[논문]텍스트마이닝을 활용한 보건의료산업학회지의 토픽 모델링 및 토픽트렌드 분석

조경원; 배성권; 우영운

doi:10.12811/kshsm.2017.11.4.213

텍스트마이닝을 활용한 보건의료산업학회지의 토픽 모델링 및 토픽트렌드 분석
Analysis on Topic Trends and Topic Modeling of KSHSM Journal Papers using Text Mining 원문보기

보건의료산업학회지 = The Korean journal of health service management, v.11 no.4, 2017년, pp.213 - 224

조경원 (고신대학교 의료경영학과) , 배성권 (고신대학교 의료경영학과) , 우영운 (동의대학교 응용소프트웨어공학과)

Abstract ▼ AI-Helper

Objectives : The purpose of this study was to analyze representative topics and topic trends of papers in Korean Society and Health Service Management(KSHSM) Journal. Methods : We collected English abstracts and key words of 516 papers in KSHSM Journal from 2007 to 2017. We utilized Python web scraping programs for collecting the papers from Korea Citation Index web site, and RStudio software for topic analysis based on latent Dirichlet allocation algorithm. Results : 9 topics were decided as the best number of topics by perplexity analysis and the resultant 9 topics for all the papers were extracted using Gibbs sampling method. We could refine 9 topics to 5 topics by deep consideration of meanings of each topics and analysis of intertopic distance map. In topic trends analysis from 2007 to 2017, we could verify 'Health Management' and 'Hospital Service' were two representative topics, and 'Hospital Service' was prevalent topic by 2011, but the ratio of the two topics became to be similar from 2012. Conclusions : We discovered 5 topics were the best number of topics and the topic trends reflected the main issues of KSHSM Journal, such as name revision of the society in 2012.

주제어

AI 본문요약
AI-Helper

문제 정의

하지만, 2007년부터 현재까지 10년간 게재된 논문들의 주제와 그 비중에 대한 객관적인 검토를 해 볼 기회가 없었다. 따라서 본 연구에서는 그동안 게재된 논문들을 대상으로 주제를 분류하고 주요 주제들의 비중과 10년 동안의 주제들의 변화추이를 파악하는 것을 연구목적으로 한다. 이를 위해 KCI 등재지 논문에 대한 정보공유가 가장 활발하게 이루어지는 한국학술지 인용색인을 자료원으로 빅데이터 분석에 주로 활용되는 텍스트마이닝 기법을 수행하였다.

제안 방법

원 자료에 뚜렷한 단위가 없는 소설 등에서는 문서 단위를 무엇으로 할 것인지가 중요한 결정 사항 중 하나이지만, 논문 등에서는 대체로 논문 한편을 그대로 한 문서로 사용하므로 토픽의 해석가능성에 따라 토픽의 수를 결정하는 것에 큰 문제가 없다[21]. 이 논문에서는 적절한 토픽의 수를 결정하기 위하여 토픽의 수를 5개에서 30개까지 변화시켜 가면서 LDA 분석 알고리즘의 VEM 기법을 이용하여 R 언어에서 제공되는 perplexity 함수 결과값과 토픽의 해석 가능성, 의미 유용성 등을 고려하여 9개로 결정하였다.
따라서 본 연구에서는 그동안 게재된 논문들을 대상으로 주제를 분류하고 주요 주제들의 비중과 10년 동안의 주제들의 변화추이를 파악하는 것을 연구목적으로 한다. 이를 위해 KCI 등재지 논문에 대한 정보공유가 가장 활발하게 이루어지는 한국학술지 인용색인을 자료원으로 빅데이터 분석에 주로 활용되는 텍스트마이닝 기법을 수행하였다. 텍스트마이닝은 텍스트의 구조를 파악하고 가장 영향력 있는 개념을 추출하는 것뿐 아니라 이를 시각화하는 데에도 유용하다[2].

대상 데이터

보건의료산업학회 논문지의 연구 주제 변화를 분석하기 위하여 학술지가 시작된 2007년부터 2017년 상반기까지 약 10년 동안 논문지에 게재된 논문들의 발간년월, 국문제목, 영문초록, 영문키워드를 논문별로 수집하였다. 이 정보들을 자동으로 수집하기 위하여 Python 웹 스크랩핑 프로그램을 이용하였으며[18], 한국연구재단의 KCI 통합검색 사이트에서 10년 동안 게재된 논문 516편을 자동으로 추출하여 CSV 형태로 저장하였으며 수집된 논문들의 통계 정보는 [Table 1]과 같다.

