[논문]텍스트 마이닝 기법을 활용한 환경공간정보 연구 동향 분석

오관영; 이명진; 박보영; 이정호; 윤정호

doi:10.11108/kagis.2017.20.1.113

텍스트 마이닝 기법을 활용한 환경공간정보 연구 동향 분석
Analysis of the Research Trends by Environmental Spatial-Information Using Text-Mining Technology 원문보기

한국지리정보학회지 = Journal of the Korean Association of Geographic Information Studies, v.20 no.1, 2017년, pp.113 - 126

오관영 (한국환경정책.평가연구원) , 이명진 (한국환경정책.평가연구원) , 박보영 (한국환경정책.평가연구원) , 이정호 (한국환경정책.평가연구원) , 윤정호 (한국환경정책.평가연구원)

초록
AI-Helper

본 연구의 목적은 빅데이터 분석 기법 중 하나인 텍스트 마이닝 기법을 활용하여 환경 분야의 환경공간정보 활용 연구 동향을 정량적으로 분석하는 것이다. 분석에 활용된 자료는 NDSL (National Digital Science Library)을 통하여 획득한 국내 논문으로 총 869편을 대상으로 하였다. 논문에서 추출된 단어들은 "환경일반", "기후", "대기", 등 환경 분야 10개, "위성영상", "수치지도", "재난재해" 등 환경공간정보 20개로 설정된 분류체계에 따라 재분류 되었다. 재분류된 분류 키워드를 통해, 논문에서 해당 키워드의 출현 빈도 및 시계열 변화를 파악하였으며, 상호 간 연관분석을 수행하였다. 첫째, 빈도 분석 결과 환경 분야에서는 "환경일반"(40.85%)이 환경공간정보에서는 "위성영상" (24.87%)이 가장 높은 활용 빈도를 나타냈다. 둘째, 환경 분야에 대한 시계열 분석 결과 1996년부터 2000년까지는 "기후"에 대한 연구 비중이 높았으나, 2001년부터는 "환경일반"에 대한 연구가 증가하였다. 환경공간정보에서는 "위성영상"에 대한 수요가 전 기간에 걸쳐 가장 높았으며, 활용 비율 또한 점차적으로 증가하고 있었다. 셋째, 환경 분야와 환경공간정보에 대한 연관분석 결과 총 80개의 연관 규칙이 생성되었으며, 환경 분야 중 "환경일반"이 "위성영상", "전자지도" 등 총 17개의 환경공간정보와 가장 많은 수의 연관 규칙을 생성하였다.

Abstract ▼ AI-Helper

This study aimed to quantitatively analyze the trends in environmental research that utilize environmental geospatial information through text mining, one of the big data analysis technologies. The analysis was conducted on a total of 869 papers published in the Republic of Korea, which were collected from the National Digital Science Library (NDSL). On the basis of the classification scheme, the keywords extracted from the papers were recategorized into 10 environmental fields including "general environment", "climate", "air quality", and 20 environmental geospatial information fields including "satellite image", "numerical map", and "disaster". With the recategorized keywords, their frequency levels and time series changes in the collected papers were analyzed, as well as the association rules between keywords. First, the results of frequency analysis showed that "general environment"(40.85%) and "satellite image"(24.87%) had the highest frequency levels among environmental fields and environmental geospatial information fields, respectively. Second, the results of the time series analysis on environmental fields showed that the share of "climate" between 1996 and 2000 was high, but since 2001, that of "general environment" has increased. In terms of environmental geospatial information fields, the demand for "satellite image" was highest throughout the period analyzed, and its utilization share has also gradually increased. Third, a total of 80 correlation rules were generated for environmental fields and environmental geospatial information fields. Among environmental fields, "general environment" generated the highest number of correlation rules (17) with environmental geospatial information fields such as "satellite image" and "digital map".

