선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- MALLET의 LDA 기반 토픽 모델링은 동일한 자료와 동일한 설정값을 적용하더라도 모델링을 실행할 때마다 조금씩 다른 결과를 생성 하는 특징이 있다. 따라서 매체별 모델링 결과의 신뢰성을 확보하기 위해 모델링을 반복적으로 수행하여 각 매체별로 비교적 꾸준히 나타난다고 판단되는 주제들을 해당 매체에서 두드러지는, 신뢰성 있는 주제로 파악하기로 하였다. [표3]은 모델링을 10회 수행한 결과, 각 주제들이 출현한 횟수를 매체별로 나타낸 것이다.
- 본 연구는 일종의 탐색적 연구로서, 토픽 모델링 기법을 이용한 주제 기반의 오피니언 마이닝이 타당성 있는 의견 분석의 기능을 수행하는 지를 밝혀 보고자 했다는 점에서 기존의 오피니언 마이닝 관련 연구들과 차별화된다. 또한 토픽 모델링 알고리즘이 단순히 방대한 문헌에서 주제를 추출하기 위해 사용되어 왔다는 점을 감안할 때, 네트워크 분석을 통해 개별 주제의 구조와 내용을 살펴본 것은, 토픽 모델링이 가지고 있지 않은 개별 주제 분석의 기능을 보완하는 방법이라는 측면에서 의미를 부여할 수 있을 것이다.
- 본 연구에서는 토픽 모델링 알고리즘을 사용 하여 신문기사에서 추출한 주제를 바탕으로 오피니언 마이닝을 수행하였다. 먼저 18대 대선후보들의 기사에서 형성되는 주제들을 추출하고, 이러한 주제들이 매체별로 차이를 보이는지, 주제를 구성하는 단어들의 내용에 차이가 있는지, 시기별로 주제 분포의 차이가 드러나는지를 각각 살펴보았다.
- 마지막으로, 공통주제에 대한 시기별 분포 또한 매체별로 다르게 나타날 것으로 보고 시계열 분석을 통해 주제 분포의 차이를 매체별로 분석하였다. 이를 통해 주제 기반 오피니언 마이닝이 타당성 있는 의견 분석의 기능을 수행하는지 규명하고자 하였다.
- 이와는 다르게 본 연구에서는 단어나 문장 단위가 아닌 텍스트에서 자동으로 추출된 주제들을 기반으로 오피니언 마이닝을 수행하고자 하였다. 특정 이슈를 다루는 텍스트에서 발견되는 주제들의 성격과 그 주제들의 시기별 분포 변화를 분석함으로써 해당 이슈를 바라보는 텍스트 생산자의 관점이나 의견이 파악될 수 있을 것으로 보았기 때문이다.
제안 방법
- 18대 대선 후보들의 기사로부터 추출된 각 주제들의 분포가 시간의 흐름에 따라 어떻게 변화하는지 살펴보기 위해 DMR(Dirichlet-multinomial Regression) 기반의 토픽 모델링을 수행하였다. 이는 기본 LDA와는 다르게 문헌의 텍스트 자료 외에도 메타데이터를 추가로 입력 받아 해당 메타데이터에 따라 주제의 분포가 변화되는 양상을 추적하게 해 주는 모델이다(Mimno and McCallum 2008).
- 토픽 모델링 기법 중 하나인 LDA는 단순하다는 특징과 함께 데이터의 차원을 축소하는데 유용하며, 의미적으로 일관성이 있는 주제 들을 생산한다는 장점을 가지기 때문에 텍스트 분석에서 인기 있는 모델로서 사용되어 왔다(Mimno and McCallum 2008). LDA는 모델링을 수행하기 위한 샘플링의 반복 횟수와 추출할 주제의 수를 지정해야 하는데 본 연구에서는 샘플링을 3,000회 반복하여 총 15개의주제를 추출했다. 이러한 설정값들은 여러 번의 시행착오를 거쳐 얻어진 것으로, 연구에 사용된 데이터 집합으로부터 가장 해석이 가능한 주제 집합을 추출해 주는 것으로 파악된 값들이다.
