Visualization of movie recommendation system using the sentimental vocabulary distribution map

This paper suggests a method to refine a massive collective intelligence data, and visualize with multilevel sentiment network, in order to understand information in an intuitive and semantic way. For this study, we first calculated a frequency of sentiment words from each movie review. Second, we designed a Heatmap visualization to effectively discover the main emotions on each online movie review. Third, we formed a Sentiment-Movie Network combining the MDS Map and Social Network in order to fix the movie network topology, while creating a network graph to enable the clustering of similar nodes. Finally, we evaluated our progress to verify if it is actually helpful to improve user cognition for multilevel analysis experience compared to the existing network system, thus concluded that our method provides improved user experience in terms of cognition, being appropriate as an alternative method for semantic understanding.                       소셜 네트워크 분석(Social Network Analysis)은 네트워크가 가지는 고유의 구조 및 관계를 분석하여 사회적 기능 문제를 파악하고 해결하는 데 큰 역할을 한다. 따라서 데이터의 유사도를 기반으로 형성되는 네트워크 분석 및 사회 과학적 현상의 네트워크 분석, 그래프 이론, 추천시스템 등 광범위한 분야에서 활용되고 있다. 특히 네트워크 그래프를 그리는 대표적인 레이아웃 알고리즘인 Force-directed layout은 관련 있는 노드 간의 클러스터를 형성하게 함으로써 네트워크 분석을 위한 그래프를 그리는 데 유용하다[1]. 그러나 Force-directed layout을 통해 그려지는 그래프는 노드 위치의 초깃값이 무작위로 설정되고, 노드 사이의 상대적인 관계에 따라 최종위치를 결정하기 때문에 데이터가 추가되거나 그래프를 새로 그릴 때마다 노드의 위치가 달라지는 문제점이 있다. 따라서 네트워크를 관찰하려는 사용자는 시스템에 대한 학습을 반복해야하는 불편함이 생긴다. (그림 1 참고) 이러한 문제점은 네트워크를 이루고 있는 데이터의 양이 많아질 때 네트워크 해석에 큰 장애요소가 될 수 있다. 또한, Force–directed layout을 그대로 적용하여 데이터를 시각화 한다면, 노드들의 위치가 달라진다는 문제로 인해서 집단 지성 정보의 의미 전달력을 상실할 가능성이 있다.