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구는 텍스트 마이닝 기법을 통해 환경 공간정보의 환경 분야 활용에 대한 연구 동향을 파악하는 것이다. 따라서 텍스트 마이닝 기법을 위한 연구 자료는 국내에서 발행된 연구 논문을 대상으로 하는 것이 타당하다.
본 연구에서는 전술된 연구 방법에 따라 환경 분야 활용의 관점에서 국내 환경공간정보에 대한 텍스트 마이닝 분석 결과를 제시한다. 이에 수집된 연구 자료의 전처리 과정으로부터 추출된 각 환경 분야와 환경공간정보 분류 키워드를 대상으로 빈도 분석, 시계열 분석, 연관 분석을 수행하였다.
본 연구에서는 환경 분야와 환경공간정보에 대한 연관분석을 수행하였다. 연관분석의 척도는 지지도(support), 신뢰도(confidence), 향상 도(lift)가 사용되었다.
본 연구의 목적은 텍스트 마이닝 기법을 활용하여 환경 분야별 활용된 환경공간정보의 빈도, 시계열 경향, 연관성 등을 정량적으로 분석하는 것이다. 이를 위하여 첫째, 최근 20년(19 96년-2015년)동안 발간된 환경공간정보가 활용된 환경 분야 국내 논문들을 수집하였다.
한편, 선행된 연구들은 공간정보 및 GIS 기술에 대한 동향 분석으로 환경 분야와의 관련성은 고려되지 않았다. 이에 본 연구에서는 환경공간정보의 환경 분야 활용의 관점에서 특화된 연구를 수행하고자 하였다. 세부적으로는 환경 분야 10개, 환경공간 정보 20개로 구분된 분류체계를 중심으로 환경 분야 및 환경공간정보 별 빈도, 추이, 연관성 등을 종합적으로 분석하였다.

