[논문 리뷰] MPST: A Corpus of Movie Plot Synopses with Tags

Sudipta Kar, Suraj Maharjan외 2명|arXiv (Cornell University)|2018. 02. 22.

Recommender Systems and Techniques참고 문헌 1인용 수 19

한 줄 요약

이 논문은 장르, 감정, 서사 구조와 같은 플롯 속성 반영하는 71개의 세밀한, 중복되지 않는 태그로 구성된 14,828개의 영화 플롯 개요를 포함하는 대규모 다중 레이블 코퍼스인 MPST를 소개한다. 저자들은 다중 소스 접근 방식을 사용하여 데이터를 수집하고 정제하였으며, 감정 흐름 분 析를 통해 태그의 관련성을 검증하였고, 전통적인 언어적 특징을 사용하여 플롯 텍스트에서 태그를 예측할 수 있음을 보여주어 자동 영화 태깅 및 서사 이해 분야의 기준을 설정한다.

ABSTRACT

Social tagging of movies reveals a wide range of heterogeneous information about movies, like the genre, plot structure, soundtracks, metadata, visual and emotional experiences. Such information can be valuable in building automatic systems to create tags for movies. Automatic tagging systems can help recommendation engines to improve the retrieval of similar movies as well as help viewers to know what to expect from a movie in advance. In this paper, we set out to the task of collecting a corpus of movie plot synopses and tags. We describe a methodology that enabled us to build a fine-grained set of around 70 tags exposing heterogeneous characteristics of movie plots and the multi-label associations of these tags with some 14K movie plot synopses. We investigate how these tags correlate with movies and the flow of emotions throughout different types of movies. Finally, we use this corpus to explore the feasibility of inferring tags from plot synopses. We expect the corpus will be useful in other tasks where analysis of narratives is relevant.

연구 동기 및 목표

• 장르, 감정, 서사 구조와 같은 플롯 관련 속성을 반영하는 세밀하고 중복되지 않는 태그가 부여된 대규모 다중 레이블 영화 플롯 개요 데이터셋을 구축하기 위해.
• 기존 태그 공간의 노이즈와 중복 문제를 해결하기 위해, 여러 노이즈가 있는 소스(예: MovieLens, IMDb)에서의 집계를 통해 정제된, 의미적으로 구분되는 태그셋을 설계하기 위해.
• 태그와 영화 플롯의 감정 흐름 간의 상관관계를 조사하여 태그 할당의 의미적 일관성을 검증하기 위해.
• 플롯 텍스트에서 전통적인 언어적 특징을 사용하여 태그를 예측할 수 있는지의 가능성을 평가하고, 서사 텍스트에서의 다중 레이블 분류 작업을 위한 기준을 설정하기 위해.
• 자동 태그 생성, 추천 시스템, 서사 분석 연구를 지원하기 위해 자유롭게 이용 가능한 고품질 코퍼스를 제공하기 위해.

제안 방법

• Wikipedia에서 플롯 개요를 수집하고 IMDb ID를 통해 영화와 연결함으로써, MovieLens 20M 데이터셋의 태그 할당과 일치시키는 방식으로 MPST 코퍼스를 구축함.
• 반복적인 개선 과정을 통해 71개의 세밀한 태그로 구성된 태그셋을 설계하였으며, 의미적으로 유사한 태그(예: 'cult', 'cult film' → 'cult')를 통합하여 중복을 줄이고 의미의 명확성을 향상시킴.
• MovieLens과 IMDb의 사용자 생성 태그를 집계하여 태그를 영화에 매핑함. 일관성과 노이즈를 해결하기 위해 정규화 및 클러스터링 기법을 적용함.
• 플롯 개요를 수집하고 전처리하여 길이와 품질을 확보함. 이로 인해 평균 986.47단어의 개요가 생성되었으며, 이는 MM-IMDb와 같은 기존 데이터셋(평균 92.5단어)보다 훨씬 길음.
• 플롯 텍스트에서 추출한 전통적인 언어적 특징(예: 품사, 감성, 명시적 실체)을 사용하여 태그 할당을 예측하는 다중 레이블 분류 벤치마크를 훈련함.
• 감정 어휘를 사용하여 플롯 개요의 감정 궤적을 분석하고, 태그 분포와 비교함으로써 의미적 일치를 검증함.

실험 결과

연구 질문

• RQ1 다양한 소스에서 유래한 노이즈가 많은 이질적인 사용자 생성 태그들로부터 체계적으로 세밀하고 중복되지 않는 태그셋을 구성할 수 있는가?
• RQ2 할당된 태그들이 영화 플롯의 감정 흐름과 서사 구조와 어떻게 상관관계가 있으며, 이러한 연관성은 실제 세계의 기대와 일치하는가?
• RQ3 플롯 개요에서 추출한 전통적인 언어적 특징을 통해 다중 레이블 태그를 얼마나 잘 예측할 수 있으며, 이 작업의 기준 성능는 어떠한가?
• RQ4 플롯 개요 길이, 태그의 세밀함, 다중 레이블 커버리지 측면에서 MPST 코퍼스는 기존 데이터셋과 어떻게 비교되는가?
• RQ5 이 코퍼스는 영화 추천, 감정 탐지, 자동 태그 제안과 같은 후행 작업을 지원할 수 있는가?

주요 결과

• MPST 코퍼스는 평균 986.47단어의 길이를 가진 14,828개의 영화 플롯 개요를 포함하고 있으며, 이는 MM-IMDb와 같은 유사한 데이터셋(평균 92.5단어)보다 훨씬 길어 더 풍부한 서사 분석을 가능하게 함.
• 최종 태그셋은 '판타지', '살인', '로맨틱', '플래시백', '정신병' 등과 같은 플롯의 구조, 장르, 감정 경험을 반영하는 71개의 중복되지 않고 의미적으로 구분되는 태그로 구성됨.
• 감정 궤적 분석 결과, 태그 분포는 기대되는 감정 궤적과 일치함 — 예를 들어 '공포'와 '폭력'은 긴장감 상승과 부정적 감정 정점과 연관되며, '로맨틱'과 '코미디'는 더 안정적이거나 긍정적인 패턴을 보임.
• 벤치마크 다중 레이블 분류 시스템은 전통적인 언어적 특징을 사용하여 매크로-F1 점수 0.41을 기록함. 이는 비현실적이지 않은 어려운 기준을 나타냄.
• 세밀하고 검증된 태그 구조와 고품질의 개요 덕분에, 추천 시스템, 감정 탐지, 서사 이해 작업에 강력한 잠재력을 보임.
• 저자들은 MPST가 세밀한 태그와 전문적인 영화 플롯 개요 간의 다중 레이블 연관성을 제공하는 최초의 코퍼스임을 확인함. 이는 서사 NLP 연구 분야에서 중요한 격차를 메우는 데 기여함.