- 이는 PFNet상의 노드를 최근접 이웃끼리 연결하여 군집을 형성해 나가는 일종의 계층적 클러스터링 기법이다(이재윤 2006c). PFNet 형성과 TBC 측정 및 PNNC 수행을 위해 WNET0.4 (이재윤 2012)를 사용하였고 NodeXL을 이용 하여 이를 시각화하였다.
- 1에서 수행한 토픽 모델링 10회 결과 중 한 회의 결과를 택하여 두 매체에서 공통적으로 출현한 몇 가지 주제에 대한 네트워크 분석을 수행하였다. 각각의 주제를 구성하는 20개의 단어들이 한 기사 내에서 동시 출연한 빈도를 파악하여 코사인 유사 도를 구한 후 이를 PFNet으로 나타냈다.
- 먼저, 각 매체가 따르는 정파적 입장에 따라 대선 후보 관련 기사에서 형성되는 주제가 다르게 나타날 것으로 보고, 매체별로 고정적으로 나타나는 주제들을 비교하여 그 차이를 분석하였다. 그리고, 양 매체에서 공통적으로 나타난 주제일지라도 주제의 세부 내용은 매체별로 차이를 보일 것으로 보고, 주제를 구성하는 단어들을 네트워크 분석 기법을 통해 비교하였다. 마지막으로, 공통주제에 대한 시기별 분포 또한 매체별로 다르게 나타날 것으로 보고 시계열 분석을 통해 주제 분포의 차이를 매체별로 분석하였다.
- PFNet은 삼각부등식(Triangle Inequality) 을 위반하는 경로를 제거하여 네트워크를 생성 하는 알고리즘이기 때문에 이를 이용할 경우 주요한 링크만 남겨진, 요약된 네트워크를 얻을 수 있게 되는 장점이 있다(이재윤 2006a). 또한 이재윤(2006b)에서 제안한 삼각매개중심성(Triangle Betweenness Centrality: TBC로 약칭)을 이용하여 각각의 주제 네트워크를 이루는 노드들의 입지와 영향력을 살펴보았다. 마지막으로 노드들의 군집화를 위해 PNNC(Parallel Nearest Neighbor Clustering) 알고리즘을 적용 하였다.
- 그리고, 양 매체에서 공통적으로 나타난 주제일지라도 주제의 세부 내용은 매체별로 차이를 보일 것으로 보고, 주제를 구성하는 단어들을 네트워크 분석 기법을 통해 비교하였다. 마지막으로, 공통주제에 대한 시기별 분포 또한 매체별로 다르게 나타날 것으로 보고 시계열 분석을 통해 주제 분포의 차이를 매체별로 분석하였다. 이를 통해 주제 기반 오피니언 마이닝이 타당성 있는 의견 분석의 기능을 수행하는지 규명하고자 하였다.
- 본 연구에서는 토픽 모델링 알고리즘을 사용 하여 신문기사에서 추출한 주제를 바탕으로 오피니언 마이닝을 수행하였다. 먼저 18대 대선후보들의 기사에서 형성되는 주제들을 추출하고, 이러한 주제들이 매체별로 차이를 보이는지, 주제를 구성하는 단어들의 내용에 차이가 있는지, 시기별로 주제 분포의 차이가 드러나는지를 각각 살펴보았다.
- 이렇게 추출된 주제들은 매체별 정파성 분석을 위해 세 단계로 분석되었다. 먼저, 각 매체가 따르는 정파적 입장에 따라 대선 후보 관련 기사에서 형성되는 주제가 다르게 나타날 것으로 보고, 매체별로 고정적으로 나타나는 주제들을 비교하여 그 차이를 분석하였다. 그리고, 양 매체에서 공통적으로 나타난 주제일지라도 주제의 세부 내용은 매체별로 차이를 보일 것으로 보고, 주제를 구성하는 단어들을 네트워크 분석 기법을 통해 비교하였다.
- 모든 자료는 인터넷 사이트를 통해 수집된웹 페이지 형식의 기사이기 때문에 마크업 기호, 연관 기사 제목, 신문사별 고유 문구2) 등의 불필요한 요소들을 제거한 후 기사의 본문만을 추출하였다.
