• Smart Structures and Systems
• /
• 제29권2호
• /
• pp.361-374
• /
• 2022

As civil infrastructure has continued to age worldwide, its structural integrity has been threatened owing to material deteriorations and continual loadings from the external environment. Structural Health Monitoring (SHM) has emerged as a cost-efficient method for ensuring structural safety and durability. As SHM research has gradually addressed an increasing number of structure-related problems, it has become difficult to understand the changing research topic trends. Although previous review papers have analyzed research trends on specific SHM topics, these studies have faced challenges in providing (1) consistent insights regarding macroscopic SHM research trends, (2) empirical evidence for research topic changes in overall SHM fields, and (3) methodological validations for the insights. To overcome these challenges, this study proposes a framework tailored to capturing the trends of research topics in SHM through a bibliometric and network analysis. The framework is applied to track SHM research topics over 15 years by identifying both quantitative and relational changes in the author keywords provided from representative SHM journals. The results of this study confirm that overall SHM research has become diversified and multi-disciplinary. Especially, the rapidly growing research topics are tightly related to applying machine learning and computer vision techniques to solve SHM-related issues. In addition, the research topic network indicates that damage detection and vibration control have been both steadily and actively studied in SHM research.

• Journal of Korea Trade
• /
• 제24권8호
• /
• pp.171-188
• /
• 2020

Purpose - This is an exploratory study that aims to apply text mining techniques, which computationally extracts words from the large-scale text data, to legal documents to quantify trade claim contents and enables statistical analysis. Design/methodology - This is designed to verify the validity of the application of text mining techniques as a quantitative methodology for trade claim studies, that have relied mainly on a qualitative approach. The subjects are 81 cases of arbitration and court judgments from China published on the website of the UNCITRAL where the CISG was applied. Validation is performed by comparing the manually analyzed result with the automatically analyzed result. The manual analysis result is the cluster analysis wherein the researcher reads and codes the case. The automatic analysis result is an analysis applying text mining techniques to the result of the cluster analysis. Topic modeling and semantic network analysis are applied for the statistical approach. Findings - Results show that the results of cluster analysis and text mining results are consistent with each other and the internal validity is confirmed. And the degree centrality of words that play a key role in the topic is high as the between centrality of words that are useful for grasping the topic and the eigenvector centrality of the important words in the topic is high. This indicates that text mining techniques can be applied to research on content analysis of trade claims for statistical analysis. Originality/value - Firstly, the validity of the text mining technique in the study of trade claim cases is confirmed. Prior studies on trade claims have relied on traditional approach. Secondly, this study has an originality in that it is an attempt to quantitatively study the trade claim cases, whereas prior trade claim cases were mainly studied via qualitative methods. Lastly, this study shows that the use of the text mining can lower the barrier for acquiring information from a large amount of digitalized text.

• 한국융합학회논문지
• /
• 제11권9호
• /
• pp.21-29
• /
• 2020

최근 디지털 사회의 도래로 다양한 데이터가 폭발적으로 증가하고, 그중 문헌 내 주제어를 도출하는 토픽 모델링에 관한 연구가 활발히 진행되고 있다. 본 논문의 연구목표는 토픽 모델링 방법 중 하나인 DTM(Dynamic Topic Model) 모델을 적용해 D.N.A.(Data, Network, A.I) 분야에 대한 연구동향을 탐색하는데 있다. 실험 데이터는 최근 6년간(2015~2020) ICT(Information and Communication Technology) 분야 중 기술대분류가 SW·AI에 해당하는 연구과제 1,519개 사업에 대해 DTM 모델을 적용하였다. 실험결과로, D.N.A. 분야의 기술 키워드 Big data, Cloud, Artificial Intelligence와 확장된 의미의 기술 키워드 Unstructured, Edge Computing, Learning, Recognition 등이 매년 연구에 표출되었으며, 해당 키워드 들이 특정 연구과제에 종속되지 않고 다른 연구과제에서도 포괄적으로 연구되고 있음을 확인하였다. 끝으로 본 논문의 연구결과는 향후 D.N.A. 분야에 대한 정책기획·과제기획 등 연구개발 기획 과정과 기업의 기술 확보전략·마케팅 전략 등 다양한 곳에 활용될 수 있을 것으로 기대한다.

