 를 들면 해터(Hatter)와 도어마우스 (Dormouse), 3월의 토끼(March Hare)는 비슷한 자 체로 가까이 치하고 있어 주로 함께 등장함을 짐작할 수 있다. 본 시각화 작품을 통해 비록 소설의 내용을 데 이터로 사용하 지만, 수학자이자 논리학자인 원작자 Lewis Carroll이 숨겨둔 치 한 논리들이 시각화를 통 해 재탄생될 수 있음을 알 수 있다. Ⅲ. 사용 단어 기반 장르 판별 알고리즘 설계 1. 개념 및 절차 보통 책의 장르는 자나 출 사의 임의 로 시장 상 황에 따라 구분된다. 따라서 독자가 직 책을 읽고 느 끼게 되는 책의 장르와 상이한 경우가 발생하게 마련이 다. 이를 해 본 논문에서는 일반 인 장르 분류 기 으로 구분되는 특정 장르들의 고유의 단어 사 을 만들 어 임의의 책을 이들 각각의 장르 사 들과 비교하는 과정을 거쳐 책의 단어 사용을 바탕으로 한 실질 장 르를 별해 내는 것이다. 이는 구체 으로 다음과 같 은 과정을 거친다. 1) 충분히 많은 책을 분석하여(본 연구에서는 총 4천 권의 책을 분석하 다) 평균 인 단어의 빈도수를 측정하여 ‘보편빈도사 ’을 만든다. 2) 각 장르에 해당하는 표 서 을 골라 이 책들에 있는 단어의 빈도수를 바탕으로 각각의 ‘장르빈도 사 ’을 만든다. 3) 보편빈도사 과 장르빈도사 의 단어의 빈도를 비교하여 장르빈도사 에서 나타나는 특이 단어, 즉 특정 장리에 보다 빈번히 쓰이는 단어를 바탕 으로 ‘장르독자성사 ’을 만든다. 4) 이 게 만들어진 장르독자성사 을 기 으로 별을 해 입력된 책에 사용된 단어들과의 유사도 를 분석하여 각 장르와 입력 책과의 근 도 (closeness)를 악한다. 한국콘텐츠학회논문지 '12 Vol. 12 No. 556 단어 빈도 순 the 11583621 1 and 5586383 2 to 5320279 3 of 4923275 4 a 4669669 5 i 3328795 6 he 3046996 7 in 2942094 8 …… 표 1. 보편빈도사전 내부 구조 zhark 18 98765 zina 18 98766 zinnia 18 98767 zinzu 18 98768 zog 18 98769 zombielike 18 98770 zulfi 18 98771 zw 18 98772 의 장르 별 과정 각각에 한 세부 로세스를 살펴보도록 하자. 2. 보편빈도사전 제작 부분의 서 에서 보편 으로 많이 사용되는 단어 를 빈도순으로 정리하기 해 다양한 장르로 이루어진 4,000권의 디지털 서 을 데이터 일 형태로 수집하 다. 본 연구에서는 데이터 수집의 용이성을 해 문 서 데이터를 상으로 하 다. 이 게 수집된 책들에 서 사용된 단어들을 추출해낸 데이터를 바탕으로 ‘보편 빈도사 ’을 제작하 다. 이를 해 Java 기반 언어인 processing을 이용하여 로그램을 개발하 고, 형 인 string operation과 token 알고리즘, 그리고 binary search 알고리즘, quick sort 알고리즘 등 데이터베이스 구성을 한 기능을 할당하 다. 이 사 은 단어 빈도 (frequency)와 그에 따른 순 (rank)를 보 한다. 분석 결과 4,000권의 책 속에는 총 약 50만 개의 단어 가 등장하는데, 이를 빈도수로 나열한 단어 순 의 상 20%를 차지하는 약 10만개의 단어가 체 사용 단 어의 98% 이상의 비율을 차지하고 있었다. 특히 1-2회 정도만 등장하는 단어가 많은데 이들은 보통 의성어, 의태어, 고유명사 혹은 오타에 기인한 것이다. 데이터베 이스의 총량에 따라 본 사 의 제작기간이 크게 늘어나 고, 빈도 수 하 2%의 단어는 큰 의미가 없으므로 이 들을 제외하고, 상 20%에 속하는 10만 단어를 바탕으 로 보편빈도사 을 제작하 다. [표 1]는 보편빈도사 에 포함된 단어들을 빈도수 순으로 나열한 것이다. 3. 장르빈도사전 제작 앞서 제작한 보편빈도사 이 부분의 서 에서 공 통 으로 사용되는 단어를 정리한 것이라면, 다음으로 는 각 장르별로 많이 쓰이는 단어를 정리한 ‘장르빈도 사 ’을 제작하는 단계가 필요하다. 그러나 서 의 장르 는 매우 다양하여 모든 장르에 한 정의 구분은 쉽 지 않다. 본 연구는 단어로 장르의 특성을 악하는 방 법론 기 연구이므로 연구를 한 실험 검증의 편의를 해 보편 서 분류체계로 구분되고 있는 장 르 4가지를 선정하여 실험을 진행하고자 하 다. 