$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

Latent Dirichlet Allocation (LDA) 모델 기반의 인공지능(A.I.) 기술 관련 연구 활동 및 동향 분석
Systemic Analysis of Research Activities and Trends Related to Artificial Intelligence(A.I.) Technology Based on Latent Dirichlet Allocation (LDA) Model 원문보기

한국산업정보학회논문지 = Journal of the Korea Industrial Information Systems Research, v.23 no.3, 2018년, pp.87 - 95  

정명석 (아주대학교 산업공학과) ,  이주연 (아주대학교 산업공학과)

초록
AI-Helper 아이콘AI-Helper

최근 인공지능(Artificial Intelligence; A.I.)의 기술 발전과 함께 이에 대한 관심이 증가하고 있으며 관련 시장도 비약적으로 확대되고 있다. 아직은 초기단계이지만 2000년 이후 현재까지 계속 확장되고 있는 인공지능 기술 분야의 연구방향과 투자 분야에 대한 불확실성을 줄이는 것이 중요한 시점이다. 이러한 기술 변화와 시대적 요구에 따라서 본 연구는 빅데이터(Big Data) 분석방법 중 텍스트 마이닝(Text Mining)과 토픽모델링(Topic Modeling)을 활용하여 기술동향을 살펴보고, 핵심기술과 성장 가능성이 있는 연구의 향후 방향성을 제시하였다. 본 연구의 결과로부터 인공지능의 기술동향에 대한 이해를 바탕으로 향후 연구 방향에 대한 새로운 시사점을 도출할 수 있으리라 기대한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Recently, with the technological development of artificial intelligence, related market is expanding rapidly. In the artificial intelligence technology field, which is still in the early stage but still expanding, it is important to reduce uncertainty about research direction and investment field. T...

주제어

#인공지능   #빅데이터   #텍스트분석   #기술동향  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 전자 발견(Electronic Discovery) 문제에 대해 빠르게 해결할 수 있는 방안으로 문서 군집화(Clustering),분류, 순위 지정 및 요약 자료를 LDA 로 만든 실제 응용 프로그램을 사용하여 검증하였다.[7] 따라서, 본 연구에서는 문서의 주제 분류에 의한 토픽모델을 사용하여 인공지능 기술의 주제와 내용을 분류하고, 시간 축 분석을 통하여 향후 연구 동향을 예측하고자 한다.
  • 본 연구는 시스템적 체계에 의해서 인공지능 기술과 관련된 논문데이터의 핵심 키워드들을 분류하여, 최근 기술적 동향을 파악할 수 있는 방법을 고찰한다. 또한, 2000～2017년에 진행된 인공지능의 연구 분야 및 관련 동향을 분석하여 향후 연구나 투자의 방향성에 대한 시사점을 제시하고자 한다.
  • [5] Griffiths는 논문의 초록을 대상으로 토픽모델링을 적용하였다. 미국국립과학회보(Proceedings of the National Academy of Sciences of the United States of America)에서 시계열 분석을 통해 최근의 관심이 증대되는 연구주제와 관심이 저조한 연구주제를 분석하여 연구 동향을 파악하고자 하였다.[6] 
  • 본 연구는 시스템적 체계에 의해서 인공지능 기술과 관련된 논문데이터의 핵심 키워드들을 분류하여, 최근 기술적 동향을 파악할 수 있는 방법을 고찰한다. 또한, 2000～2017년에 진행된 인공지능의 연구 분야 및 관련 동향을 분석하여 향후 연구나 투자의 방향성에 대한 시사점을 제시하고자 한다.
  • 본 연구에서는 인공지능기술 관련 향후 효과적인 연구의 방향성과 기술 개발을 위한 연구 투자 결정을 위한 근거자료를 제시하고자, Web of Science 데이터베이스의 논문데이터를 활용하여 주요 연구 분야 및 최신 동향 등을 분석하였다.
  • 인공지능 기술의 개발과 연구 활동이 급격히 확대되어 왔지만, 지금까지는 인공지능 분야의 연구 동향에 대해 키워드 분석과 토픽모델링에 대한 다양한 연구가 부족하였다. 이에 본 연구는 인공지능 기술 분야에서 어떠한 주제의 연구가 어떠한 추세로 진행되어 왔는지에 대한 흐름을 파악하고자 하였다. 다시 말하면, 기존의 인공지능 관련 논문에서 다루어졌던 주제들을 파악하는 것에서 나아가, 상대적으로 연구 개발이 활발한 세부 분야와 저조한 세부 분야를 함께 분석하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
토픽모델링(Topic Modeling)의 어떤 기법인가? 이를 체계적으로 접근하는 방법론 중의 하나로는 다양한 분야에서 관련된 주제를 정리하고 검색 및 이해를 도와주는 토픽모델링이 있다. 토픽모델링(Topic Modeling)은 텍스트 마이닝(Text Mining) 기법 중의 하나로 텍스트 정보에 숨겨진 주제들을 추론하기 위해 고안된 통계적 추론기법이다. 일종의 통계 알고리즘으로 구조화 되지 않은 방대한 빅데이터인 큰 문서 집합에서 핵심이 되는 주제를 탐색하는 것이다.
인공지능이란 무엇인가? 인공지능이란 인간이 가지고 있는 고유 능력이라 할 수 있었던 학습, 추론, 지각, 탐색 등의 능력들을 컴퓨터의 기술로 풀어낸 것이라 할 수 있다. 인공지능이란 용어는 1956년 미국 다트머스대학의 존 매카시 교수가 다트머스의 한 학회에서 처음 사용하면서 등장하였다.
토픽모델링(Topic Modeling)의 전개과정은 무엇인가? [4] 비정형 텍스트의 주제를 찾아서, 주제 또는 토픽별로 단어의 분포, 문서별 토픽의 분포를 추정하고, 주제 간의 연관도 분석과 시간에 따른 변화를 분석하여 준다. 이의 전개는 (1) 빅데이터(Big Data)에서 특정 주제를 찾아내고, (2) 검색된 주제에 따른 특정 주석을 표기하고, (3) 문헌의 주석을 중심으로 문서를 예측, 정리해 주는 단계를 거친다. 토픽모델링 기법 중 주제들을 확률모형을 기반으로 문헌의 특정 주제를 찾아내는 LDA (Latent Dirichlet Allocation)가 많이 이용되고 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (20)