- 이는 기본 LDA와는 다르게 문헌의 텍스트 자료 외에도 메타데이터를 추가로 입력 받아 해당 메타데이터에 따라 주제의 분포가 변화되는 양상을 추적하게 해 주는 모델이다(Mimno and McCallum 2008). 여기서는 먼저 LDA를 이용해 각 매체의 후보별 기사에서 주제를 추출한후, MALLET의 DMR 기반 토픽 모델 알고리즘을 사용해 각 주제 분포의 시기별 변화 양상을 파악하여 주요 정치적 이슈가 일어났던 시기를 중심으로 매체별 주제 분포의 차이를 분석하였다.
- 여러 문서에 걸쳐 나타나는 명사들 중 ‘위원회’, ‘대표’, ‘관계자’ 등과 같이 주제를 파악하는 데 도움이 되지 않는 다고 판단 되는 어휘들도 함께 제거하였다.
- 언론이 일종의 킹 메이커(king maker) 역할을 하게 된다는 것이다. 이러한 문제의식을 바탕으로 특정 인물 보도에 대한 정파성을 살펴보기 위해, 진보매체와 보수매체의 각 후보 관련 기사에서 매체별로 주제를 추출한 후, 두 매체에서 공통적으로 출현한 몇 개의 주제에 대하여 시간의 흐름에 따른 주제 분포의 변화 추이를 비교하였다.
- 이러한 오류를 개선하기 위해 ‘명사+명사’ 형태의 바이그램(bigram)에 대해 상호정보량(Mutual Information: MI로 약칭)을 산출하여 적정 수준 이상의 MI값을 가지는 결합을 합성명사로보고 이를 결합된 형태로 치환하는 작업을 거쳤다.
- 두 종류의 매체에서 공통으로 추출된 주제라 하더라도 각각의 주제를 구성하는 단어들의 내용과 단어들 간의 관계는 매체별로 차이를 보일 것으로 보았다. 이러한 차이를 살펴보기 위해 동시 출현 단어 네트워크를 구성해 분석하였다. 토픽 모델링을 이용한 신문 자료의 오피니언 마이닝에 대한 연구 321각각의 주제를 구성하는 20개의 단어들 중 동일한 기사에 함께 출현한 단어들과 그들 간의 동시 출현(co-occurrence) 빈도로 행렬을 구성하여 벡터 간 코사인유사도(Cosine Similarity)를 산출한 후 이 값을 이용하여 동시 출현 단어들 간의 패스파인더 네트워크(Pathfinder Network: PFNet으로 약칭)를 구성하였다(Schvaneveldt 1990).
- 이를 확인하기 위해, 진보매체와 보수매체의 기사를 대상으로 각각 모델링을 수행 하여 각각 20개의 단어로 이루어진 총 15개의주제를 각각 추출하였는데 그 결과는 와 같다.
- 진보매체와 보수매체에서 공통으로 나타난 주제일지라도 각 주제를 구성하는 단어군의 세부 내용은 차이를 보일 것이라고 판단하였다. 이를 확인해 보기 위해 4.1에서 수행한 토픽 모델링 10회 결과 중 한 회의 결과를 택하여 두 매체에서 공통적으로 출현한 몇 가지 주제에 대한 네트워크 분석을 수행하였다. 각각의 주제를 구성하는 20개의 단어들이 한 기사 내에서 동시 출연한 빈도를 파악하여 코사인 유사 도를 구한 후 이를 PFNet으로 나타냈다.
- 이러한 설정값들은 여러 번의 시행착오를 거쳐 얻어진 것으로, 연구에 사용된 데이터 집합으로부터 가장 해석이 가능한 주제 집합을 추출해 주는 것으로 파악된 값들이다. 추출된 주제들에 대해 적절한 주제명을 레이블링하고 진보매체와 보수매체에서 나타난 주제들의 구성을 서로 비교하여 주제적 차이를 통해 정파성을 분석하였다.