서 장르 구분의 기 으로서, 세계 으로 리 이용 되고 있는 인터넷 서 인 아마존닷컴(amzon.com)[7]의 서 카테고리의 분류 - 분류 카테고리를 참고로 하 고, 결과 으로 선정된 4가지 장르는 각각 ‘ 타지 (Fantasy)’, ‘철학(Philosophy)’, ‘S. F(Science Fiction)’, ‘여성소설(Women's Fiction)’이다[표 2]. 분류 분류 Science Fiction & Fantasy Fantasy Science Fiction Politics & Social Sciences Philosophy Literature & Fiction Women's Fiction 표 2. 선정된 네 장르의 대분류-중분류 카테고리(출처-아 마존닷컴) 다음으로 의 네 가지 장르 각각을 표할 수 있는 표 서 을 선별하여 각 장르별 표 서 들에서 사용 된 단어들의 출 빈도수를 바탕으로 ‘장르빈도사 ’을 제작한다. 네 가지 장르의 표서 으로, 먼 타지 장르의 경우 과거 타지 소설의 양 산맥인 J. R. R. 장르 판별 알고리즘을 이용한 책 장르 시각화 57 Tolkien과 C. S. Lewis의 표 작품인 ‘반지의 제왕’과 ‘나니아 연 기’와 함께, 마법 타지의 베스트셀 러인 ‘해리포터와 마법사의 돌(1권)’을 추가로 선정하 고, 철학 장르의 경우 철학서의 고 인 라톤의 서 와 칸트, 스피노자의 표 서를 선택하 다. 한 여 성소설 장르의 표작으로 표 여류 작가인 Jordi Picoult의 표 여성 소설로 알려진 ’House Rules'와 함께 고 여성소설의 명사인 Jane Austin 의 ’오만과 편견(Pride and Prejudice)'과 ‘Sense and Sensibility)'를 선정하 고, S. F 장르의 표 서 으로 는 S. F 소설의 아버지로 불리우는 표 세 자인 Arthur C. Clarke와 Robert A. Heinlein, 그리고 Isaac Asimov의 표작을 각각 1-2권 선정하 다. 선정된 각 장르별 표 서 은 [표 3]과 같다. 장르 선정된 각 장르별 표 서 판타지 (Fantasy) Lord of The Ring / by J.R.R. Tolkien Narnia - The Lion, the Witch and the Wardrobe / C. S. Lewis Harry Potter and the Sorcerer's Stone / J.K. Rowling 철학 (Philosophy) Apology, Crito and Phaedo / Plato Critique of Pure Reason / Immanuel Kant The Ethics / Benedict de Spinoza 여성소설 (Women's Fiction) Pride & Prejudice / Jane Austen Sense and Sensibility / Jane Austen House Rules / Jodi Picoult S. F (Science Fiction) 2001 - A Space Odyssey / Arthur C. Clarke Childhood's End / Arthur C. Clarke Double Star / Robert A. Heinlein Starship Troopers / Robert A. Heinlein The Currents of Space / Isaac Asimov The Naked Sun / Isaac Asimov 표 3. 각 장르별 대표 책 선정 4가지 장르빈도사 을 만든 결과, [표 4]와 같이 문장 을 구성하는 필수 인 요소로서의 기본 단어( 명사, 치사, 속사 등)가 자연스럽게 높은 순 를 차지하 고 있음을 알 수 있다. 따라서 이것만으로는 각 장르별 단어의 독자성을 단하기에는 무리가 있기 때문에, 이 러한 보편 단어들을 제외한 장르 특유의 독자성을 강 하게 띄는 단어들을 별해내는 과정을 거쳐야 한다. 순 타지 철학 여성소설 S. F 1 the 17529 the 23407 the 14587 the 21024 2 and 11165 of 18009 to 10886 to 10193 3 of 7202 to 10544 i 10791 of 10032 4 to 6673 and 8859 and 10332 and 9822 5 a 6243 in 8842 of 8486 a 9472 6 he 5078 is 8097 a 7915 i 7102 7 in 4437 a 6965 her 5432 it 6997 8 it 4380 that 5919 in 5070 was 6784 9 was 4154 it 5133 you 4975 he 6632 10 i 3795 as 4953 it 4839 that 6108 … …… 표 4. 