Earticle

[연구목적] 본 연구의 목적은 뉴스 텍스트 데이터를 활용하여 부산 해운대 지역의 관광 이슈를 주제별로 구조화하고, 그 의미적 관계를 확인하는 것이다. 비정형 텍스트 데이터를 활용함으로써 전통적인 수치 기반의 접근 방식을 넘어 관광 이슈의 사회적 관심과 이슈 구조를 정량적으로 파악하고자 하였다. [연구방법] 연구 대상 지역은 국내 유명 관광지로 알려진 부산광역시 해운대구로 설정하였으며, 한국언론진 흥재단의 BigKinds 플랫폼에서 2010년 1월 1일부터 2024년 12월 31일까지의 뉴스 기사 데이터를 수집하였다. 총 157,377건 중 ‘관광’ 관련 키워드를 포함한 13,295건을 선별하여 분석하였으며, 전처리 과정에서 불용어 제거, 중복 기사 필터링, 형태소 분석을 수행하였다. 이후 Python 환경에서 LDA 토픽모델링을 적용하여 최적의 토픽 수를 산정하고, 관광 관련 주요 주제와 키워드의 분포를 추출하였다. [연구결과] 분석 결과 총 11개의 핵심 주제가 도출되었으며, 이는 부산 해운대구 관광이 어떤 구조적 특성과 사회적 관심 속에서 형성되어 왔는지를 보여준다. 각 토픽은 해운대 지역에서 반복적으로 등장한 주요 이슈를 반영하고 있으며, 관광이 단순한 방문 활동을 넘어 도시정책, 지역 산업, 문화 활동과 긴밀하게 연계되어 있음 을 시사한다. 특히 지역개발, 산업정책, 문화콘텐츠, 스마트도시 등 다양한 영역이 동시에 나타나며, 해운대 관 광의 다층적이고 복합적인 성격을 드러낸다. [연구의 시사점] 본 연구는 기존의 정형 데이터 중심 관광 연구를 보완하여, 뉴스 텍스트라는 비정형 데이 터를 통해 관광 이슈의 구조를 정량적으로 제시하였다는 점에서 방법론적 기여를 가진다. 또한 분석 결과는 수립, 도시계획, 지역 마케팅 전략, 스마트 관광도시 조성 등 다양한 분야에서 데이터 기반의 의사결정을 지원 하는 기초 자료로 활용될 수 있다.

[Purpose] The purpose of this study is to structure tourism issues in Haeundae district, Busan city by subject using news text data, and to confirm their semantic relationship. By using unstructured text data, we tried to quantitatively grasp the social interest and issue structure of tourism issues beyond the traditional numerical-based approach. [Methodology] The target area of analysis was Haeundae district in Busan city, South Korea. News articles published between January 1, 2010, and December 31, 2024, were collected from the BigKinds platform provided by the Korea Press Foundation. Among a total of 157,377 articles, 13,295 containing tourism-related keywords were selected for analysis. The preprocessing stage involved removing stopwords, filtering duplicate articles, and performing morphological analysis. Subsequently, Latent Dirichlet Allocation (LDA) topic modeling was applied in a Python environment to extract the distribution of major tourism-related topics and keywords, and the optimal number of topics was determined. [Findings] As a result of the analysis, a total of 11 key themes were derived, which shows what structural characteristics and social interests have been formed in Haeundae-gu, Busan. Each topic reflects major issues that have repeatedly emerged in the Haeundae area, suggesting that tourism is closely linked to urban policy, local industry, and cultural activities beyond simple visit activities. In particular, various areas such as regional development, industrial policy, cultural contents, and smart cities appear at the same time, revealing the multi-layered and complex characteristics of Haeundae tourism. [Implications] This study provides methodological contributions by complementing traditional quantitative tourism research through the use of unstructured news text data to present the structural characteristics of tourism issues in a measurable form. The findings can serve as a foundational resource for data-driven decision-making in various fields, including tourism policy development, urban planning, regional marketing strategies, and the establishment of smart tourism cities.

본 논문은 유아 지원 관련 정책에 대한 국민들의 인식을 파악하고, 이를 바탕으로 미래 유아 지원 정책에 대한 방향성을 제시하였다. 본 연구에서는 우선 유아 지원 정책에 관한 뉴스 기사들의 댓글을 크롤링(crawling)하여, TF-IDF분석 및 오피니언 마이닝(opinion mining) 분석을 통해 우리나라 유아 지원 정책에 관한 국민들의 인식에 대해서 객관적인 결과를 도출하였다. 본 연구의 공헌점 및 기대효과는 다음과 같다. 첫째, 유아 지원 정책에 관한 국 민들의 인식을 빅데이터 분석을 통해 객관적인 결과를 제시함으로써, 정부의 유아 지원 정책 수립에 도움이 될 것으 로 기대된다. 둘째, 최근 5개년간의 자료를 연도별로 구분하여 빅데이터 분석결과를 제공함으로써 유아 지원 정책의 흐름을 연도별로 파악할 수 있게 하였다. 셋째, 유아교육 및 사회복지 분야 연구의 범위를 보다 확장시킬 수 있는 연 구방법론은 제시함으로써 학술적으로 가치가 있으며, 실무적으로도 본 논문의 연구결과는 향후 포스트 코로나 시대 에 우리나라 유아 지원 정책의 방향에 대해서 유의미한 정보를 제공할 것으로 예상된다.