- 이러한 차이를 살펴보기 위해 동시 출현 단어 네트워크를 구성해 분석하였다. 토픽 모델링을 이용한 신문 자료의 오피니언 마이닝에 대한 연구 321각각의 주제를 구성하는 20개의 단어들 중 동일한 기사에 함께 출현한 단어들과 그들 간의 동시 출현(co-occurrence) 빈도로 행렬을 구성하여 벡터 간 코사인유사도(Cosine Similarity)를 산출한 후 이 값을 이용하여 동시 출현 단어들 간의 패스파인더 네트워크(Pathfinder Network: PFNet으로 약칭)를 구성하였다(Schvaneveldt 1990). PFNet은 삼각부등식(Triangle Inequality) 을 위반하는 경로를 제거하여 네트워크를 생성 하는 알고리즘이기 때문에 이를 이용할 경우 주요한 링크만 남겨진, 요약된 네트워크를 얻을 수 있게 되는 장점이 있다(이재윤 2006a).
대상 데이터
- 시계열 분석이 가능한 대량의 자료로는 시기별로 비교적 일정한 분량의 텍스트로 구성돼 있는 신문 자료가 적당할 것으로 보았기 때문에 이를 연구 자료로 선택하였다. 그리고 기사를 통해 드러나는 언론 매체의 정파성을 일종의 의견으로 간주하여 이를 오피니언 마이닝의 대상으로 삼았다.
- 특정 이슈를 다루는 텍스트에서 발견되는 주제들의 성격과 그 주제들의 시기별 분포 변화를 분석함으로써 해당 이슈를 바라보는 텍스트 생산자의 관점이나 의견이 파악될 수 있을 것으로 보았기 때문이다. 시계열 분석이 가능한 대량의 자료로는 시기별로 비교적 일정한 분량의 텍스트로 구성돼 있는 신문 자료가 적당할 것으로 보았기 때문에 이를 연구 자료로 선택하였다. 그리고 기사를 통해 드러나는 언론 매체의 정파성을 일종의 의견으로 간주하여 이를 오피니언 마이닝의 대상으로 삼았다.
- 음영으로 표시된 부분은 과반수 넘게 출현한 경우로, 이들만을 신뢰성 있는 주제로 판단하여 비교 대상으로 삼았다. 진보매체에서 등장한 신뢰성 있는 주제는 ‘MB정부실정’, ‘과거사’, ‘복지문제’, ‘정수장학회’이다.
- 최민재, 김재영(2008)에 따르면, 불공정 편파 보도는 특히 선거 때 현저해지고 방송보다는 신문에서 두드러지게 나타나는 경향이 있다. 이를 고려하여 18대 대선 국면에서 보도된, 주요 대선 후보와 관련된 기사들을 정파성 분석의 대상으로 정했다. 자료의 수집을 위해 웹 크롤링 기법을 사용하여, 선거 직전 2년 동안 (2011년 1월 1일~2012년 12월 18일) 신문 지면에 게재된 기사 중 박근혜, 문재인, 안철수가 등장하는 기사들을 수집하였다.
- 이를 고려하여 18대 대선 국면에서 보도된, 주요 대선 후보와 관련된 기사들을 정파성 분석의 대상으로 정했다. 자료의 수집을 위해 웹 크롤링 기법을 사용하여, 선거 직전 2년 동안 (2011년 1월 1일~2012년 12월 18일) 신문 지면에 게재된 기사 중 박근혜, 문재인, 안철수가 등장하는 기사들을 수집하였다.1)
이론/모형
- 또한 이재윤(2006b)에서 제안한 삼각매개중심성(Triangle Betweenness Centrality: TBC로 약칭)을 이용하여 각각의 주제 네트워크를 이루는 노드들의 입지와 영향력을 살펴보았다. 마지막으로 노드들의 군집화를 위해 PNNC(Parallel Nearest Neighbor Clustering) 알고리즘을 적용 하였다. 이는 PFNet상의 노드를 최근접 이웃끼리 연결하여 군집을 형성해 나가는 일종의 계층적 클러스터링 기법이다(이재윤 2006c).
- 본 연구에서는 대선 후보 관련 기사에서 주제가 되는 키워드를 추출하기 위해, MALLET의 LDA(Latent Dirichlet Allocation) 기반 토픽 모델링 알고리즘을 사용하였다.