제안 방법

국내 환경공간정보는 환경부 주도로 1998년 구축된 전국 단위 대분류 토지피복지도 제작으로부터 시작되었다. 대분류 토지피복지도는 USGS (United States Geological Survey)의 Landsat 위성영상을 활용하여 남북한 전체를 7개 대분류(시가화 건조지역, 농업지역, 산림지역, 초지, 습지, 나지 및 수역 등)로 구분하였다(Oh et al., 2016). 이후, 환경공간정보의 범위는 점차 확장되어 환경부의 생태자연도, 국토환경성 평가지도, 산림청의 임상도, 농촌진흥청의 토양도, 항공우주연구원의 위성영상, 국토지리정보원의 수치지도 등 그 활용 목적에 따라 다양한 기관에서 생성 및 배포되고 있다.
이를 위하여 첫째, 최근 20년(19 96년-2015년)동안 발간된 환경공간정보가 활용된 환경 분야 국내 논문들을 수집하였다. 둘째, 텍스트 마이닝 분석을 위하여 환경공간정보 및 환경 분야에 대한 분류체계를 구성하였다. 셋째, 전술된 분류체계에 따라 수집된 논문의 초록에서 유의미한 키워드를 추출하고, 추출된 키워드에 대한 빈도 분석, 시계열 분석 및 연관 분석을 수행하였다.
즉, 1편의 논문 당 환경 분야 분류 키워드 1개, 환경공간정보 분류 키워드 1개의 대표 키워드 행렬을 추출하였다. 또한, 시계열 분석에서는 1년 동안 발행되는 논문의 수가 적음으로, 전체 수집 기간(1996년-2015년)을 5 년 단위로 구분하여 수행하였다. 마지막으로 키워드 상호 간 연관 분석은 연관 규칙을 기반으로 빈발 출현 키워드의 쌍을 추출하는 방법이다.
즉, 향상도가 클수록 하나의 데이터 셋(예: 논문 1편)에 A(예: 환경일반)라는 키워드가 출현할 때, B(예: 농업)라는 키워드가 동시에 출현할 확률이 커진다는 것을 의미한다. 본 연구에서는 적절한 수의 연관 규칙을 도출하기 위하여 연관관계 규칙은 지지도 0.005, 신뢰도 0.005의 임계값 환경에서 연산하였다. 표 4는 각 연관 규칙에 대한 지지도, 신뢰도, 향상도를 나타낸다.
본 연구에서는 텍스트 마이닝 기법을 활용하여 과거부터 현재까지 각 환경 분야별 환경공간정보 활용의 변화를 정량적으로 분석하였다. 그러나 본 연구는 향후 2가지 개선사항이 있다.
본 연구의 수행 절차는 크게 자료 전처리 단계와 텍스트 마이닝 분석 단계로 구분된다. 첫째, 자료 전처리 단계는 수집된 논문의 초록을 대상으로 유의미한 단어를 추출하고, 추출된 단어를 환경 분야 및 환경공간정보 분류체계에 따라 재분류하는 과정이다.
이에 본 연구에서는 환경공간정보의 환경 분야 활용의 관점에서 특화된 연구를 수행하고자 하였다. 세부적으로는 환경 분야 10개, 환경공간 정보 20개로 구분된 분류체계를 중심으로 환경 분야 및 환경공간정보 별 빈도, 추이, 연관성 등을 종합적으로 분석하였다.
빈도 및 시계열 분석은 논문에서 출현한 상대적 중요도를 비교하는 방법이다. 이때, 수집된 각각의 논문에서 분류 키워드가 수차례 반복되었더라도 논문 1편당 1회 언급된 것으로 연산하였으며, 여러 개의 키워드가 포함되어 있더라도 중요도가 큰 대표 키워드를 선정하였다. 즉, 1편의 논문 당 환경 분야 분류 키워드 1개, 환경공간정보 분류 키워드 1개의 대표 키워드 행렬을 추출하였다.
그러나 현재까지 본 연구의 목적에 부합하는 공인된 환경 분야 및 환경공간정보 분류체계에 대한 기존의 연구는 미흡하였다. 이에 본 연구에서는 Lee et al. (2014) 및 NSDI(Korea National Spatial Data Infrastructure Portal)에서 제시한 기준을 중심으로 환경분야 및 환경공간정보에 대한 분류 체계를 재구성하였다. 재구성된 분류체계에 따른 환경 분야 분류 키워드 10개와 환경공간정보 분류 키워드 20개는 각각 표 2, 3과 같다.
이때, 수집된 각각의 논문에서 분류 키워드가 수차례 반복되었더라도 논문 1편당 1회 언급된 것으로 연산하였으며, 여러 개의 키워드가 포함되어 있더라도 중요도가 큰 대표 키워드를 선정하였다. 즉, 1편의 논문 당 환경 분야 분류 키워드 1개, 환경공간정보 분류 키워드 1개의 대표 키워드 행렬을 추출하였다. 또한, 시계열 분석에서는 1년 동안 발행되는 논문의 수가 적음으로, 전체 수집 기간(1996년-2015년)을 5 년 단위로 구분하여 수행하였다.
(2014a)은 공간정보 관련 논문 및 보고서에서 추출된 키워드의 시기별 출현 빈도 및 변화를 분석하여, 공간정보 분야의 연구 동향을 정리하였다. 해당 연구에서는 공간정보 관련 키워드를 system, data, application, method 등으로 군집화 하여 분석하였다. 한편, 선행된 연구들은 공간정보 및 GIS 기술에 대한 동향 분석으로 환경 분야와의 관련성은 고려되지 않았다.

