New_Musical_Genre

본 연구는 경희대학교 "데이터분석캡스톤디자인" 수업에서 진행되었습니다.

Overview

Needs

현재 뮤지컬은 오리지널 / 라이선스 / 창작 뮤지컬로 장르가 나뉘어져 있습니다.
이는 로맨스 / 판타지 / 에세이 등으로 나뉘어진 소설, SF / 코미디 / 공포 / 멜로 등으로 나누어져 있으며 영화와는 달리 장르를 보고 내용을 유추하기 어렵습니다. 공식 티켓 판매처(인터파크 티켓, 예스24 공연 등)에도 역시 관련 장르 구분이 되어있지 않은 것을 볼 수 있습니다.
장르를 모르기 때문에 작품 선택에 제한이 있으며 접근성 역시 떨어집니다. 따라서 인터넷상으로 확인할 수 있는 작품 소개와 시놉시스, 대본, 넘버(노래)를 통해 작품의 특징적인 요소로 장르를 나누어 시각적으로 표현하고자 합니다.

Goals

뮤지컬 작품의 핵심요소를 텍스트 분석을 통해 파악하여 문학적 장르(fantasy, history, romance, social, thriller)로 구분한다. 또한, 분류된 장르를 시각화하는 방법에 대해 연구한다. 학습 데이터는 약 42,306개로, CMU Movie Summary Corpus의 Detaset을 이용합니다. 적용 데이터는 https://broadwaymusicalhome.com/shows.htm 의 홈페이지에서 크롤링한 시놉시스와 줄거리를 기반으로 합니다.

도출된 장르 근접도를 바탕으로 시각화 결과 이미지를 통해 해당 뮤지컬이 갖는 장르 근접도 정보를 한 눈에 볼 수 있다. 시각화 결과 이미지를 통해 한 뮤지컬이 갖는 복합 장르적 특성을 수 있습니다. 뮤지컬 속 다양한 장르의 존재성을 알림과 동시에 매니아 층이 아닌 일반 관객들의 뮤지컬에 대한 접근성을 높일 수 있습니다. 또한 소비자들이 선호하는 장르를 바탕으로 추천 시스템 등의 서비스 분야에도 다양하게 활용될 수 있습니다.

활용 도구

• 데이터 크롤링 : requests, BeautifulSoup 모듈을 이용해 뮤지컬 작품설명, 줄거리 등의 텍스트 크롤링
• 자연어 처리 : NLTK 패키지를 통한 형태소 / 명사 단위로 단어 추출 및 단어 빈도 분석, LSTN
• 장르 분류 : 의사결정나무 모델, RNN, k-nearest neighbor
• 장르 검증 : k-fold 교차 검증
• 장르 시각화 : matplot, Seaborn 패키지를 통한 시각화

Model

• 데이터 수집 : CMU Movie Summary Corpus의 Detaset 42,306개, 뮤지컬 줄거리 255개
• 데이터 전처리 : Detaset 토큰화, 불용어 처리 후 정수 인코딩
• 데이터 분석 : 의사결정나무 모델, RNN, k-nearest neighbor < 연구중
• 데이터 검증 : k-fold 교차검증을 활용하여 장르별 정확도를 확인
• 데이터 시각화 : 분석된 장르를 장르 단어 분포도로 시각화한다.

Schedule

3월

• 주제 선정
  

4월

• 뮤지컬 줄거리 웹 크롤링
• 테스트 데이터 라벨링
  

5월

• 데이터 전처리
  • 토큰화 (완료)
  • 라벨링 (진행중)