• 지능정보연구
• /
• 제20권2호
• /
• pp.93-107
• /
• 2014

대부분의 인터넷 쇼핑몰은 자사 고객의 관심 분야를 파악하고 이를 상품 추천에 효과적으로 활용하기 위해 많은 노력을 기울이고 있다. 하지만 고객이 회원 가입 시 직접 입력한 개인 정보는 신뢰하기가 어렵고, 고객의 구매 패턴을 통해 파악한 관심 분야 정보는 자사 사이트 내에 진입한 이후에만 보인 한정된 패턴이라는 측면에서 해당 고객의 다양한 관심분야를 제대로 나타낸다고 보기 어렵다. 이러한 한계를 극복하기 위해 본 연구에서는 고객의 평소 인터넷 사용 기록을 통해 최근 방문 사이트들의 주제를 분석함으로써, 고객의 실제 관심 분야를 파악할 수 있는 방안을 제시하였다. 또한 토픽 분석을 통해 각 사이트의 주제를 도출하고 도출된 주제를 다시 동시 방문자 관점에서 군집화 함으로써, 고객 관점에서 의미가 있는 상위 수준의 새로운 테마를 발굴하기 위한 방법론을 제안하였다. 연구의 특징은 유사주제 중심의 군집화라는 기존 연구와는 달리 사용자 관점의 관심주제 중심 군집화라 할 수 있다. 향후 사용자 중심의 카테고리 설계를 비롯한 새로운 관점의 고객군 정의 등 보다 높은 차원의 마케팅 전략 수립에 활용이 가능할 것으로 기대된다. 사용자 관점의 이슈 군집화 과정은 크롤링, 토픽 분석, 액세스 패턴 분석, 네트워크 병합, 네트워크 변환 및 군집화와 같은 여섯 가지 주요단계로 구성되어있다. 이를 위해 텍스트 마이닝과 소셜 네트워크 분석 기법을 활용한 비정형 텍스트를 기반으로한 빅데이터의 활용 방법을 모색하였다. 제안 방법론의 실무 적용 가능성을 평가하기 위해, 국내 최대 포털 뉴스 사이트의 방문자 2,177명의 1년간 방문 기록과 뉴스기사 대한 분석을 수행하고 그 결과를 요약하여 제시하였다.

• 한국콘텐츠학회논문지
• /
• 제21권12호
• /
• pp.47-56
• /
• 2021

본 연구는 네트워크 분석을 활용하여 대학생 인성 관련 연구의 동향을 파악하고 향후 연구 방향의 시사점을 제공하는데 그 목적이 있다. 이러한 연구목적을 위해 국내 학술지에 게재된 대학생 인성 관련 논문 194편을 대상으로 하였다. 연구결과를 정리하면 다음과 같다. 첫째, 대학생 인성 관련 연구는 2004년부터 발표되기 시작하여 2012년에 소폭 상승하였고, 2015년부터 상승곡선을 이어가다 2017년에 정점을 찍은 후, 하향추세인 것으로 확인된다. 둘째, 연결 중심성과 매개 중심성 분석에서 공통적으로 가장 높은 중심성을 가진 핵심 키워드는 '사회'와 '함양'이었다. 셋째, 1기(2004년-2010년)에는 개인적 차원과 인성의 인지적인 측면의 키워드, 2기(2011년-2015년)에는 사회적인 차원과 인성의 정서적인 측면의 키워드, 3기(2016년-2020년)에는 사회적인 차원과 인성의 인지·정서·행동적인 측면의 키워드가 핵심적이었다. 넷째, 토픽모델링 분석결과, 능력, 생활, 대인, 만족, 적응의 키워드로 이루어진 토픽 2와 역량, 도덕, 시민, 사회, 실천으로 이루어진 토픽 1이 가장 높은 비중을 차지하였다. 다섯째, 1기에는 토픽 4 단독, 2기에는 토픽 1과 토픽 2의 순으로, 3기에는 토픽 2와 토픽 1의 순으로 높은 비중을 차지하는 것으로 나타났다. 본 연구는 대학생 인성 관련 연구에 유용한 근거자료가 될 것이다.