장르별 단어 빈도 순위 4. 장르독자성사전 제작 앞서 제작한 장르빈도사 에서 보편 단어를 제외한 각 장르 특성을 갖는 단어를 빈도순으로 간추려 ‘장 르독자성사 ’을 제작한다. 각 장르빈도사 과 보편빈 도사 의 데이터베이스를 비교하여 특정 장르 사 에 서만 등장하는 특이 단어를 골라내어 장르만의 독자성 을 보여주는 단어를 추출한다. 이는 체 사 에 비해 장르 사 에서 격히 순 가 올라가는 단어, 즉 빈도 순 상승의 거리 값(distance)으로 순 를 정한 단어들 의 집합이 된다. [그림 5]와 같이, 보편빈도사 에서 하 빈도수로 랭크되었던 ‘wizard’나 ‘wand’같은 단어가 타지 장르빈도사 에서는 높은 순 에 자리 잡고 있 다. 이와 같은 경우, 해당 단어는 상승분(두 사 비교 순 가 상승된 정도)에 따라 장르독자성사 에 순차 으로 기록된다. 한국콘텐츠학회논문지 '12 Vol. 12 No. 558 그림 5. 보편빈도사전과 장르빈도사전의 단어 순위 비교 과정 [표 5]는 각 장르별로 각각의 특이 단어를 모은 장르 독자성사 의 일부이다. 각 장르독자성사 을 살펴보 면 각 장르별로 각각의 특이 단어가 에 띈다. 기 상 빈도를 가진 단어는 선정된 장르별 표 책들에서 사용되는 고유 명사가 부분이지만(철학 장르는 외), 이후로는 각 장르별로 특화된 단어들이 지속 으 로 등장하는 것을 볼 수 있다. 순 타지 철학 여성소설 S. F 1 harry therefore kate baley 2 frodo conception elinor daneel 3 gandalf object anna rik 4 ron experience marianne terens 5 sam existence edward bonforte 6 hagrid pure rochester karellen … … … … … 41 wizard necessarily behaviour trantor 42 journey regard obliged bugs 43 legolas proposition engagement discovery … … … … … 표 5. 장르별 특이 단어를 모은‘장르독자성사전’의 일부 5. 장르근접도 추출 이제 4개의 장르별로 각 장르의 특성을 강하게 갖는 단어들로 이루어진 장르독자성사 을 기 으로 임의의 책을 입력하여 그 책에 사용된 단어들과 각 장르독자성 사 을 비교하는 과정을 통하여 그 책이 어떤 장르에 가까운지를 도출하고자 한다. 이를 해 앞서 언 한 단어 빈도수 추출 로그램을 통하여 입력 책의 단어를 빈도순으로 정리한 단어 사 을 만들고, 이를 각 장르독자성사 에 등재된 단어들과 비교하는 로세스를 행하도록 알고리즘을 설계하 다. 임의의 입력 서 에 있는 단어가 각 장르독자성사 에서 발견될 경우, 이를 ‘Word-Hit’이라 칭하고, 각 동일 단어 사이의 순 의 차이를 구하여 그 값의 평균 을 ‘Average Word Distance’라 명명하 다. 결국 특정 장르와 입력 책 간의 ‘Average Word Distance’ 값이 작 을수록, 그리고 Word-Hit이 높을수록 입력 서 이 해 당 장르와 유사한 단어의 쓰임을 갖는다고 측할 수 있다. [표 6]은 임의의 7권의 서 들에 해 장르 근 도를 계산한 결과이다. 실험을 해 선정된 책은 각각 가족 이면서도 타지 성격을 보이는 Lewis Carroll의 ‘Alice's Adventures in Wonderland(이상한 나라의 앨 리스)’와 S. F 서 이면서도 철학 인 사고가 돋보이는 Stanislaw Lem의 ‘Solaris(솔라리스)’, 그리고 타지 소설의 표작인 J. K. Rowling의 ‘Harry Potter and the Prisoner of Azkaban(해리포터와 아즈카반의 죄 수)’, 표 여류소설 작가인 Jodi Picoult의 소설 ‘Nineteen Minutes’, Bertrand Russell의 철학책인 ‘The Analysis of Mind(정신분석)’, 그리고 Adam Smith의 ‘An Inquiry into the Nature and Causes of the Wealth of Nations(국부론)’, 가족 소설의 고 으로 자매들 간 의 이야기를 다루고 있는 Louisa May Alcott의 ‘Little Women(작은 아씨들)’이다. 