대상 데이터

검색 키워드의 선정은 빅데이터 분석 도구인 마인즈인사이트(http://www.mindsinsight.co.kr)1)에서 "환경 분야"를 입력하였을 때, 또는 "환경공간정보"를 입력하였을 때 도출되는 각각의 연관 키워드를 중심으로 재구성하였다.
왜냐하면 최근 20년 이전에는 국내 환경공간정보 관련 논문의 수가 매우 적기 때문이다. 본 연구에서 사용된 자료는 NDSL (National Digital Science Library)에서 환경 분야와 환경공간정보에 대한 검색 키워드를 교차 검색하였을 때 추출되는 국내 논문이다. 이를 위하여 환경 분야 35개, 환경공간정보 분야 21개 검색 키워드를 입력하였다.
왜나 하면, 국내에서 생성된 환경공간정보는 국내 연구에서 제한적으로 사용될 가능성이 높으며, 연구 논문 이외의 신문기사, 블로그 등의 자료 등은 본 연구의 전문성에 부합되지 않기 때문이다. 연구 자료의 수집 시기는 최근 20년(1996년 -2015년)간 발행된 국내 논문으로 한정하였다. 왜냐하면 최근 20년 이전에는 국내 환경공간정보 관련 논문의 수가 매우 적기 때문이다.
본 연구의 목적은 텍스트 마이닝 기법을 활용하여 환경 분야별 활용된 환경공간정보의 빈도, 시계열 경향, 연관성 등을 정량적으로 분석하는 것이다. 이를 위하여 첫째, 최근 20년(19 96년-2015년)동안 발간된 환경공간정보가 활용된 환경 분야 국내 논문들을 수집하였다. 둘째, 텍스트 마이닝 분석을 위하여 환경공간정보 및 환경 분야에 대한 분류체계를 구성하였다.
본 연구에서 사용된 자료는 NDSL (National Digital Science Library)에서 환경 분야와 환경공간정보에 대한 검색 키워드를 교차 검색하였을 때 추출되는 국내 논문이다. 이를 위하여 환경 분야 35개, 환경공간정보 분야 21개 검색 키워드를 입력하였다. 검색 키워드의 선정은 빅데이터 분석 도구인 마인즈인사이트(http://www.
이때 선정된 검색 키워드는 다음 표 1과 같다. 전술된 검색 키워드를 NDSL의 검색 엔진에 입력하여, 1996년부터 2015년까지 총 869편의 국내 논문을 수집하였다. NDSL에서는 국내에서 발간된 연구논문 전체에 대한 초록 및 서지정보를 제공하기 때문에 기타 학술 검색엔 진의 중복검색은 고려하지 않았다.

데이터처리

둘째, 텍스트 마이닝 분석 단계에서는 분류체계에 따라 재 군집된 분류 키워드에 대한 빈도 분석, 시계열 분석 및 키워드 상호 간 연관 분석을 수행하였다. 빈도 및 시계열 분석은 논문에서 출현한 상대적 중요도를 비교하는 방법이다.
본 연구에서는 텍스트 마이닝 기법을 활용하여 환경 분야별 활용된 환경공간정보의 빈도 분석, 시계열 분석, 연관분석을 수행하였다.
둘째, 텍스트 마이닝 분석을 위하여 환경공간정보 및 환경 분야에 대한 분류체계를 구성하였다. 셋째, 전술된 분류체계에 따라 수집된 논문의 초록에서 유의미한 키워드를 추출하고, 추출된 키워드에 대한 빈도 분석, 시계열 분석 및 연관 분석을 수행하였다. 이를 통해 환경 연구에서 주요하게 활용된 환경공간정보가 무엇이며, 그 경향성이 무엇인지 점검하였다.
본 연구에서는 전술된 연구 방법에 따라 환경 분야 활용의 관점에서 국내 환경공간정보에 대한 텍스트 마이닝 분석 결과를 제시한다. 이에 수집된 연구 자료의 전처리 과정으로부터 추출된 각 환경 분야와 환경공간정보 분류 키워드를 대상으로 빈도 분석, 시계열 분석, 연관 분석을 수행하였다.

이론/모형

첫째, 자료 전처리 단계는 수집된 논문의 초록을 대상으로 유의미한 단어를 추출하고, 추출된 단어를 환경 분야 및 환경공간정보 분류체계에 따라 재분류하는 과정이다. 단어 추출은 프로그램 언어 R 3.3.1의 한국어 분석 Tool box인 KoNLP (Korean Natural Language Processing)를 활용하였다. 이때, 추출된 단어에는 환경 분야 및 환경공간정보와 부합하지 않는 단어들이 포함되어 있고, 동일한 대상에 대한 유의어가 혼용 되어 있다.
본 연구에서는 환경 분야와 환경공간정보에 대한 연관분석을 수행하였다. 연관분석의 척도는 지지도(support), 신뢰도(confidence), 향상 도(lift)가 사용되었다. 지지도는 전체 문서에서 키워드 A와 B가 함께 나오는 확률(P(A ∩ B)), 신뢰도는 키워드 A가 나오는 관계 속에서 A와 B가 동시에 나온 비율을 의미하며(P(B|A)), 향상도는 두 키워드의 독립 관계를 판단한다(P(A ∩ B)/(P(A) P(B)) ).