• 한국비블리아학회지
• /
• 제26권4호
• /
• pp.245-262
• /
• 2015

대학의 교양교과 주제가 다양한 영역으로 분화되고 복합적인 주제로 융합되면서 점차 교양교육의 주제를 파악하는 것이 어려워지고 있다. 이 연구의 목표는 A 대학의 교양교육과정으로 개설되어 있는 교과목의 주제적 영역을 계량정보학적으로 분석하여 시각화하는 것이다. 분석을 위하여 수집된 계획서는 총 214개이며 분석에 적용된 요소는 교과목명, 교과개요, 목표, 주별 수업계획이다. 분석 대상에서 추출된 주제어는 모두 278종이며 총 8개의 주제 클러스터로 군집화 되었다. 주제 클러스터간 관계를 네트워크기법으로 분석한 결과 개인적 영역, 사회적 영역으로 나뉘어지는 것으로 나타났다. 개인적 영역은 다시 14개 하위 주제 클러스터로, 사회적 영역은 11개 하위 주제 클러스터로 분류되었다. 개인적 영역에서는 '언어', '과학', '인성'이 주요 주제 클러스터로 파악되었고 사회적 영역에서는 '다문화' 주제 클러스터가 4개의 다른 주제 클러스터와 다각적인 관계를 맺고 있는 것으로 분석되었다. 주제 네트워크로 교양교과목의 주제 영역을 분석한 방법은 교양교육을 강화하고 개선하거나 대학도서관이 교양교육을 위한 장서개발을 하는데 필요한 기초자료를 생산하는 목적으로 활용될 수 있을 것이다.

• 스마트미디어저널
• /
• 제10권2호
• /
• pp.38-47
• /
• 2021

본 연구는 주소를 둘러싼 국내외 환경변화 속에서 관계 법령 개정 및 시범사업 등에 의해 본격적으로 도입이 이루어지고 있는 사물주소에 대한 언론보도를 분석하였다. 네이버 뉴스 플랫폼에서 2018년 4월부터 2020년 9월까지 기간동안 '사물주소'라고 검색하여 수집된 언론보도기사의 제목과 원문을 수집하여 토픽 모델링 및 네트워크 분석을 실시하였다. 분석 결과, 보도주제는 4가지 유형으로 '사물주소체계 추진', '사물주소 부여대상 실증', '도로명주소 사용 개선', '주소 활성화를 위한 교육·홍보'로 나타났으며, 해당 기간동안 '사물주소 부여 실증' 주제가 주요 의제였음을 확인하였다. 분석 결과를 행정안전부의 「제3차 주소정책 기본계획(2018-2022)」과 비교하여 정책적 시사점을 제시하였다.

• 한국정보통신학회논문지
• /
• 제26권5호
• /
• pp.763-778
• /
• 2022

본 연구는 융합산업으로 각광받고 있는 헬스케어 분야를 중심으로 기술융합을 이루는 요소기술과 핵심기술을 파악하여 기술융합 현상을 분석하고자 하였으며, 이를 위해 2011년부터 2020년까지의 국내 특허 중 헬스케어와 관련 있는 특허 총 376개를 수집하여 토픽모델링과 네트워크 분석을 수행하였다. 첫째, 토픽모델링 분석 결과 "데이터수집·분석", "생체신호측정", "건강관리", "디지털정보 수집 및 전송", "진단·치료", "측정 진단장치" 총 6개의 주요 토픽이 도출되었다. 둘째, 앞서 분석한 토픽별로 네트워크 분석을 수행하여 기술간 연결망 구조를 파악한 후 기술융합 특성을 확인하고, 중심성 지표를 통해 핵심기술을 도출하였다. 본 연구의 핵심인 국내 헬스케어의 핵심·요소기술동향 및 기술융합도 분석결과는, 기업의 신규 가치창출을 위한 제품·서비스개발 방향성을 수립하거나, 학계 및 정부의 헬스케어 산업을 육성·지원하기 위한 전략 및 정책적인 방향성을 수립하는데 기초자료로 활용될 수 있을 것이다.