입력된 7권의 책들에 한 장르 근도 추출 결과 7 권 모두 외 없이 우리가 일반 으로 인식하고 있는 장르와 일치하는 결과를 보이고 있을 뿐 아니라, ‘Solaris’와 같이 S. F이면서도 철학 인 내용을 동시에 갖는 책의 경우 철학 장르와 S. F 장르 모두 연 성이 있는 것으로 나타나, 한 책에 한 복합 장르 성격까 지 유추할 수 있었다. 이러한 실험 결과를 바탕으로, 4장에서는 본 장에서 언 한 일련의 과정을 통해 결과 으로 도출된 각 장르 별 근 도를 데이터로 하여 이를 시각 요소로 치환시 켜 책의 장르를 직 으로 나타낼 수 있는 시각화 기 법에 해 제안한다. 장르 판별 알고리즘을 이용한 책 장르 시각화 59 장르 제목 Word - Hit Word Average Distance 타지 철학 여성소설 S. F 타지 철학 여성소설 S. F 판타지 Alice's Adventures in Wonderland 274** 188 229* 108 116.03* 116.34* 117.45 118.13 Harry Potter (book 3) 350** 128 208* 120 115.06** 121.31 120.74 119.28 S. F Solaris 127 374** 243 307* 119.55 119.14* 119.51 118.05** 철학 The Analysis of Mind 82 880** 467 355 116.82 90.79** 113.36 114.30 Inquiry into the Naturea 125 687** 600 288 116.41 103.88** 110.85 114.06 여성소설 Nineteen Minutes 86 145 270** 115 119.41 121.50 118.46* 120.17 Little Women 190 267 525** 153 119.07 118.66* 118.54* 119.74 표 6. 각 입력 책에 대한 Word-Hit과 Average Word Distance 추출 결과 Ⅳ. 장르 시각화 및 분석 1. 장르 시각화 설계 본 연구에서는 임의의 서 텍스트가 갖는 장르 특 성을 시각화하는 방법으로서 앞서 도출된 각 장르독자 성 사 에 포함된 단어의 수와 함께 앞서 도출된 Average Word Distance를 통해 알 수 있는 4가지 장르 에 한 각 장르별 근 도를 요소로 하여 서 텍스트 사용 단어 기반의 장르 정보를 직 으로 표 하는 것 을 최종 목표로 하 다. 따라서 이를 해 시각 으로 표 되어야 할 필수 속성은 다음과 같다. 1) 장르독자성사 에 포함된 단어 2) Average Word Distance를 통해 알 수 있는 4가지 장르에 한 각 장르별 근 도 본 시각화의 독창성 차별 은, 한 권의 책이 갖는 4가지 장르별 독자 단어와 그 장르 근 도가 하나의 이미지로 표 함으로써, 더 높은 장르 근 도를 갖는 장르 속성이 시각 으로 비되어 드러나도록 설계 하고자 하 다는 이다. 따라서 각 장르별로 임의의 색상을 할당하여 각 장르의 장르독자성 사 에 포함된 단어들과 각 장르별 근 도를 시각 으로 표 하고자 하 다. 색상의 할당은 [표 7]과 같다. 각 장르별 색상을 [표 7]과 같이 할당한 후, 각 장르별 독자성사 에 있는 단어들과, 그 단어들의 장르 근 도 를 시각 으로 표 하기 해서 임의의 한 책에서 각 장르독자성사 에 포함된 단어가 나타날 경우 그 단어 를 하나의 (dot)으로 표 하되, 발견된 장르독자성사 에 해당하는 장르의 할당 색상을 갖도록 설계하 다. 그리고 각 단어에 해 각 장르독자성사 에서 높은 순 에 치할수록 의 크기가 미세하게 커지면서 명도 가 높아지도록 조정하 다. 이 게 분산된 으로만 표 할 경우 체 으로 각 장르별 근 도를 명확하게 구 분하기 어렵게 될 수 있으므로, 같은 색상을 갖는 두 들을 하나의 선으로 연결하되 상 으로 더 많은 Word-Hit을 갖는 장르일수록 시각 으로 더 두드러지 게 표 될 수 있도록 [그림 6]과 같이 베지어 곡선 (Bezier Curve)1)으로 표 하 고, 그 곡률을 상 으 로 더 크게 할당하 다. 