성능/효과

그러나 "위성영상"은 "환경일반 ", "기후", "해양" 분야를 비롯한 "생물다양성", "토양", "수질", "대기", 분야에서의 활용 빈도가 상대적으로 높았다.
그림 1,2,3의 결과를 종합해 볼 때, 환경 공간정보는 "환경일반", "기후", "생물다양성", " 토양", "수질", "대기", "해양"의 환경 분야에서 유의미한 활용을 나타냈다.
둘째, 환경 분야에 대한 시계열 분석에서 1996년부터 2000년까지는 "기후"에 대한 연구 비중이 높았으나, 2001년부터는 "환경일 반"에 대한 연구가 증가한 것을 확인할 수 있다.
첫째, 빈도 분석 결과 환경 분야에서는 농업, 환경교육, 토지피복 등 환경 분야 일반적 내용을 포괄적으로 포함하는 "환경일반" 40.85%로 가장 높았지만, "기후" 분야는 전체의 32.8%로 "환경일반" 이외의 단일 분류체계에서는 가장 높은 비율을 나타냈다.
총 10개의 환경 분야로 구분된 분류 키워드의 상위 발생 빈도는 "환경 일반" 40.85%(279회), "기후"32.8% (224회) 로 전체의 약 73%를 나타냈다.
총 20개의 환경공간정보로 구분된 분류 키워드의 상위 발생 빈도는 "위성영상"24.87%(170회), "기후대기"11.71%(80 회), "재난방재"10.69%(73회), "자연" 10.1%(6 9회)로 전체의 약 58%를 나타냈다.
환경 분야에 시계열 분석 결과, 1996년부터 2000년까지는 "기후"에 대한 연구 비중이 높았으나, 2001년부터는 "환경일반"에 대한 연구가 증가한 것을 확인할 수 있다(그림 4).

