- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
국가기록원의 기록정보콘텐츠는 사회적 관심이나 열람 요청이 많은 주제에 대해 신뢰성 있는 기록물을 누구나 쉽게 활용할 수 있도록 정리한 것이다. 그러나 기록정보콘텐츠를 이용하는데 접근성의 어려움, 상세정보부족, 사용 용이성과 흥미 유도성이 낮은 전달방식, 맞춤형 콘텐츠 부족 등의 이슈가 대두되었다. 이에 대한 타개책으로 본 연구에서는 유튜브(YouTube) 채널을 통한 기록정보콘텐츠의 활용방안을 제안한다. 이를 위해 국가기록원 기록정보콘텐츠의 서비스 현황과 문제점을 분석하고, 해외 유사 기관의 영상콘텐츠 활용 현황과 비교․분석하였다. 나아가 구체적인 유튜브 채널을 통한 기록정보콘텐츠 영상화 프로세스를 제안하고 예시를 적용하였다. 이를 통해 국가기록원 기록정보콘텐츠의 인지도와 활용성이 제고되기를 기대한다.
Abstract
The archival contents of the National Archives of Korea are organized so that anyone can easily use the records with a lot of social interest or request for reading. However, there are some problems in accessibility of archival contents, lack of detailed information, difficult to use and less interesting delivery method, and lack of customized content. As an alternative to this, this study proposed the utilization method of the archival contents of the National Archives through YouTube channel. For this purpose, we analyze the status and problems of the archival contents of the National Archives and understand the contents of the YouTube channel of the foreign agencies and the National Archives, and evaluate and compare them. Based on this, we propose and apply the process of the archival contents visualization using YouTube. Through this, We expect that the recognition and usability of the contents information of the National Archives of Records will be improved.
초록
본 논문에서는 온라인 뉴스 기사에서 자동으로 추출된 키워드 집합을 활용하여 특정 시점에서의 세부 주제별 토픽을 추출하고 정형화하는 새로운 방법론을 제시한다. 이를 위해서, 우선 다량의 텍스트 집합에 존재하는 개별 단어들의 중요도를 측정할 수 있는 복수의 통계적 가중치 모델들에 대한 비교 실험을 통해 TF-IDF 모델을 선정하였고 이를 활용하여 주요 키워드 집합을 추출하였다. 또한 추출된 키워드들 간의 의미적 연관성을 효과적으로 계산하기 위해서 별도로 수집된 약 1,000,000건 규모의 뉴스 기사를 활용하여 단어 임베딩 벡터 집합을 구성하였다. 추출된 개별 키워드들은 임베딩 벡터 형태로 수치화되고 K-평균 알고리즘을 통해 클러스터링 된다. 최종적으로 도출된 각각의 키워드 군집에 대한 정성적인 심층 분석 결과, 대부분의 군집들이 레이블을 쉽게 부여할 수 있을 정도로 충분한 의미적 집중성을 가진 토픽들로 평가되었다.
Abstract
In this paper, we propose a new methodology for extracting and formalizing subjective topics at a specific time using a set of keywords extracted automatically from online news articles. To do this, we first extracted a set of keywords by applying TF-IDF methods selected by a series of comparative experiments on various statistical weighting schemes that can measure the importance of individual words in a large set of texts. In order to effectively calculate the semantic relation between extracted keywords, a set of word embedding vectors was constructed by using about 1,000,000 news articles collected separately. Individual keywords extracted were quantified in the form of numerical vectors and clustered by K-means algorithm. As a result of qualitative in-depth analysis of each keyword cluster finally obtained, we witnessed that most of the clusters were evaluated as appropriate topics with sufficient semantic concentration for us to easily assign labels to them.