This paper examined the public's perception of early childhood support-related policies and presented the direction of future early childhood support policies based on this. This study crawled the comments of news articles on early childhood support policies and presented objective results on the public's perception of Korea's early childhood support policies through TF-IDF analysis and opinion mining analysis. The contribution points and expected effects of this study are as follows. First, this study is expected to help the government establish an early childhood support policy by presenting objective results through big data analysis of the public's perception of early childhood support policies. Second, this paper classified data from the past five years by year and provided big data analysis results, allowing the flow of early childhood support policies to be grasped clockwise. Third, this study is academically valuable by presenting a research methodology that can further expand the scope of research in the field of early childhood education and social welfare, and in practice, the research results of this paper are expected to provide meaningful information on the direction of Korea's early childhood support policies in the post-COVID-19 era.

인공지능과 빅데이터 분석을 위해 웹 스크래핑으로 수집된 대부분의 텍스트 데이터들은 일반적으로 대용량이 고 비정형이기 때문에 빅데이터 분석을 위해서는 정제과정이 요구된다. 그 과정은 휴리스틱 전처리 정제단계와 후처 리 머시인 정제단계를 통해서 분석이 가능한 정형 데이터가 된다. 따라서 본 연구에서는 후처리 머시인 정제과정에서 한국어 딕셔너리와 불용어 딕셔너리를 이용하여 워드크라우드 분석을 위한 빈도분석을 위해 어휘들을 추출하게 되는 데 이 과정에서 제거되지 않은 불용어를 효율적으로 제거하기 위한 “사용자 정의 불용어 시소러스” 적용에 대한 방 법론을 제안하고 R의 워드클라우드 기법으로 기존의 “불용어 딕셔너리” 방법의 문제점을 보완하기 위해 제안된 “사 용자 정의 불용어 시소러스” 기법을 이용한 사례분석을 통해서 제안된 정제방법의 장단점을 비교 검증하여 제시하고 제안된 방법론의 실무적용에 대한 효용성을 제안한다.

Most text data collected through web scraping for artificial intelligence and big data analysis is generally large and unstructured, so a purification process is required for big data analysis. The process becomes structured data that can be analyzed through a heuristic pre-processing refining step and a post-processing machine refining step. Therefore, in this study, in the post-processing machine refining process, the Korean dictionary and the stopword dictionary are used to extract vocabularies for frequency analysis for word cloud analysis. In this process, “user-defined stopwords” are used to efficiently remove stopwords that were not removed. We propose a methodology for applying the “thesaurus” and examine the pros and cons of the proposed refining method through a case analysis using the “user-defined stop word thesaurus” technique proposed to complement the problems of the existing “stop word dictionary” method with R’s word cloud technique. We present comparative verification and suggest the effectiveness of practical application of the proposed methodology.

Text mining is a specific method to extract knowledge from structured and unstructured data. This extracted knowledge from text mining process can be used for further usage and discovery. This paper presents the method for extraction information from unstructured text data and the importance of Association Rules Mining, specifically for of Korean language (text) and also, NLP (Natural Language Processing) tools are explained. Association Rules Mining (ARM) can also be used for mining association between itemsets from unstructured data with some modifications. Which can then, help for generating statistical thesaurus, to mine grammatical rules and to search large data efficiently. Although various association rules mining techniques have successfully used for market basket analysis but very few has applied on Korean text. A proposed Korean language mining method calculates and extracts meaningful patterns (association rules) between words and presents the hidden knowledge. First it cleans and integrates data, select relevant data then transform into transactional database. Then data mining techniques are used on data source to extract hidden patterns. These patterns are evaluated by specific rules until we get the valid and satisfactory result. We have tested on Korean news corpus and results have shown that it has worked well, and the results were adequate enough to research further.

