Online entertainment contents are abundant and growing every day. In this era of Web 2.0, finding a right movie title using a current search engine is often challenging, if not frustrating. In this paper, a new movie retrieval model that supports semantic movie search is proposed. Prior research on movie title retrieval has mainly focused on utilizing structured or semistructured data. However, most user queries for searching movies are based on the movie plot, rather than its metadata. As a remedy to this problem, the new movie retrieval model proposes a new way of elaborately reflecting associative relations between multiple key terms that exist in the movie plot, in order to improve search performance when users enter more than one keyword. More specifically, the present model exploits knowledge structure that consists of concepts and their relations derived from the movie plot. Using the search query terms entered by the Amazon Mechanical Turk users as the golden standard, experiments were conducted to compare the proposed retrieval model with the extant state-of-the-art retrieval models. The experimental results show that the proposed retrieval model based on knowledge structure outperforms the baseline techniques. The findings have practical implications for semantic search of movie titles in particular and online entertainment contents in general.
온라인 상에서 접할 수있는 엔터테인먼트 컨텐츠의 양은 풍부하고, 매일 증가하고 있다. 이러한 웹 2.0 시대에, 현재 존재하는 검색 엔진을 사용하여 원하는 영화의 제목을 찾는 것은 쉽지가 않다. 따라서 본 논문에서는 시맨틱 영화 검색을 지원하는 새로운 영화 검색 모델을 제시한다. 이전의 연구에서는 영화 제목을 검색하기 위해 주로 구조화된 데이터 혹은 반구조화된 데이터를 활용하였다. 그러나 사용자들이 영화를 검색하기 위해 입력하는 질의어의 대다수는 영화 줄거리와 관련되어 있다. 이러한 문제에 대한 해결책으로, 영화 줄거리 상에서 핵심 키워드 간의 연관 관계를 고려한 새로운 검색 모델을 제시한다. 보다 구체적으로, 본 논문에서 제시하는 모델은 개념들과 그들관의 관계에 관한 지식구조를 활용한다. 본 모델을 최신 검색 모델과 비교하기 위해, 아마존 Mechanical Turk 사용자들이 입력한 질의어를 바탕으로 실험을 진행하였다. 실험 결과, 본 논문에서 제시하는 지식구조 기반의 검색 모델이 최신 모델에 비해 좋은 성능을 보이는 것을 알 수 있었다. 이러한 결과는 본 연구에서 제시하는 검색 모델이 시맨틱 영화 검색과 온라인 상의 언터테인먼트 컨텐츠를 검색하기 위해 실질적으로 사용될 수 있음을 암시한다.