- 이를 위해, 18대 대선 후보들에 대한 기사를 진보매체의 기사와 보수매체의 기사로 나누어 수집한 후, 각 매체별로 주제를 자동으로 추출 하기 위해 토픽 모델링(Topic Modeling) 기법을 사용하였다. 토픽 모델링 알고리즘은 방대한 양의 텍스트에서 사용된 단어들을 분석 하여 주제들을 발견하고 그 주제들이 서로 어떻게 연결되어 있는지, 시간에 따라 어떻게 변화되어 가는지를 분석해 주는 통계적 방법이다(Blei 2013).
성능/효과
- 매체별 주제 구성의 분석을 통해서는 ‘MB정부실정’, ‘과거사’, ‘정수장학회’와 같이 보수 세력에게 불리한 주제들이나 ‘복지문제’와 같이 진보 세력에게 유리한 주제는 진보매체에서 주로 나타난 것으로 파악되었다.
- 박근혜에게 유리했던 주제인 ‘남북관계’는 NLL 관련 공방이 시작된 이후 보수매체에서만 분포가 지속적으로 상승했던 것으로 확인되었다.
- 시기별 주제 분포의 분석을 통해서는 특정 시기의 주제 분포가 각 진영의 유불리에 따라 다르게 분포하는 특징을 확인할 수 있었다. 박근혜 기사에서의 ‘정수장학회’는 의혹이 크게 불거진 시점에 진보매체에서는 높은 분포를 보이는 반면 보수매체에서는 변동이 없었다.
- 이 세 가지 분석을 통하여 진보매체와 보수 매체 모두 자신들과 유사한 이데올로기 지형에 위치해 있는 후보 및 진영의 입장에서, 본인들에게 유리한 이슈는 적극적으로 보도하고 불리한 이슈는 소극적으로 보도하는 경향성이 파악되었다. 이를 통해 대선이라는 거대 이슈와 그와 관련된 주제들에 대해 각 매체가 가지는 입장을 엿볼 수 있었다.
- 주제별 네트워크 분석을 통해서는 두 매체에서 동일하게 나타난 주제들이라도 정파적 입장에 따라 주제를 구성하는 단어들 또는 단어 들의 관계가 차이를 보이는 것을 확인할 수 있 었다. ‘경제민주화’의 경우 진보매체에서 보다 긍정적으로 보도한 측면이 있었고 ‘서울시장 보궐선거’의 경우에는 진보매체에서만 당시 진보 진영에 유리하게 작용했던 ‘SNS’와 ‘안철수’를 선거와 연관시키고 있는 것으로 나타났다.
후속연구
- 또한 토픽 모델링 알고리즘이 단순히 방대한 문헌에서 주제를 추출하기 위해 사용되어 왔다는 점을 감안할 때, 네트워크 분석을 통해 개별 주제의 구조와 내용을 살펴본 것은, 토픽 모델링이 가지고 있지 않은 개별 주제 분석의 기능을 보완하는 방법이라는 측면에서 의미를 부여할 수 있을 것이다. 그러나 각 매체별 분석 결과의 차이가 정파 성의 차이로 인한 것임을 증명하는 데 보다 과학적인 방법들을 적용하지 못한 점은 본 연구가 가지는 한계이다. 또한 각 주제에 대한 레이블링 작업이 세 명의 연구자에게만 의존해 진행되었고, 각 주제를 구성하는 단어들이 정확히 일치하지 않음에도 레이블링 결과가 같을 경우 동일한 주제로 취급하여 비교 대상으로 삼은 점도 한계로 지적될 수 있겠다.
- 그러나 각 매체별 분석 결과의 차이가 정파 성의 차이로 인한 것임을 증명하는 데 보다 과학적인 방법들을 적용하지 못한 점은 본 연구가 가지는 한계이다. 또한 각 주제에 대한 레이블링 작업이 세 명의 연구자에게만 의존해 진행되었고, 각 주제를 구성하는 단어들이 정확히 일치하지 않음에도 레이블링 결과가 같을 경우 동일한 주제로 취급하여 비교 대상으로 삼은 점도 한계로 지적될 수 있겠다.
- 향후 이러한 점들이 보완된다면 본 연구에서 시도한 주제 기반의 오피니언 마이닝이 방대한 양의 자료를 대상으로 언론의 정파성을 분석하는 데 효과적으로 사용될 수 있을 것으로 보인다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.