본 연구에서는 텍스트 마이닝 기법을 활용하여 국내 기록관리 연구 분야의 비정형 텍스트 데이터인 국문 초록에서 사용된 키워드 빈도를 분석하여 키워드 간 거리 분석을 통해 국내기록관리 연구 동향을 파악하는 것이 목적이다. 이를 위해 한국학술지인용색인(Korea Citation Index, KCI)의 학술지 기관통계(등재지, 등재후보지)에서 대분류(복합학), 중분류(문헌정보학)으로 검색된 학술지(28종) 중 등재지 7종 1,157편을 추출하여 77,578개의 키워드를 시각화하였다. Word2vec를 활용한 t-SNE, Scattertext 등의 분석을 수행하였다. 분석 결과, 첫째로 1,157편의 논문에서 얻은 77,578개의 키워드를 빈도 분석한 결과, "기록관리"(889회), "분석"(888회), "아카이브"(742회), "기록물"(562회), "활용"(449회) 등의 키워드가 연구자들에 의해 주요 주제로 다뤄지고 있음을 확인하였다. 둘째로, Word2vec 분석을 통해 키워드 간의 벡터 표현을 생성하고 유사도 거리를 조사한 뒤, t-SNE와 Scattertext를 활용하여 시각화하였다. 시각화 결과에서 기록관리 연구 분야는 두 그룹으로 나누어졌는데 첫 번째 그룹(과거)에는 "아카이빙", "국가기록관리", "표준화", "공문서", "기록관리제도" 등의 키워드가 빈도가 높게 나타났으며, 두 번째 그룹(현재)에는 "공동체", "데이터", "기록정보서비스", "온라인", "디지털 아카이브" 등의 키워드가 주요한 관심을 받고 있는 것으로 나타났다.

This study aims to analyze the frequency of keywords used in Korean abstracts, which are unstructured text data in the domestic record management research field, using text mining techniques to identify domestic record management research trends through distance analysis between keywords. To this end, 1,157 keywords of 77,578 journals were visualized by extracting 1,157 articles from 7 journal types (28 types) searched by major category (complex study) and middle category (literature informatics) from the institutional statistics (registered site, candidate site) of the Korean Citation Index (KCI). Analysis of t-Distributed Stochastic Neighbor Embedding (t-SNE) and Scattertext using Word2vec was performed. As a result of the analysis, first, it was confirmed that keywords such as “record management” (889 times), “analysis” (888 times), “archive” (742 times), “record” (562 times), and “utilization” (449 times) were treated as significant topics by researchers. Second, Word2vec analysis generated vector representations between keywords, and similarity distances were investigated and visualized using t-SNE and Scattertext. In the visualization results, the research area for record management was divided into two groups, with keywords such as “archiving,” “national record management,” “standardization,” “official documents,” and “record management systems” occurring frequently in the first group (past). On the other hand, keywords such as “community,” “data,” “record information service,” “online,” and “digital archives” in the second group (current) were garnering substantial focus.

빅데이터 분석에서 텍스트 데이터는 대부분 비정형이고 대용량으로 분석 기법이 정립되지 않아 분석에 어려움 이 많았다. 따라서 텍스트 데이터 분석 기법의 하나인 빅데이터 워드클라우드 기법의 실무 적용시 문제점과 유용성 검증을 통한 상용화 가능성을 위해 본 연구를 수행하였다. 본 논문에서는 R 프로그램 워드클라우드 기법을 이용하여 “대통령 UN연설문”을 시각화 분석을 하고 이 기법의 한계와 문제점을 도출한다. 그리고 이를 해결하기 위한 개선된 모델을 제안하여 워드클라우드 기법의 실무 적용에 대한 효율적인 방안을 제시한다.

In Big data analysis, text data is mostly unstructured and large-capacity, so analysis was difficult because analysis techniques were not established. Therefore, this study was conducted for the possibility of commercialization through verification of usefulness and problems when applying the big data word cloud technique, one of the text data analysis techniques. In this paper, the limitations and problems of this technique are derived through visualization analysis of the “President UN Speech” using the R program word cloud technique. In addition, by proposing an improved model to solve this problem, an efficient method for practical application of the word cloud technique is proposed.

빅데이터 분석에서 원시 텍스트 데이터는 대부분 다양한 비정형 데이터 형태로 존재하기 때문에 휴리스틱 전 처리 정제와 컴퓨터를 이용한 후처리 정제과정을 거쳐야 분석이 가능한 정형 데이터 형태가 된다. 따라서 본 연구에 서는 텍스트 데이터 분석 기법의 하나인 R 프로그램의 워드클라우드를 적용하기 위해서 수집된 원시 데이터 전처리 를 통해 불필요한 요소들을 정제하고 후처리 과정에서 불용어를 제거한다. 그리고 단어들의 출현 빈도수를 계산하고 출현빈도가 높은 단어들을 핵심 이슈들로 표현해 주는 워드클라우드 분석의 사례 연구를 하였다. 이번 연구는 R의 워드클라우드 기법으로 기존의 불용어 처리 방법인 “내포된 불용어 소스코드” 방법의 문제점을 개선하기 위하여 “일 반적인 불용어 코퍼스”와 “사용자 정의 불용어 코퍼스”의 활용 방안을 제안하고 사례 분석을 통해서 제안된 “비정형 데이터 정제과정 모델”의 장단점을 비교 검증하여 제시하고 “제안된 외부 코퍼스 정제기법”을 이용한 워드클라우드 시각화 분석의 실무적용에 대한 효용성을 제시한다.