  1. Kim, S. R., "The Current Situation and the Suggestions of AI and Law Research in Legal Reasoning," Research of IT and Law, 5, pp. 319-346, 2011. 

  2. Yun, Y. D., Yang, Y. W. and Lim, H. S., “A SNS Data-driven Comparative Analysis on Changes of Attitudes toward Artificial Intelligence,” Journal of Digital Convergence, Vol. 14, No. 12, pp. 173-182, 2016. 

  3. Shin, K. S., Choi, H. R. and Lee, H. C., " Topic Model Analysis of Research Trend on Renewal Energy," Journal of the Korea Academia-Industrial Cooperation Society, Vol. 16, No. 9, 2017. 

  4. Steyvers, M., and Griffiths, T., “Probabilistic Topic Models,” Handbook of latent semantic analysis, Vol. 427, No. 7, pp. 424-440, 2007. 

  5. Griffiths, T. L., and Steyvers, M., “Finding Scientific Topics,” Proceedings of the National Academy of Sciences, Vol. 101, No. 1, pp. 5228-5235, 2004. 

    상세보기 crossref

  6. Pazhayidam George, Clint., "Latent Dirichlet Allocation: Hyperparameter Selection and Applications to Electronic Discovery," Ph.D. diss., University of Florida. 2015. 

  7. Hyundai Research Institute. "VIP Report," Vol. 646, pp. 1-14, 2011. 

  8. Blei, D. M., “Probabilistic Topic Models,” Communications of the ACM, Vol. 55, No. 4, pp. 77-84, 2012. 

    상세보기 crossref

  9. Carson Sievert, Kenneth E, Shirley., "LDAvis: A Method for Visualizing and Interpreting Topics: Proceedings of the Workshop an Interactive Language Learning," Association for Computational Linguistics, pp. 63-70, 2014. 

  10. TechRadar, "Artificial Intelligence Technologies, Q1 '17," FORRISTER RESEARCH, Report. 2017. 

  11. Gill Press, "Top 10 Hot Artificial Intelligence (AI) Technologies," Forbes. 2017. 

  12. "One Hundred Year Study on Artificial Intelligence (AI100)," Standford University, 2016, https://ai100.standford.edu. 

  13. Mimno, D. M. and McCallum, A., "Topic Conditioned on Arbitrary features with Dirichlet- Multinomial Regression," Proceedings of the Twenty-Fourth Conference on Uncertainty in Artificial Intelligence (UAI2008), pp. 411-418, 2012. 

  14. Hornik, K., and Grun, B., “Topic Models: An R Package for Fitting Topic Models,” Journal of Statistical Software, Vol. 40, No. 13, pp. 1-30, 2011. 

  15. Chung, M. S. Park, S. H., Chae, B. H., and Lee, J. Y., "Analysis of Major Research Trends in Artificial Intelligence through Analysis of Thesis Data," The Society of Digital Policy and Management, pp. 225-233, 2017. 

  16. Jo, Y. H., Kim, D. W., Moon, I. C. and Oh, Alice H., "Learning Influence Propagation of Personal Blogs with Content and Network Analyses: 2010 IEEE Second International Conference on Social Computing," IEEE. 2010. 

  17. Kim, H S., Park, C.Y., Kim, I.C., “Implementation of Temporal Reasoning Services Using a Domain-Independent AI planner,” Analysis, Korea Society of Industrial Information Systems, Vol. 14, No. 4, pp. 37-48, 2009. 

  18. Park, J.S., Kim N.R., Han, E.J., “Analysis of Trends in Science and Technology Using Keyword Network,” Analysis, Korea Society of Industrial Information Systems, Vol. 23, No. 2, pp. 63-73, 2018. 

  19. Joo, S.H., Ha, S.H., Park, S.H., “Technology Keyword Network and Cognitive Map Analysis : to Prospect Promising Technology of UAV(Unmanned Aerial Vehicle) Airframe Industry,” Korea Society of Industrial Information Systems, Vol. 21, No. 5, pp. 55-72, 2016. 

  20. Lau J.H., Grieser K., Newman D, Baldwin T., "Automatic Labelling of Topic Models," Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics: Human Language Technologies, Vol. 1, pp. 1536 -1545, 2011. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로