바로가기메뉴

본문 바로가기 주메뉴 바로가기

logo

  • P-ISSN1013-0799
  • E-ISSN2586-2073

단어 임베딩(Word Embedding) 기법을 적용한 키워드 중심의 사회적 이슈 도출 연구: 장애인 관련 뉴스 기사를 중심으로

A Study on the Deduction of Social Issues Applying Word Embedding: With an Empasis on News Articles related to the Disables

정보관리학회지, (P)1013-0799; (E)2586-2073
2018, v.35 no.1, pp.231-250
https://doi.org/10.3743/KOSIM.2018.35.1.231
최가람 (경기대학교)
최성필 (경기대학교)

  • 다운로드 수
  • 조회수

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.

참고문헌

1

김성진. (2017). 딥러닝 기반의 뉴스 분석을 활용한 주제별 최신 연관단어 추출 기법 (873-876). 한국정보처리학회 2017년 춘계학술발표대회.

2

김우생. (2014). 주성분 분석과 k 평균 알고리즘을 이용한 문서군집 방법. 한국정보통신학회논문지, 18(3), 625-630. http://dx.doi.org/10.6109/jkiice.2014.18.3.625.

3

김일환. (2011). 대규모 신문 기사의 자동 키워드 추출과 분석 -t-점수를 이용하여-. 한국어학, 53, 145-194.

4

신동혁. (2016). K-평균 클러스터링을 이용한 네트워크 유해트래픽 탐지. 한국통신학회논문지, 41(2), 277-284.

5

안희정. (2015). 키워드 가중치 방식에 근거한 도서 본문 주제어 추출 (19-22). 한국컴퓨터정보학회 학술발표논문집.

6

이성직. (2009). TF‐IDF의 변형을 이용한 전자뉴스에서의 키워드 추출 기법. 한국전자거래학회지, 14(4), 59-73.

7

정다미. (2013). 사회문제 해결형 기술수요 발굴을 위한키워드 추출 시스템 제안. 지능정보연구, 19(3), 1-23.

8

조태민. (2015). LDA 모델을 이용한 잠재 키워드 추출. 한국지능시스템학회 논문지, 25(2), 180-186.

9

한국정보화진흥원. (2015). 2015 정보격차 실태조사. 미래창조과학부.

10

Beliga, S.. (2015). An overview of graph-based keyword extraction methods and approaches. Journal of Information and Organizational Sciences, 39(1), 1-20.

11

David M. Blei. (2012). Probabilistic topic models. Communications of the ACM, 55(4), 77-84. http://dx.doi.org/10.1145/2133806.2133826.

12

Harris, Z. S.. (1954). Distributional structure. Word, 10(2-3), 146-162.

13

Mikolov, T.. (2013). Efficient estimation of word representations in vector space (-). International Conference on Learning Representation 2013.

14

Mikolov, T.. (2013). Linguistic regularities in continuous space word representations. NAACL-HLT (746-751). NAACL-HLT.

15

Rong, X.. (2014). Word2vec parameter learning explained. arXiv preprint arXiv:1411.2738. http://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html#sklearn.cluster.KMeans.

16

(2018). Tensorflow Motivation: Why learn word embeddings?. https://www.tensorflow.org/tutorials/.

정보관리학회지