• Journal of Information Technology Applications and Management
• /
• 제22권3호
• /
• pp.83-103
• /
• 2015

The rapid development of internet technologies and social media over the last few years has generated a huge amount of unstructured text data, which contains a great deal of valuable information and issues. Therefore, text mining-extracting meaningful information from unstructured text data-has gained attention from many researchers in various fields. Topic analysis is a text mining application that is used to determine the main issues in a large volume of text documents. However, it is difficult to identify related issues or meaningful insights as the number of issues derived through topic analysis is too large. Furthermore, traditional issue-clustering methods can only be performed based on the co-occurrence frequency of issue keywords in many documents. Therefore, an association between issues that have a low co-occurrence frequency cannot be recognized using traditional issue-clustering methods, even if those issues are strongly related in other perspectives. Therefore, in this research, a methodology to reorganize social issues from a research and development (R&D) perspective using social network analysis is proposed. Using an R&D perspective lexicon, issues that consistently share the same R&D keywords can be further identified through social network analysis. In this study, the R&D keywords that are associated with a particular issue imply the key technology elements that are needed to solve a particular issue. Issue clustering can then be performed based on the analysis results. Furthermore, the relationship between issues that share the same R&D keywords can be reorganized more systematically, by grouping them into clusters according to the R&D perspective lexicon. We expect that our methodology will contribute to establishing efficient R&D investment policies at the national level by enhancing the reusability of R&D knowledge, based on issue clustering using the R&D perspective lexicon. In addition, business companies could also utilize the results by aligning the R&D with their business strategy plans, to help companies develop innovative products and new technologies that sustain innovative business models.

• 지식경영연구
• /
• 제23권3호
• /
• pp.129-152
• /
• 2022

디지털 전환의 핵심 인프라로서 데이터·네트워크·인공지능(D.N.A.) 분야의 확산과 유망 산업의 등장은 경제 전반에 걸쳐 활발한 디지털 혁신의 기반이 되고 있다. 본 연구에서는 텍스트마이닝 방법론을 적용하여 WoS 데이터베이스의 SCIE 급 색인에 해당하는 연구의 초록, 출판연도 및 연구분야를 입력변수로 활용하여 주요 토픽을 도출하였다. 우선, 단어 출현 빈도에 기반한 TF 및 TF-IDF 분석을 통해 주요 키워드를 확인하고, 이어서 g-DMR(Generalized Dirichlet-Multinomial Regression)을 이용하여 토픽 모델링을 수행하였는데, 다양한 형태의 변수를 메타정보로 활용 가능한 해당 토픽 모형의 이점으로 단순하게 토픽을 도출하는 것 이상의 의미를 적절하게 탐색할 수 있었다. 분석 결과에 따르면, 비즈니스 인텔리전스, 제조 생산 시스템, 서비스 가치 창출, 원격 진료, 디지털 교육 등의 토픽들이 디지털 전환에서 주요 연구주제인 것으로 식별되었다. 토픽 모델링의 결과를 요약하자면, 1) COVID-19 이후 비즈니스 인텔리전스를 주제로 하는 연구가 전 영역에서 활발하게 수행되고 있으며, 2) 제조 분야에서 지능형 제조 솔루션 및 메타버스 등의 이슈가 등장함에 따라 제조 생산 시스템에 관한 주제가 다시 한번 주목받고 있음을 확인하였다. 마지막으로, 3) 주제어 자체는 기술과 서비스의 측면에서 분리하여 볼 수 있지만, 다수의 연구에서 해당 기술들을 접목하여 적용된 다양한 서비스를 포괄적으로 다루고 있으므로 이를 별개로 해석하는 것이 바람직하지 못하다는 점을 알 수 있었다.