In big data analysis, raw text data mostly exists in various unstructured data forms, so it becomes a structured data form that can be analyzed only after undergoing heuristic pre-processing and computer post-processing cleansing. Therefore, in this study, unnecessary elements are purified through pre-processing of the collected raw data in order to apply the wordcloud of R program, which is one of the text data analysis techniques, and stopwords are removed in the post-processing process. Then, a case study of wordcloud analysis was conducted, which calculates the frequency of occurrence of words and expresses words with high frequency as key issues. In this study, to improve the problems of the “nested stopword source code” method, which is the existing stopword processing method, using the word cloud technique of R, we propose the use of “general stopword corpus” and “user-defined stopword corpus” and conduct case analysis. The advantages and disadvantages of the proposed “unstructured data cleansing process model” are comparatively verified and presented, and the practical application of word cloud visualization analysis using the “proposed external corpus cleansing technique” is presented.

정보기술의 발전과 디지털 커뮤니케이션의 확산으로 인해 급증하는 고객 불만과 피드백을 효과적으로 관리하고 처리하는 방법이 필요하다. 특히, 대부분의 데이터가 비정형 데이터인 상황에서, 이를 신속히 처리하고 분류하여 고객 서비스를 개선하는 것은 중요하다. 이에 본 연구에서는 전통적 분류 모델인 Naive Bayes, SVM, Random Forest와 딥러닝 모델인 CNN, LSTM을 살펴보고, 보스턴시의 교통 불만 데이터에 적용하여 고객 불만 데이터의 자동 분류 성능을 비교 분석하였다. 연구 결과, CNN과 LSTM은 각각 81%와 97%의 높은 분류 정확도를 보여, 고객 불만처럼 복잡하고 다양한 패턴의 비정형 데이터 처리에 더욱 효과적임을 확인하였다. 이러한 결과는 딥러닝 모델이 고객 불만 데이터의 특성을 더 잘 분석하고, 문맥적 연결을 감지하는 능력이 우수하기 때문이다. 본 연구는 기업이 고객의 목소리를 신속하고 정확하게 파악하고 대응할 수 있는 고객 서비스 개선 방법론을 제공하며, 이는 기업 경쟁력을 강화하는 데 기여할 것으로 기대된다.

With the advancement of information technology and the proliferation of digital communication, there is an increasing need for effective management and processing of the growing volume of customer complaints and feedback. Particularly, when most of the data is unstructured, it is crucial to quickly process and classify this data to improve customer service. In this study, we examine traditional classification models such as Naive Bayes, SVM, and Random Forest, as well as deep learning models like CNN and LSTM. These models were applied to Boston's traffic complaint data to compare the performance of automatic classification of customer complaint data. The results showed that CNN and LSTM achieved high classification accuracies of 81% and 97%, respectively, confirming their effectiveness in handling complex and diverse patterns of unstructured data, such as customer complaints. These findings demonstrate that deep learning models are better at analyzing the characteristics of customer complaint data and detecting contextual connections. This study provides a methodology for companies to quickly and accurately understand and respond to customer voices, thereby enhancing corporate competitiveness.

현대사회의 다양하고 복잡한 사회적 문제를 해결하기 위해서는 융합적 시각의 문제 분석과 해결책 모색이 필요하다. 이러한 의미에서 융합연구의 중요성이 더욱 강조되고 있으며 효율성과 효과성 제고를 위한 전략적 접근이 요구되고 있다. 본 연구에서는 융합연구개발 활성화 기본계획의 텍스트 분석을 통하여 융합연구 정책의 시기별 특성과 시기별 토픽의 연관성과 변화추이를 확인하고 이를 통해 기본계획이 제시하는 정책적 변화를 이해하고자 하였다. TF-IDF 분석, 토픽 모델링(LDA), 그리고 네트워크(CONCOR) 분석 등 다양한 분석 방법을 활용하여 각 시기별 핵심 토픽을 도출하여 정책 변화 추이를 파악하였다. 분석결과, 시기별 토픽의 군집화와 토픽의 변화를 확인하였고 융합연구 생태계 조성과 당면한 과제 해결을 위한 융합연구의 방향성을 제시하고 있다는 것을 파악할 수 있었다. 본 연구 결과는 향후 거시적 관점에서 융합연구개발 활성화 정책 수립 시에 정책의 변화에 대한 새로운 통찰을 제공함으로써 정부, 기업, 학계, 연구기관 등 다양한 이해관계자들에게 중요한 시사점을 제공할 수 있을 것으로 기대한다.

