TF-IDF 알고리즘의 분석법을 활용한 브랜드 디자인 프로세스 개발 연구

Abstract

본 연구는 새로운 산업혁명의 구조적 변화에 맞춰다양한 산업 속에서 빅 데이터를 다루기 위한 기술개발이 활발하게 이루어지고 있는 시대적 배경을 가지고 있다. 하지만 전통적인 산업을 가지고 있는 디자인구조 또한 신속하게 성장하는 다양한 산업과 경제구조의 변화에 맞춰 대대적인 변화가 필요하다고 생각한다. 이 전통적인 디자인 산업의 변화를 위해서는감성적인 텍스트를 통계적 키워드로 변화시켜줄 수리적 알고리즘과 데이터 분석에 대한 비교⋅탐색이 매우 필요하다. 본 연구는 전통적 디자인 프로세스의 문제 인식을기반으로 다른 산업분야에서 사용되는 트렌드 빈도분석을 도출하는 알고리즘과는 다르게 사용자 심리, 색채, 조형 등 다양한 문서 내에서 유의미한 디자인키워드를 도출하여 소비자들에게 가장 많은 빈도로이용되는 대중화를 기반으로 한 텍스트 추출 모델인TF-IDF의 자연어 처리 분석 알고리즘을 연구⋅조사하여 선정하였다. 이러한 자연어 분석 알고리즘의 개발 목적은 경영, 마케팅, 기획 산업에 활용되는 트렌드 분석 모델과 자연어 분석 모델을 결합하면 디자인산업에 더 큰 기대효과를 낼 것이라고 생각하여 위와같이 선정하였다. 그 결과, TF-IDF의 분석법을 활용하면 디자인 산업에서의 디자이너가 의미 있는 정확한 키워드를 신속하게 찾아내어 도움을 줄 수 있을 것이라는 결과를 발견할 수 있었다. 새로운 산업구조가 변화하고 증가하는 반면 감성을 중요시 생각하는 디자인 구조에도객관적인 변화가 가능하다는 결과를 얻을 수 있었다. 본 연구에서 디자이너들이 자연어 처리 프로세스를활용하면 입력된 기존 문서 데이터 속 문장 단어를유사도로 활용하여 의미 벡터를 결합하고 다시 디자인 문서를 벡터화하여 디자이너가 원하는 감성 데이터의 주요 문장을 키워드로 도출하는 방법을 평가하는 방식으로 본 연구의 성과와 결과를 얻을 수 있었다. 본 연구의 실험 결과로 기존 디자이너의 시간적효율을 향상시키는 디자인산업의 새로운 발전과 방향성을 제언하고자 한다.

This study has an age background in which technology development is actively being carried out to deal with big data in various industries in line with the structural changes of the new industrial revolution. However, I think that design with traditional industries also needs to make sweeping changes to accommodate the fast-growing variety of industrial and economic structures. This traditional design industry change requires a great deal of comparison and exploration of mathematical algorithms and data analysis that will transform emotional text into statistical keywords. Unlike algorithms that derive trend frequency analysis used in other industries based on the recognition of problems in traditional design processes, this study seeks to derive and use meaningful design keywords within various documents, such as user psychology, coloring and molding. The mathematical model was chosen by studying and examining the natural language processing analysis method of TF-IDF, a text extraction algorithm based on the most commonly used popularized data. The purpose of the development of these natural language analysis algorithms was chosen as above, thinking that combining trend analysis models and natural language analysis models used in the management, marketing and planning industries would have greater expected effects on the design industry. As a result, using TF-IDF’s analysis methods, designers in the design industry could quickly find and help out meaningful and accurate keywords. While new industrial structures have changed and increased, objective changes have been possible in design structures that value sensibility. The results and results of this study were obtained by designers using natural language processing processes to evaluate how to combine semantic vectors and vectorize design documents to derive key sentences of desired emotional data into keywords by using sentence words in data in existing documents entered in a similar way. As a result of the experiment of this study, I would like to suggest the new development and direction of the design industry that improves the time efficiency of existing designers.