Voo-ong

감독과 주연 배우를 넘어,
음악·촬영·무술 등 제작진의 숨결까지 분석하는 취향 발견

자세히 보기

About Project

Voo-ong Logo

Voo-ong은 영화를 구성하는 수많은 제작진(Crew)의 데이터를 심층 분석하여
사용자가 미처 발견하지 못한 취향의 디테일(영상미, OST, 액션 스타일 등)을 찾아내는 추천 시스템입니다.


💡 Logo Concept
Voo-ong의 로고는 '지혜'의 상징인 부엉이와 영화 필름 릴을 결합하여 디자인되었습니다.

🎬 제작진(Crew) 중심

감독과 주연 배우뿐만 아니라, 음악, 촬영, 조명, 무술 감독 등 영화의 '결'을 만드는 숨은 주역들을 분석합니다.

💾 방대한 데이터 처리

단순 평점이 아닌, 영화 크레딧(Credit)의 방대한 인물 정보를 Hadoop 생태계로 수집 및 분산 처리합니다.

🔍 취향의 재발견

"나는 한스 짐머의 웅장함과 로저 디킨스의 색감을 좋아해"와 같은 구체적이고 섬세한 취향을 찾아냅니다.

Why & How

The Problem

  • 제한된 정보: 기존 추천은 주로 감독이나 주연 배우(Star Power)에만 의존함
  • 스타일 무시: 영화의 분위기를 결정하는 음악, 촬영 기법, 액션 합 등은 고려되지 않음
  • 취향의 불일치: "배우는 좋은데 영화 때깔(영상미)이 내 스타일이 아냐"라는 경험 발생
  • Hidden Gem 누락: 유명하지 않은 배우가 나와도 내 취향의 제작진이 만든 명작을 놓침

The Solution

  • 데이터 확장 (Crew Expansion):
    • 🎼 음악 감독: 선호하는 OST 분위기 분석
    • 🎥 촬영 감독: 색감, 앵글 등 영상미 취향 분석
    • 🥋 무술 감독: 선호하는 액션 스타일(현실적 vs 화려함) 매칭
  • 관계형 분석: 특정 제작진 조합(Director + Cinematographer)과 사용자 평점의 상관관계 학습
  • 정밀 타겟팅: "이 촬영감독이 참여한 다른 영화"를 추천 목록으로 제시

Tech Stack

Infrastructure & OS

  • Microsoft Azure (Cloud)
  • VirtualBox
  • CentOS 7 (Linux)

Big Data

  • Hadoop (HDFS)
  • Hive (Data Warehouse)
  • Sqoop (Data Ingest)
  • Apache Ambari / Cloudera

AI & Data Science

  • Python
  • TensorFlow / Keras
  • Scikit-learn
  • Pandas / NumPy

Web & DB

  • MySQL (RDBMS)
  • Nginx (Web Server)
  • Node.js (App Server)
  • HTML/CSS

Development Process

1. 환경 구축

Azure 클라우드 및 VirtualBox에 CentOS 7 환경 구성. SSH 보안 설정 및 네트워크 구성.

2. 빅데이터 플랫폼 구축

Hadoop 클러스터 구축 (Ambari, Cloudera Manager 활용). MySQL, Hive, Sqoop 연동을 통한 데이터 파이프라인 설계.

3. 데이터 수집 및 전처리

IMDb, MovieLens에서 Credit(제작진) 데이터 크롤링. 음악/촬영/무술 감독 등 주요 스태프 정보 정제 및 Tagging, One-hot Encoding 수행.

4. 머신 러닝 모델 개발

Multi-label Classification 모델 설계. SGD, Adam, Nadam 최적화 알고리즘 비교 분석 및 튜닝.

Project Result

부족한 리소스와 짧은 기간에도 불구하고 유의미한 성과를 달성했습니다.

Accuracy: 0.868

Adam Optimizer 기준 훈련/검증 정확도 약 86.8% 달성
2,800만 건의 데이터 분산 처리 및 학습 성공