This study aims to analyze policy changes over time by conducting a textual analysis of the basic plan for activating convergence research and development. By examining the basic plan for convergence research development, this study looks into changes in convergence research policies and suggests future directions, thereby exploring strategic approaches that can contribute to the advancement of science and technology and societal development in our country. In particular, it sought to understand the policy changes proposed by the basic plan by identifying the relevance and trends of topics over time. Various analytical methods such as TF-IDF analysis, topic modeling (LDA), and network (CONCOR) analysis were used to identify the key topics of each period and grasp the trends in policy changes. The analysis revealed clustering of topics by period and changes in topics, providing directions for the convergence research ecosystem and addressing pressing issues. The results of this study are expected to provide important insights to various stakeholders such as governments, businesses, academia, and research institutions, offering new insights into the changes in policies proposed by previous basic plans from a macroscopic perspective.

‘한 달 살기’와 같은 체류형 관광이 증가하고 있다. 이 연구는 ‘남도에서 한 달 여행하기’후기를 이용한 네트워크 커뮤 니티 탐지 및 시각화를 통해 관광객들이 인식하는 전라남도의 핵심 관광지 및 권역을 확인하였다. 기존 연구에서 SNS 데이터 를 활용하여 관광지의 인기도나 클러스터를 파악한 것과 달리, 이 연구는 관광객들이 작성한 후기를 이용하여 개별 관광객의 방문 장소와 경로를 풍부하게 추출하고 데이터의 편향 및 신뢰도 문제를 완화하였다. 연구 결과 관광객들은 전라남도의 섬과 산, 바다와 같은 자연환경 및 사찰, 고택과 같은 역사⋅문화유적을 선호하였다. 또한 관광객들은 각 시⋅군의 핵심 관광지를 중심으로 관광을 진행하며, 행정 경계를 넘어 인근지역으로 관광 범위를 확장하는 모습을 보였다. 이를 바탕으로 Louvain 알고리즘을 적용하여 관광객들이 인식하는 전라남도 관광 권역을 분석한 결과, 1개에서 3개의 시⋅군으로 구성된 7개의 커뮤니 티가 도출되었다. 이러한 커뮤니티 구조는 전라남도 관광객들이 소규모의 연계 관광권을 중심으로 광역 관광을 수행하고 있으 며, 이 과정에서 지리적 인접성이 핵심 요인으로 작용하고 있음을 보여준다. 이는 전라남도 광역관광 개발에 있어 행정 구분을 기반으로 한 대권역 중심의 권역 설정보다, 관광객이 실제로 인식하는 소규모 관광 권역을 중심으로 한 광역관광 개발 전략이 필요함을 시사한다.

The demand for long-stay tourism, such as ‘one-month living,’ is increasing in recent years. The aim of this paper is to identify communities and major destinations of long-stay tourism in Jeollanam-do through community detection and visualization of tourist reviews. As an alternative to the SNS data commonly used in previous studies, this paper uses reviews written by tourists to extract a richer set of individual travel locations and routes, thereby reducing data bias and improving reliability. The results of this study show that tourists preferred natural environments and cultural heritage sites. At a local scale, tourists tended to center their visits around key attractions within a region, while at a broader scale, they often traveled to nearby cities. Based on these patterns, the Louvain algorithm was applied to detect communities within the co-occurrence network, revealing seven communities, each consisting of one to three administrative units. These findings suggest that tourists in Jeollanam-do engage in small-scale regional tourism networks composed of up to three neighboring cities or counties, and that geographical proximity serves as a key factor shaping their perceived regional tourism structure. These results indicate that, for multi-regional tourism development in Jeollanam-do, a shift is needed from administratively defined large-scale tourism zones toward small-scale regional tourism networks that reflect how tourists actually perceive and connect destinations.

This research proposes a novel approach to tackle the challenge of categorizing unstructured customer complaints in the automotive industry. The goal is to identify potential vehicle defects based on the findings of our algorithm, which can assist automakers in mitigating significant losses and reputational damage caused by mass claims. To achieve this goal, our model uses the Word2Vec method to analyze large volumes of unstructured customer complaint data from the National Highway Traffic Safety Administration (NHTSA). By developing a score dictionary for eight pre-selected criteria, our algorithm can efficiently categorize complaints and detect potential vehicle defects. By calculating the score of each complaint, our algorithm can identify patterns and correlations that can indicate potential defects in the vehicle. One of the key benefits of this approach is its ability to handle a large volume of unstructured data, which can be challenging for traditional methods. By using machine learning techniques, we can extract meaningful insights from customer complaints, which can help automakers prioritize and address potential defects before they become widespread issues. In conclusion, this research provides a promising approach to categorize unstructured customer complaints in the automotive industry and identify potential vehicle defects. By leveraging the power of machine learning, we can help automakers improve the quality of their products and enhance customer satisfaction. Further studies can build upon this approach to explore other potential applications and expand its scope to other industries.