한 도출된 Word-Hit과 Average Word Distance로 별된 각 장르별 근 도가 낮을수록 더욱 흐릿하게 표 하여(blur effect) 그 시각 감도가 낮아지도록 함으로써, 결국 최종 이미지에서 가장 높은 근 도를 갖는 장르의 과 라인의 색상이 상 으로 더욱 에 띌 수 있도록 설계하 다. 장르 색상 판타지 주황 철학 보라 S. F 파랑 여성소설 노랑 표 7. 각 장르별 색상 할당 1) n개의 으로부터 얻어지는 n − 1차 곡선 한국콘텐츠학회논문지 '12 Vol. 12 No. 560 책 시각화 이미지 Harry Potter (book 3) by J. K. Rowlling The Analysis of Mind by Bertrand Russell Solaris by Stanislaw Lem 표 8. 임의의 책 4권에 대한 시각화 결과 이미지그림 6. 같은 색상의 점(dot)을 장르별 근접도에 따라 각 기 다른 곡률의 베지어 곡선(Bezier Curve)으로 연결한 모습 2. 시각화 결과 및 분석 앞서 설계한 장르 근 도 표 을 한 시각화 방법론 의 타당성 효율성 단을 해 의 3장에서 장르 근 도 계산을 해 임의로 선정된 각 장르 서 들 각각 한 권 씩을 선정한 후, 제안된 시각화 방법을 용 한 각각의 결과 이미지를 도출하 다. 실험을 한 각 장르별 표 서 으로는 타지의 경우 ‘해리포터 3권’, 철학서 으로는 B. Russeell의 ‘마음의 분석(The Analysis of Mind), S. F 장르로서 Stanislaw Lem의 ’ 솔라리스(Solaris)', 여성소설로는 Luisa May Alcott의 ‘작은 아씨들(Little Women)'을 각각 선정하 다. [표 8]은 선정된 각 장르 서 에 한 시각화 결과 이 미지를 책의 제목과 함께 정리한 것이다. 각각의 시각 화 이미지를 살펴보면, 먼 ‘Harry Potter 3권(해리포 터와 아즈카반의 죄수)’의 경우 반 으로 붉은 계열 로 나타나 타지 소설의 성격을 강하게 나타내고 있음 을 알 수 있다. 그리고 Russell의 표 인 철학 서인 ‘Analysis of Mind(마음의 분석)’의 경우 체 으로 푸 른색을 갖는데, 다른 결과 이미지들과 비교해 볼 때 표색(가장 두드러지는 색상)을 갖는 의 개수가 상 으로 많은 것을 볼 수 있다. 이는 철학 장르의 독자성 사 에 포함된 단어들을 다른 책들의 표 장르독자 성사 의 일치 단어들보다 훨씬 그 빈도가 높다는 것을 의미하며, 이는 매우 일반 인 철학 서의 성격을 갖 고 있음을 내포한다. ‘Solaris(솔라리스)’는 일반 장르 분류상 S. F임에도 불구하고 철학 내용을 함께 갖는 책으로, 그 시각화 결과물 한 보라색과 란색이 거 의 비슷하게 나타나, 복합 장르 성격을 알 수 있다. 마지막으로 ‘Little Women(작은 아씨들)’의 경우, 여성 소설 장르의 표색인 노란색이 다른 장르 색상에 비해 상 으로 많이 나타나고 있지만, 그 량은 매우 다는 것으로 미루어볼 때, 해당 장르와 가장 하 지만 그 특성은 강하게 두드러지지는 않는다는 정보까 지도 함께 악할 수 있다. 장르 판별 알고리즘을 이용한 책 장르 시각화 61 Little Women by Louisa May Alcott Ⅴ. 결론 본 연구에서는 서 이 갖는 장르 특성을 서 본문 에 직 사용된 단어들을 바탕으로 악해낼 수 있는 방법에 해 고찰하고, 실험을 통한 검증을 토 로 서 장르 시각화의 요소를 도출한 후, 이를 직 이고 효율 으로 시각화하는 방법에 해 서술하 다. 본 서 장르 시각화 연구가 갖는 의의는 다음과 같다. 첫째, 일반 으로 자나 출 사에 의해 주 으로 분류되는 책의 장르를 책에 직 사용된 단어 데이터의 분석을 바탕으로 해당 서 의 실질 장르를 단하는 방법론에 하여 제안하고, 이를 검증하 다. 둘째, 도출된 장르 근 도를 바탕으로 제안된 시각화 결과 이미지를 통해 해당 서 이 갖는 장르 근 도 정 보를 한 에 직 으로 악할 수 있다. 셋째, 시각화 결과 이미지를 통해 한 책이 갖는 복합 장르 특성을 알 수 있음과 동시에, 이미지 내의 (dot)의 개수와 곡선의 곡률, 밝기 등을 통해 표 장르 로 악된 장르의 근 도(유사도)를 짐작할 수 있다. 