이론/모형

토픽 모델링 분석을 위하여 전처리가 완료된 논문 데이터들을 모두 하나의 처리 단위로 하여 LDA 분석 기법을 적용하였다[19]. 토픽 모델링 기법에는 LSA(Latent Semantic Analysis), pLSA(probabilistic Latent Semantic Analysis), LDA(Latent Dirichlet Allocation) 등이 있으나 LDA 기법이 여러 개의 토픽이 내재되어 있는 많은 문서들을 분석하는데 사용 가능하며, 동일한 의미를 지닌 서로 다른 단어, 문맥에 따른 다른 의미의 단어들을 분리, 통합하여 효과적으로 다룰 수 있다는 특징 있다.

성능/효과

둘째로, 보건의료산업을 의료서비스 산업, 의료기기산업, 화장품산업, 의약품산업으로 광범위하게 보았을 때, 보건의료산업학회지의 논문들은 의료서비스 산업에 집중되어 있다. 물론, 작은 군집으로 나왔던 감염관리관련 연구에서 감염, 통제, 약물 등의 단어가 한 문서에서 집중적으로 나타나 독립적인 군집을 이룬 것을 보았을 때 의약품산업의 영역까지 일부 포함하는 것으로 파악되었다.
셋째로, 토픽 트렌드 분석 결과 전반적으로 ‘Health management’와 ‘Hospital service’ 주제에 대한 논문들의 게재가 지배적임을 확인할 수 있었다. 다른 3가지 주제들은 상대적으로 비중이 매우 낮기는 하나 정체성을 가지고 차별화된 주제로 자리 잡고 있음을 판단할 수 있다.
크게 두 가지 결과를 도출하였는데, 첫째로 perplexity 산출을 통해 9개 토픽으로 분석하였으나, IDM의 결과에 따라 일부 통합하여 5개의 토픽으로 최종 분류하였다. 토픽 즉, 연구 주제들로는 의료서비스, 보건관리(보건교육 및 행태), 병원조직 및 인적자원관리, 병원재무관리, 노인보건 영역으로 구분되었다. 이는 학술지 편집에서 의료경영 분야와 간호학, 치위생, 방사선, 물리치료 등 다양한 보건산업영역으로 크게 구분해 온 것과는 다소 차이를 보였다.

후속연구

향후 학회 창립의 정신을 재정립하고 다양한 보건의료산업 분야와의 연계를 위해서는 학회지 운영에 있어서 체계 개선 등의 다양한 노력들이 필요할 것이다. 추후 본 연구에서 도출된 결과의 타당성을 입증하는 연구가 수행될 필요가 있다고 판단되며, 향후 연구에서는 통합 주제와 그에 따른 추가된 세부 주제어들이 보건의료산업학회의 비전과 목적에 적합한지에 대한 객관적인 검증이 수행되는 것이 필요하며, 학회 임원을 포함한 전문가 패널을 통해 보다 심도 있는 검증이 이루어지는 것이 필요할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	토픽 트렌드 분석은 무엇을 의미하는가?	토픽 트렌드 분석은 시간의 흐름에 따라 연구자들이 어떤 주제로 보건의료산업학회에 논문을 게재하였는지를 분석하는 것을 의미한다. 이를 통해 게재된 논문들의 대표 주제들의 변화 추이와 지속성을 파악할 수 있다.
	보건의료산업학회가 하는 일은 무엇이며 어떤 노력을 해왔는가?	보건의료산업학회는 차세대 우리나라의 성장 동력으로 인식되고 있는 보건의료산업분야의 산-학-관 다학제간 연구의 활성화를 유도하여 국민건강 증진에 기여함을 물론 보건의료의 발전에 이바지하고자 2009년에 설립되었다. 학회의 주요활동 중 하나인 학술지 및 보건의료산업 관련 학술자료 발간은 학회활동의 가장 근간이 되는 활동이며, 학술지를 통해 보건의료산업 분야의 주요한 학문적 주제들과 새로운 창의적 가치를 구현하고자 노력해 왔다. 2007년 “의료경영연구” 학술지로부터 시작된 보건의료산업학회지는 보건의료산업 분야의 대표적 학술지로서 의약학 분야 중 예방의학 부문에서 KCI 인용지수와 관련하여 모든 부문에서 높은 평가를 받고 있는 학회지이다.
	보건의료산업학회이 설립된 이유는 무엇인가?	보건의료산업학회는 차세대 우리나라의 성장 동력으로 인식되고 있는 보건의료산업분야의 산-학-관 다학제간 연구의 활성화를 유도하여 국민건강 증진에 기여함을 물론 보건의료의 발전에 이바지하고자 2009년에 설립되었다. 학회의 주요활동 중 하나인 학술지 및 보건의료산업 관련 학술자료 발간은 학회활동의 가장 근간이 되는 활동이며, 학술지를 통해 보건의료산업 분야의 주요한 학문적 주제들과 새로운 창의적 가치를 구현하고자 노력해 왔다.