본 연구는 공매도거래를 예측하는 지수를 개발하기 위해 공매도거래에 영향을 주는 변수들을 사용하여 Baker and Wurgler(2006)의 방법론에 따라 공매도예보지수를 구성하였다. 표본 내 검정과 표본 외 검정을 통해 공매도예보지수의 예측력을 검정하였으며, 비정형화된 자료인 트렌드지수를 포함한 공매도예보지수와 트렌드지수를 제외한 공매도예보지수의 예측력을 비교 분석하였다. 또한, 공매도 과열 지정종목을 대상으로 공매도 과열 지정이 시장과 투자주체별 거래행태에 미치는 영향을 분석하고, 공매도 과열종목 지정일 전․후의 투자주체별 정보전이효과를 분석하였다. 주요 분석 결과는 다음과 같다. 첫째, 공매도거래에 대한 공매도예보지수의 예측력은 표본 내 검정과 표본 외 검정에서 모두 유의한 양(+)의 예측력을 가지는 것으로 나타났다. 둘째, 공매도거래에 대한 예측력은 비정형화된 자료인 트렌드지수를 포함한 공매도예보지수가 트렌드지수를 제외하고 구성한 공매도예보지수보다 우수한 것으로 나타났다. 이는 공매도거래의 정확한 예측을 위해서는 정형화된 자료와 함께 비정형화된 자료의 정보를 활용하는 것이 필요하는 것을 의미한다. 셋째, 공매도 과열종목 지정일의 투자주체별 순매수수량을 살펴본 결과, 공매도거래량과 개인투자자의 순매수거래량이 정보전이에 주도적인 역할을 하는 것으로 나타났으며, 기관투자자와 외국인투자자의 순매수거래량은 의존적인 역할을 하는 것으로 나타났다. 넷째, 공매도 과열종목 지정일 전․후에는 개인투자자가 일관되게 주도적인 역할을 하는 것으로 나타났다. 반면, 기관투자자는 주도적인 역할에서 의존적인 역할로 이동하며, 공매도거래량은 공매도 과열종목 지정일로부터 4시차까지 의미 있는 정보를 전달하는 것으로 나타났다.

This study proposes a short selling forecast index using the method of Baker and Wurgler (2006) using various variables that can predict short selling. We compare the predictive power of the short selling forecast index with the trend index and the short selling forecast index without the trend index. In addition, we analyze the impact of the over-short selling designation on stock market and trading behavior of each investor and the information transfer effect of each investor before and after the event date. We summarize our findings as follows. First, we find that the short selling forecast index has a significant positive predictive power for short selling at all time lags. Second, we find that the predictive power of the short selling forecast index constructed with the trend index is higher than that of the forecast index without the trend index. Third, on the day of over-short selling designation, short selling volume and retail investors are found to play a leading role in the information transfer effect. Fourth, we find that retail investors consistently maintain a leading role in the information transfer effect even before and after the over-short selling designation.

미리 선언된 구조를 이용하여 수집 저장된 정형적 데이터와는 달리 웹 2.0의 시대에서 일반 사용자들이 평상시에 사용하는 자연어 형태로 작성된 비정형 데이터 분석은 과거보다 훨씬 더 넓은 응용범위를 가지고 있다. 데이터 양이 폭발적으로 증가하고 있다는 특성뿐 만 아니라 인간의 감성이 그대로 표현된 특성을 가진 텍스트에서 의미 있는 정보를 추출하는 빅데이터 분석 기법을 텍스트마이닝(Text Mining)이라 하며 본 연구는 이를 주제로 하고 있다. 본 연구를 위해 오픈 소스인 통계분석용 소프트웨어 R 프로그램을 이용하였으며, 비정형 텍스트 문서를 웹 환경에서 수집, 저장, 전처리, 분석 작업과 시각화(Frequency Analysis, Cluster Analysis, Word Cloud, Social Network Analysis)작업 등의 과정에 관한 알고리즘 구현을 연구하였다. 특히, 연구자의 연구 영역 분석에 초점을 더욱 높이기 위해 Data Dictionary를 참조한 키워드 추출 기법을 사용하였다. 실제 사례에 적용한 R은 다양한 OS 구동, 일반적 언어와의 인터페이스 지원 등 통계 분석용 소프트웨어로써 매우 유용하다는 점을 발견할 수 있었다.

Unlike structured data which are gathered and saved in a predefined structure, unstructured text data which are mostly written in natural language have larger applications recently due to the emergence of web 2.0. Text mining is one of the most important big data analysis techniques that extracts meaningful information in the text because it has not only increased in the amount of text data but also human being's emotion is expressed directly. In this study, we used R program, an open source software for statistical analysis, and studied algorithm implementation to conduct analyses (such as Frequency Analysis, Cluster Analysis, Word Cloud, Social Network Analysis). Especially, to focus on our research scope, we used keyword extract method based on a Data Dictionary. By applying in real cases, we could find that R is very useful as a statistical analysis software working on variety of OS and with other languages interface.