후속연구

예를 들어 추출된 단어에는 환경 분야에서 "기후"로 분류할 수 있는 "온난화", "이상기온", "폭염" 등의 세분화된 단어들이 포함되어 있다. 그러나 본 연구의 범위는 환경공간정보가 활용된 환경 분야 전체를 대상으로 하기 때문에 전술된 세분화된 단어에 대한 분석으로는 유의미한 정보를 도출하기 어렵다. 만약, 연구의 범위를 환경 분야 중 "기후"로 한정하고 자료를 수집했다면 "온난화", "이상기온", "폭염" 등의 세분화된 단어들에 대한 분석이 적합할 것이다.
만약, 연구의 범위를 환경 분야 중 "기후"로 한정하고 자료를 수집했다면 "온난화", "이상기온", "폭염" 등의 세분화된 단어들에 대한 분석이 적합할 것이다. 따라서 본 연구의 범위와 목적에 적합한 분석을 위해서는 불필요한 단어들을 제거하고, 추출된 단어들을 일정한 체계에 따라 군집화하는 과정이 필요하다. 그러나 현재까지 본 연구의 목적에 부합하는 공인된 환경 분야 및 환경공간정보 분류체계에 대한 기존의 연구는 미흡하였다.
마찬가지로 환경공간정보 중, "대기/기후"를 생성하는 기관이 해당 자료의 질적 향상 및 고도화를 진행하고자 할 때, 환경 분야 중 "유해물질 및 보건", "대기", "수질", "생물다양성", "환경일반", "기후", "해양" 분야에서의 연구 수요를 조사할 수 있을 것이다.
첫째, 환경 전 분야를 연구의 범위로 설정하였기 때문에 환경 분야의 분류체계가 대분류의 단계에서 진행되었다. 비록, 환경공간정보의 활용 관점에서 전체의 환경 분야의 연구 경향의 파악에는 의미가 있으나 실질적 활용을 위해서는 보다 세분화된 연구가 요구된다. 예를 들어, "환경 일반"에 포함되어 있는 농업, 환경교육 등 세분화된 분야를 대상으로 한 추가연구가 필요할 것이다.
예를 들어, "환경 일반"에 포함되어 있는 농업, 환경교육 등 세분화된 분야를 대상으로 한 추가연구가 필요할 것이다.
그러나 환경 분야에는 전통적인 환경 전문가들은 많음에 비해 환경공간 정보의 융합 활용을 위한 총괄적 관점의 전문가는 부족하다. 이러한 관점에서 환경 분야별 환경공간정보의 발전 추이 및 활용 동향을 파악하고, 이를 기반으로 기존 연구와 환경공간정보의 융합 활용 연구의 확장 또는 발전을 위한 체계화 연구가 필요하다.
즉, 환경공간정보의 융합 활용의 관점에서는 " 위성영상"에 대한 투자와 관심이 우선적으로 요구되며 각기 다른 센서 특성을 지니고 있는 국내 지구 관측 위성에 대한 다각적인 융합 연구가 필요할 것으로 사료된다(그림 5).
예를 들어, 본 연구에서는 "위성영상"의 활용 비율의 가장 높았으나 해당 자료는 광학 영상, 레이더 영상, 적외선 영상, 초분광 영상 등 센서의 특징에 따라 또는 시간 및 공간해상도에 따른 세분화가 가능하다. 향후 추가적인 연구를 통하여 제시된 개선사항을 보완한다면, 환경 분야별 환경공간정보의 융합 활용의 범위를 확장시킬 수 있는 기초 연구로써 그 의미가 있을 것으로 사료된다.
, 2016). 환경공간정보가 다양화되고, 시계열의 자료가 구축됨에 따라 타 기술과의 융합 활용의 가능성이 확대되고, 더 많은 가치를 창출할 수 있을 것으로 기대된다. 환경공간정보의 융합 활용을 위해서는 환경 분야와 환경공간정보 모두에 대한 이해가 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	대분류 토지피복지도는 남북한 전체를 어떻게 분류하였는가?	국내 환경공간정보는 환경부 주도로 1998년 구축된 전국 단위 대분류 토지피복지도 제작으로 부터 시작되었다. 대분류 토지피복지도는 USGS (United States Geological Survey)의 Landsat 위성영상을 활용하여 남북한 전체를 7개 대분류(시가화 건조지역, 농업지역, 산림지역, 초지, 습지, 나지 및 수역 등)로 구분하였다(Oh et al., 2016).
	텍스트 마이닝이란 무엇인가?	텍스트 마이닝은 Feldman and Dagan(1995)에 의해 텍스트 데이터베이스 기반의 지적 발견(Knowledge Discovery in Textual Database)이라는 개념으로 처음 언급되었다. 텍스트 마이닝은 텍스트 기반 데이터베이스로부터 자연어(문자정보) 처리를 통하여 잠재되어 있는 문헌의 패턴을 분석하는 방법이다(Feldman and Hirsh, 1996). 또한 기계적 알고리즘을 활용하여 인간이 관심을 가지는 자연어를 자동으로 추출하는 것을 의미한다(Hotho et al.
	본 연구에서 텍스트 마이닝 기법을 위한 연구 자료로 국내 자료만을 대상으로 한 이유는 무엇인가?	따라서 텍스트 마이닝 기법을 위한 연구 자료는 국내에서 발행된 연구 논문을 대상으로 하는 것이 타당하다. 왜나 하면, 국내에서 생성된 환경공간정보는 국내 연구 에서 제한적으로 사용될 가능성이 높으며, 연구 논문 이외의 신문기사, 블로그 등의 자료 등은 본 연구의 전문성에 부합되지 않기 때문이다.

참고문헌 (16)

Bae, K.Y., J.H. Park, J.S, Kim, and Y.S. Lee. 2013. Analysis of the abstracts of research articles in food related to climate change using a text-mining algorithm, Journal of the Korean Data & Information Science Society 24(6):1429-1437 (배규용, 박주현, 김정선, 이영섭. 2013. 텍스트 마이닝 기법을 활용한 기후변화관련식품분야 논문초록 분석, 한국데이터정보과학회지 24(6):1429-1437).