참고문헌 (22)

National Research Foundation of Korea(2017), https://www.nrf.re.kr/
D. Paranyushkin(2011), Visualization of text's polysingularity using network analysis, Prototype Letters, Vol.2(3);256-278.
Y. Cho, P. Fu, C. Wu(2017), Popular Research Topics in Marketing Journals, 1995-2014, Journal of Interactive Marketing, Vol.40;52-72.

상세보기
I. Flaounas, S. Sudhahar, T. Lansdall-Welfare, E. Hensiger, N. Cristianini(2012), Big Data Analysis of News and Social Media Content, www.see-a-pattern.org
D. Scanfeld, V. Scanfeld, E.L. Larson(2010), Dissemination of health information through social networks: Twitter and antibiotics, American Journal of Infection Control, Vol.38(3);182-188.

상세보기
M. Michelson, S.A. Macskassy(2010), Discovering users' topics of interest on twitter: a first look, ACM, pp.73-80.
R. Chen, W. Xu(2017), The determinants of online customer ratings: a combined domain ontology and topic text analytics approach, Electronic Commerce Research, Vol.17(1);31-50.

상세보기
Z. Qiao, X. Zhang, M. Zhou, G.A. Wang, W. Fan(2017), A Domain Oriented LDA Model for Mining Product Defects from Online Customer Reviews, Proceedings of the 50th Hawaii International Conference on System Sciences, pp.1821-1830.
D.M. Blei, A.Y. Ng, M.I. Jordan(2003), Latent dirichlet allocation, Journal of machine Learning research, Vol.3(Jan);993-1022.
J. Sleeman, M. Halem, T. Finin, M. Cane(2016), Advanced Large Scale Cross Domain Temporal Topic Modeling Algorithms to Infer the Influence of Recent Research on IPCC Assessment Reports, Synthesis, Vol.99(81);89.
A.P. Shiryaev, A.V. Dorofeev, A.R. Fedorov, L.G. Gagarina, V.V. Zaycev(2017), LDA models for finding trends in technical knowledge domain, IEEE, pp.551-554.
H.S. Choi, W.S. Lee, S.Y. Sohn(2017), Analyzing research trends in personal information privacy using topic modeling, Computers & Security, Vol.67;244-253.

상세보기
A. Amado, P. Cortez, P. Rita, S. Moro(2017), Research trends on Big Data in Marketing: A text mining and topic modeling based literature analysis, European Research on Management and Business Economics, Vol.24;1-7.
L. Sun, Y. Yin(2017), Discovering themes and trends in transportation research using topic modeling, Transportation Research Part C: Emerging Technologies, Vol.77;49-66.

상세보기
J.Y. Moon(2009), Understanding the Intellectual Structure of Secretarial Studies with Text Mining, Journal of secretarial studies, Vol.18(1);83-98.
S.G. Cho, S.B. Kim, Finding Meaningful Pattern of Key Words in IIE Transactions Using Text Mining, Journal of the Korean Institute of Industrial Engineers, Vol.38(1);67-73.
J. H Park, M. Song(2013), A Study on the Research Trends in Library & Information Science in Korea using Topic Modeling, Journal of the Korean society for information management, Vol.30(1);7-32.
R. Mitchell(2015), Web scraping with Python: collecting data from the modern web, O'Reilly Media, Inc, pp.1-256
J. Silge, D. Robinson(2017), Text mining with R: A tidy approach, O'Reilly Media, Inc, pp.1-194
J. Kim, S. Baek(2016), Analysis of Issues on the College and University Structural Reform Evaluation Using Text Big Data Analytics, Asian journal of education, Vol.17(3);409-436.

상세보기
B. Grun, K. Hornik(2011), topicmodels: An R package for fitting topic models, https://cran.r-project.org/web/packages/topicmodels/vignettes/topicmodels.pdf
J. Ahn, J. Suh(2017), Economic Effects of South Korea's Smart Healthcare Industry, Korea Journal of health service management, Vol.11(2);55-64.

저자의 다른 논문 :

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