The rapid growth of unstructured text data and the advancement of artificial intelligence technologies have significantly expanded the use of text mining in the field of information systems, but no systematic attempt has been made to analyze its intellectual structure and evolutionary processes. This study aims to identify the major themes, intellectual structures, and temporal changes in text mining research within information systems by analyzing 266 articles collected from the Web of Science database between 2009 and 2025. We conducted cluster and timeline analyses, and burst detection based䀀 on author co-citation analysis. The results revealed 13 research clusters and demonstrated a paradigm shift from early focuses on e-commerce and marketing toward more technology-oriented approaches, such as deep learning –based model optimization and healthcare data analytics. Furthermore, key models such as BERT, BioBERT, and Transformer were identified as turning points, suggesting new directions for text mining research. By providing a visual and quantitative overview of the research landscape and its evolution, this study offers both a theoretical foundation and empirical insights for future researchers in the information systems field.

빅데이터 시대에는 단순히 데이터베이스에 잘 정리된 정형 데이터뿐만 아니라 인터넷, 소셜 네트워크 서비스, 모바일 환경에서 실시간 생성되는 웹 문서, 이메일, 소셜 데이터 등 비정형 빅데이터를 효과적으로 분석하는 것이 매우 중요하다. 빅데이터 분석은 데이터 저장소에 저장된 빅데이터 속에서 의미 있는 새로운 상관관계, 패턴, 추세를 발견하여 새로운 가치를 창출하는 과정이다. 빅데이터 분석 도구인 R 언어를 이용하여 비정형 논문 데이터를 빈도분석을 통해 분석결과를 요약과 시각화하고자 한다. 본 연구에서 사용된 데이터는 한국정보통신학회 학회지 논문 중에서 2021년 1월호-5월호 총 논문 104편을 대상으로 분석하였다. 최종 분석결과 가장 많이 언급된 키워드는 "데이터"가 1,538회로 1위를 차지하였다. 따라서 분석결과를 바탕으로 연구의 한계와 이론적 실무적 시사점을 제시하고자 한다.

In the era of big data, not only structured data well organized in databases, but also the Internet, social network services, it is very important to effectively analyze unstructured big data such as web documents, e-mails, and social data generated in real time in mobile environment. Big data analysis is the process of creating new value by discovering meaningful new correlations, patterns, and trends in big data stored in data storage. We intend to summarize and visualize the analysis results through frequency analysis of unstructured article data using R language, a big data analysis tool. The data used in this study was analyzed for total 104 papers in the Mon-May 2021 among the journals of the Korea Institute of Information and Communication Engineering. In the final analysis results, the most frequently mentioned keyword was "Data", which ranked first 1,538 times. Therefore, based on the results of the analysis, the limitations of the study and theoretical implications are suggested.

People write reviews of numerous products or services on the Internet, in their blogs or community bulletin boards. These unstructured data contain important emotions and opinions about the author's product or service, which can provide important information for future product design or marketing. However, this text-based information cannot be evaluated quantitatively, and thus they are difficult to apply to mathematical models or optimization problems for product design and improvement. Therefore, this study proposes a method to quantitatively extract user's opinion or preference about a specific product or service by utilizing a lot of text-based information existing on the Internet or online. The extracted unstructured text information is decomposed into basic unit words, and positive rate is evaluated by using existing emotional dictionaries and additional lists proposed in this study. This can be a way to effectively utilize unstructured text data, which is being generated and stored in vast quantities, in product or service design. Finally, to verify the effectiveness of the proposed method, a case study was conducted using movie review data retrieved from a portal website. By comparing the positive rates calculated by the proposed framework with user ratings for movies, a guideline on text mining based evaluation of unstructured data is provided.

현장 지반정수 데이터는 다양한 현장 및 실내시험을 통해 획득된 후 지반조사보고서의 형태로 작성되어 유통된다. 효율적인 설계 및 시공을 위해선 지반정수의 디지털 데이터베이스화가 필수적이나, 현재 지반조사보고서 데이터는 수동 입력 방식으로 많은 시간과 인력이 소요되며, 오류가 발생하기도 한다. 본 연구는 이미지 기반 딥러닝 모델 및 텍스트 마이닝 기법을 사용하여 지반조사보고서에서 데이터를 자동으로 추출하는 방법을 제안하였다. 딥러닝 기반의 페이지 분류 모델과 텍스트 서칭 알고리즘을 사용하여 지반조사보고서 부록 내 세부 지반시험 결과 보고서를 100%의 정확도로 분류할 수 있었다. 컴퓨터 비전 알고리즘을 통해 보고서 페이지 내 유효한 데이터 영역을 결정하고, 텍스트 분석을 통해 추출 데이터 항목과 상응하는 지반 데이터를 짝지어 데이터를 추출했다. 제안한 모델은 205개의 지반조사 보고서로 구성된 데이터셋을 통해 검증되었으며, 평균 93.0%의 데이터 추출 정확도를 기록하였다. 마지막으로, 추출 모델의 실무 적용성을 위해 사용자 인터페이스 기반 프로그램을 개발하였다. 프로그램 내 사용자 상호작용을 통해 지반조사보고서 PDF 파일을 업로드하고 자동으로 보고서를 분석 및 데이터를 추출, 편집할 수 있도록 했다. 이를 통해 지반조사보고서의 디지털화 및 지반 데이터베이스 구축이 더욱 효율적이고 정확하게 이루어질 수 있을 것으로 판단된다.