나아가 본 연구에서 제안된 시각화 연구 로세스는 개별 소비자 자신이 선호하는 서 들에 한 개인별 선 호 서 ( 는 장르) 이미지를 제공하는 등 서 추천 시 스템 등의 북 커스터마이징(book customizing) 서비스 분야에도 다양하게 활용될 수 있다는 에서 연구의 가 치를 갖는다. 참 고 문 헌 [1] H. Kim and J. W. Park, "Textual Visualization based on Readability," Proceeding of ACM SIGGRAPH Asia 2011, 2011. [2] 김효 , 박진완, “텍스트의 난이도 악을 한 가 독성 정보의 시각화”, 한국디지털디자인학회, Vol.12, No.2, 2012. [3] T. Legan and L. Becker, "Visualizing the Text of Philip Pullman's Trilogy "His Dark Materials," Proceeding of NordiCHI 2010, 2010. [4] http://chrisharrison.net/index.php/Visualizations/ BibleViz [5] http://itsbeenreal.co.uk/index.php?/wwwords/ about-this-project/ [6] http://textarc.org/ [7] www.amazon.com 저 자 소 개 김 효 영(Hyoyoung Kim) 정회원 ▪2006년 8월 : 성신여자 학교 미 디어정보학부(공학사) ▪2010년 8월 : 앙 학교 첨단 상 학원 상학과( 상학석사) ▪2010년 9월 ～ 재 : 앙 학교 첨 단 상 학원 상학과 박사과정 < 심분야> : 데이터 시각화, 정보 시각화 박 진 완(Jin Wan Park) 정회원 ▪1995년 2월 : 앙 학교 컴퓨터 공학과(공학사) ▪1998년 : Pratt CGIM Computer Media(MFA) ▪2003년 3월 ～ 재 : 앙 학 교 첨단 상 학원 교수 < 심분야> : Art&Technology, Procedural Animation << /ASCII85EncodePages false /AllowTransparency false /AutoPositionEPSFiles true /AutoRotatePages /All /Binding /Left /CalGrayProfile (Dot Gain 20%) /CalRGBProfile (sRGB IEC61966-2.1) /CalCMYKProfile (U.S. Web Coated \050SWOP\051 v2) /sRGBProfile (sRGB IEC61966-2.1) /CannotEmbedFontPolicy /Warning /CompatibilityLevel 1.4 /CompressObjects /Tags /CompressPages true /ConvertImagesToIndexed true /PassThroughJPEGImages true /CreateJDFFile false /CreateJobTicket false /DefaultRenderingIntent /Default /DetectBlends true /ColorConversionStrategy /LeaveColorUnchanged /DoThumbnails false /EmbedAllFonts true /EmbedJobOptions true /DSCReportingLevel 0 /EmitDSCWarnings false /EndPage -1 /ImageMemory 1048576 /LockDistillerParams false /MaxSubsetPct 100 /Optimize true /OPM 1 /ParseDSCComments true /ParseDSCCommentsForDocInfo true /PreserveCopyPage true /PreserveEPSInfo true /PreserveHalftoneInfo false /PreserveOPIComments false /PreserveOverprintSettings true /StartPage 1 /SubsetFonts true /TransferFunctionInfo /Apply /UCRandBGInfo /Preserve /UsePrologue false /ColorSettingsFile () /AlwaysEmbed [ true ] /NeverEmbed [ true ] /AntiAliasColorImages false /DownsampleColorImages true /ColorImageDownsampleType /Bicubic /ColorImageResolution 300 /ColorImageDepth -1 /ColorImageDownsampleThreshold 1.50000 /EncodeColorImages true /ColorImageFilter /DCTEncode /AutoFilterColorImages true /ColorImageAutoFilterStrategy /JPEG /ColorACSImageDict << /QFactor 0.15 /HSamples [1 1 1 1] /VSamples [1 1 1 1] >> /ColorImageDict << /QFactor 0.15 /HSamples [1 1 1 1] /VSamples [1 1 1 1] >> /JPEG2000ColorACSImageDict << /TileWidth 256 /TileHeight 256 /Quality 30 >> /JPEG2000ColorImageDict << /TileWidth 256 /TileHeight 256 /Quality 30 >> /AntiAliasGrayImages false /DownsampleGrayImages true /GrayImageDownsampleType /Bicubic /GrayImageResolution 300 /GrayImageDepth -1 /GrayImageDownsampleThreshold 1.50000 /EncodeGrayImages true /GrayImageFilter /DCTEncode /AutoFilterGrayImages true /GrayImageAutoFilterStrategy /JPEG /GrayACSImageDict << /QFactor 0.15 /HSamples [1 1 1 1] /VSamples [1 1 1 1] >> /GrayImageDict << /QFactor 0.15 /HSamples [1 1 1 1] /VSamples [1 1 1 1] >> /JPEG2000GrayACSImageDict << /TileWidth 256 /TileHeight 256 /Quality 30 >> /JPEG2000GrayImageDict << /TileWidth 256 /TileHeight 256 /Quality 30 >> /AntiAliasMonoImages false /DownsampleMonoImages true /MonoImageDownsampleType /Bicubic /MonoImageResolution 1200 /MonoImageDepth -1 /MonoImageDownsampleThreshold 1.50000 /EncodeMonoImages true /MonoImageFilter /CCITTFaxEncode /MonoImageDict << /K -1 >> /AllowPSXObjects false /PDFX1aCheck false /PDFX3Check false /PDFXCompliantPDFOnly false /PDFXNoTrimBoxError true /PDFXTrimBoxToMediaBoxOffset [ 0.00000 0.00000 0.00000 0.00000 ] /PDFXSetBleedBoxToMediaBox true /PDFXBleedBoxToTrimBoxOffset [ 0.00000 0.00000 0.00000 0.00000 ] /PDFXOutputIntentProfile () /PDFXOutputCondition () /PDFXRegistryName (http://www.color.org) /PDFXTrapped /Unknown /Description << /FRA /ENU (Use these settings to create PDF documents with higher image resolution for improved printing quality. The PDF documents can be opened with Acrobat and Reader 5.0 and later.) /JPN /DEU /PTB /DAN /NLD /ESP /SUO /ITA /NOR /SVE /KOR /CHS /CHT >> >> setdistillerparams << /HWResolution [2400 2400] /PageSize [612.000 792.000] >> setpagedevice