지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 윤현식
- 발행연도
- 2020
- 저작권
- 전남대학교 논문은 저작권에 의해 보호받습니다.
이용수19
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
엔터테인먼트 산업은 불확실성이 크게 내포되어있는 산업으로 대중의 선호를 예측하는 것이 주요한 과제라고 할 수 있다. 최근 다양한 온라인 매체의 발달로 리얼리티 오디션 프로그램이 연일 화제를 일으키며, 연예인 선발의 새로운 창구로 이용되고 있다. 이는 기존의 폐쇄적인 선발 방법에서 대중들에게 선택권을 위임하는 개방형 선발로 변화하고, 대중의 선호가 선발 과정에 반영된다는 특징이 있다. 이에 본 연구는 머신러닝을 활용하여 화제의 중심에 있는 <프로듀스X 101>의 우승자 예측 모형을 구현하여, 문화 산업의 연구 방법을 확장하고 실무적 시사점을 제시하고자 하였다. 이를 위해 <프로듀스 101 시리즈>의 시즌 1 부터 3까지의 우승자 데이터를 수집하였고, Random Forest, Decision Tree, Support Vector Machine(SVM), Neural Network의 총 네 가지 지도학습 알고리즘 가운데, 검증력이 가장 우수하였던 Random Forest를 활용하여 실제 <프로듀스X 101>의 최종 우승자를 예측하였다. 시청자 투표와 참가자 개인 별 인터넷 뉴스 기사량이 우승자 예측의 주요 변수임을 파악하였으며, 예측의 정밀도에 대한 분석을 통해 연구 논의를 확장시켰다.
목차
1. 서론 1가. 연구배경 1나. 연구문제 2다. 연구목적 32. 이론적 배경 및 선행연구 4가. 엔터테인먼트 산업 41) 엔터테인먼트 산업 개관 및 특성 42) 엔터테인먼트 산업과 머신러닝 6나. 연예인 선발 시스템 11다. 리얼리티 오디션 프로그램 131) 개념 및 특성 132) 리얼리티 오디션 프로그램의 흥행 요인 15가) 공정성 15나) 정서적 경험 16다) 상호작용 173) 오디션 우승을 위한 요건 18라. 프로그램 소개: 프로듀스 101 20마. 머신러닝(Machine Learning) 방법론 231) 머신러닝 개념 232) 의사결정나무(Decision Tree) 263) 랜덤포레스트(Random Forest) 284) 서포트벡터머신(Support Vector Machine) 305) 인공신경망(Neural Network) 333. 연구 설계 36가. 데이터 소개 361) 데이터 수집 362) 데이터 전처리 38나. 예측 모형 생성 및 선정 394. 예측 모형 평가 및 선택 39가. 예측 모형 성과 검증 지표 39나. 예측 모형의 검정력 평가 415. 우승자 예측 실행 및 평가 43가. 우승자 예측 43나. 우승자 예측에 영향을 미친 변수 평가 446. 프로그램 논란 및 향후 논의점 457. 결과 토의 및 시사점 50가. 결과 논의 50나. 한계점과 향후 과제 53<참고문헌> 56
최근 본 자료
댓글(0)
0