Field geotechnical data are obtained from various field and laboratory tests and are documented in geotechnical investigation reports. For efficient design and construction, digitizing these geotechnical parameters is essential. However, current practices involve manual data entry, which is time-consuming, labor-intensive, and prone to errors. Thus, this study proposes an automatic data extraction method from geotechnical investigation reports using image-based deep learning models and text-mining techniques. A deep-learning-based page classification model and a text-searching algorithm were employed to classify geotechnical investigation report pages with 100% accuracy. Computer vision algorithms were utilized to identify valid data regions within report pages, and text analysis was used to match and extract the corresponding geotechnical data. The proposed model was validated using a dataset of 205 geotechnical investigation reports, achieving an average data extraction accuracy of 93.0%. Finally, a user-interface-based program was developed to enhance the practical application of the extraction model. It allowed users to upload PDF files of geotechnical investigation reports, automatically analyze these reports, and extract and edit data. This approach is expected to improve the efficiency and accuracy of digitizing geotechnical investigation reports and building geotechnical databases.

본 연구는 감사보고서 상 적정 감사의견이 감사인이 제시한 추가적인 정보에 비춰볼때 상이한 감사위험을 나타내고 있는지에 대해 실증 분석한다. 적정의견을 받은 감사보고서일지라도 기재된 문구를 자세히 살펴보면 감성적으로 부정적인 뉘앙스를 지닌 문구가 많이 들어가 있음을 알 수 있다. 본 연구는 이러한 부정적 문구에 대한 체계적인 분석을 위해 최근 그 중요성이 크게 증가하였음에도 불구하고 그동안 회계학 분야에서 잘 다루지 않았던 비정형 데이터 분석 방법인 인공지능적인 빅 데이터 분석기법을 사용하여 조사한다. 구체적으로 텍스트 마이닝(text mining)과 감성분석(sentiment analysis) 기법을 적용하여 적정의견을 받았음에도 감사보고서가 지닌 감성지수(sentiment index)가 부정적일때 감사보수와 시간이 유의하게 증가하는지를 살펴본다. 만약 그렇다면 적정의견 안에서도여전히 감사위험이 존재할 가능성이 있다고 판단할 수 있을 것이다. 연구결과, 감사보고서감성지수는 감사보수 및 감사시간과 유의한 음의 관계가 있는 것으로 분석되었다. 이러한연구결과는 감사보고서 상 적정의견이 모두 동일한 수준의 적정의견이 아니라는 것을 의미하며, 국내 감사보고서의 상당수가 적정의견인 현 상황이 회계정보이용자의 의사결정을 왜곡시킬 수 있음을 암시하는 것으로 판단된다. 본 연구에서 얻은 실증결과는 감사보고서의적정의견을 보다 세분화하여 감사보고서 이용자들에게 더 유용한 의사결정 정보를 제공할필요성이 있음을 시사한다. 또한, 본 연구에서 정량화하여 제시한 감사보고서 감성지수는감사보고서상에서 표출된 감사의견이 갖는 의사결정지원 능력을 보다 면밀하게 판별하는데 유용한 지표가 될 수 있음을 보여준다.

Currently, a majority of domestic audit reports convey qualified opinions, which raises serious questions about whether audit reports provide appropriate level of decision support power to interested entities. This study starts with this research issue. This study adopts big data-driven text mining and sentiment analysis methods. In particular, all the relevant words used in the audit reports are extracted by applying text mining method. Next, based on BoW (Bag-of-Words), sentiment analysis is applied such that each word induced from the BoW method is given its proper emotional score ranging from +3 to -3 in line with 5 experts' opinions. Based on the emotional scores of those words extracted from audit reports, the sentiment index of audit report is computed. Our main hypothesis is that if audit reports' sentiment scores describe audit risks using words with negative emotional score, audit fees and hours would increase as the sentiment index of audit report decreases. By using KOSPI listed firms with qualified audit opinion in year 2015-2017, we document that audit fees and hours are negatively related with the sentiment index of audit report. These findings show that auditors charge higher audit fees and put more hours on risky clients and reveal these risks through audit reports by choosing words with negative emotional score.