원문보기 상세보기
Cho, H.G., Y.S. Kim, and S.E. Kim. 1998. A study on circulation and management of spatial data. Journal of the Korean Association of Geographic Information Studies 1(1):28-38 (조혜경, 김영섭, 김상은. 1998. 공간정보 유통 및 관리에 관한 연구. 한국지리정보학회지 1(1):28-38).
Feldman, R. and H. Hirsh. 1996. Mining associations in text in the presence of background knowledge. Proceedings of the Second International Conference on Knowledge Discovery and Data Mining. pp.343-346.
Feldman, R. and I. Dagan. 1995. Knowledge discovery in Textual Databases (KDT). Proceedings of the First International Conference on Knowledge Discovery and Data Mining. pp.112-117.
Hotho, A., A. Nurnberger, and G. Paass. 2005. A brief survey of text mining. A brief survey of text mining 20(1): 19-62.
Kim, H.J. and J,Y. Chang. 2011. Discovering news keyword associations using association rule. The journal of the Institute of Internet Broadcasting and Communication 11(6):63-71 (김한준, 장재영. 2011. 연관 규칙 마이닝을 활용한 뉴스기사 키워드의 연관성 탐사. 한국인터넷방송통신학회 논문지 11(6):63-71).
Korea National Spatial Data Infrastructure Portal. http://www.nsdi.go.kr(Accessed June 1, 2016)
Lee, M.S., C.H. Lee, and J.Y. Kim. 2014. Big data analysis on demands for environmental policies. Korea Environment Institute. Research report. pp.47 (이미숙, 이창훈, 김지연. 빅데이터를 활용한 환경분야 정책수요 분석. 한국환경정책평가연구원. 연구보고서. 47쪽).
Lim, S.Y., M.S, Yi, G.H. Jin, and D.B, Shin. 2014a. A study on the research trends in the area of geospatial-information using text-mining technique focused on national R&D reports and theses. Journal of Korea Spatial Information Society 22 (4):11-20 (임시영, 이미숙, 진기호, 신동빈. 2014. 텍스트 마이닝 기술을 이용한 공간정보 분야의 연구 동향에 관한 고찰 -국가연구개발사업 보고서 및 논문을 중심으로-. 한국공간정보학회지 22 (4):11-20).
Lim, S.Y., Y.M. Lim, and J.Y. Lee. 2014b. Study on the trends of U-City and smart city researches using text mining technology. Journal of the Korean Society for Geospatial Information Science 22(3):87-97 (임시영, 임용민, 이재용. 2014. 텍스트 마이닝 기법을 이용한 U-City와 Smart City의 연구 동향에 대한 분석. 한국지형공간정보학회지 22(3):87-97).
Mindsinsight. http://www.mindsinsight.co.kr. (Accessed November 1, 2016).
NDSL(National Digital Science Library). http://www.ndsl.kr(Accessed June 1, 2016).
Sakong, H.S. and K.H. Seo. 2007. A review on GIS research trends using content analysis method -focus on the GIS journals published from 1993 to 2006-. Journal of the Korean Association of Geographic Information Studies 10(3): 104-112 (사공호상, 서기환. 2007. 내용분석 기법을 활용한 GIS관련 연구 동향 분석- 최근 14년(1993-2006)간 학회지 투고논문을 중심으로-. 한국지리정보학회지 10(3): 104-112).
Shin, H.S., O.J. Kwon, Y.D. Koo, Y.W. Shon, and Y.C. Bae. 2013. Scientometric analysis through linkage relation of keyword. The Journal of the Korea Institute of Electronic Communication Sciences 8(10):1467-1475 (신현식, 권오진, 구영덕, 손영우, 배영철. 2013. 키워드 연결 관계를 통한 계량정보 분석. 전자통신학회 8(10):1467-1475).

원문보기 상세보기
Oh. K.Y., M.J. Lee, and W.Y. No. 2016. A study on the improvement of sub-divided land cover map classification system: based on the land cover map by Ministry of Environment. Korean Journal of Remote Sensing 32(2):105-118 (오관영, 이명진, 노우영. 2016. 세분류 토지피복지도 분류체계 개선방안 연구: 환경부 토지피복지도를 중심으로. 대한원격탐사학회지 32(2):105-118).

원문보기 상세보기
Yun, H.C., K.S. Min, and M.G. Kim. 2010. Construction of multi-purpose hazard information map based on digital image using geospatial information. Journal of the Korean Association of Geographic Information Studies 13(3):91-101(윤희천, 민관식, 김민규. 2010. 지형공간정보를 활용한 수치영상기반의 다목적 재해정보지도 구축. 한국지리정보학회지 13(3): 91-101).

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증