[논문]Python을 이용한 SNS 크롤링 시스템 구축

이종화

doi:10.9723/jksiis.2018.23.5.061

Python을 이용한 SNS 크롤링 시스템 구축
Building an SNS Crawling System Using Python 원문보기

한국산업정보학회논문지 = Journal of the Korea Industrial Information Systems Research, v.23 no.5, 2018년, pp.61 - 76

초록
AI-Helper

현대인이 살고 있는 네트워크 세상으로 모든 사물들이 들어오고 있다. 사물에 센서를 부착하는 사물인터넷의 영향으로 인해 네트워크로 실시간 데이터를 주고받는 것이 가능해졌다. 현대인들의 필수품인 모바일 디바이스는 일상생활의 모든 자취를 실시간으로 남기는 역할을 하고 있다. 바로 소셜 네트워크 서비스를 통하여 정보획득 활동과 커뮤니케이션 활동을 실시간으로 거대한 네트워크에 남기고 있는 것이다. 비즈니스 관점에서 고객의 니즈 분석은 바로 SNS 자료에서부터 시작된다는 등가가 성립된다. 본 연구는 웹 환경의 SNS 콘텐츠를 파이썬을 이용하여 실시간으로 자동 수집시스템을 구축하고자 한다. 세계적으로 많은 이용자수를 확보하고 있는 인스타그램, 트위터, 유튜브의 비정형적 데이터 수집 시스템을 통하여 고객의 니즈 분석에 도움이 되고자 한다. 파이썬의 웹드라이버 환경에서 가상 웹브라우저를 이용하여 마이닝 처리와 NLP 과정을 거쳐 DB에 저장된다. 본 연구의 결과 웹페이지를 통하여 서비스를 진행하고자하며 검색 기능만으로 원하는 데이터가 자동 수집되며 데이터의 시계열 분석을 통하여 네티즌의 이슈 반응을 실시간으로 확인할 수 있었다. 또한 검색부터 실행결과가 나오기까지 5초 이내 이루어지므로 제시된 알고리즘의 우수성을 확인하였다.

Abstract ▼ AI-Helper

Everything is coming into the world of network where modern people are living. The Internet of Things that attach sensors to objects allows real-time data transfer to and from the network. Mobile devices, essential for modern humans, play an important role in keeping all traces of everyday life in real time. Through the social network services, information acquisition activities and communication activities are left in a huge network in real time. From the business point of view, customer needs analysis begins with SNS data. In this research, we want to build an automatic collection system of SNS contents of web environment in real time using Python. We want to help customers' needs analysis through the typical data collection system of Instagram, Twitter, and YouTube, which has a large number of users worldwide. It is stored in database through the exploitation process and NLP process by using the virtual web browser in the Python web server environment. According to the results of this study, we want to conduct service through the site, the desired data is automatically collected by the search function and the netizen's response can be confirmed in real time. Through time series data analysis. Also, since the search was performed within 5 seconds of the execution result, the advantage of the proposed algorithm is confirmed.

주제어

표/그림 (11)

그림 Fig. 1 The World Big Data Market Size(Wikibon, 2018)
그림 Fig. 2 System Flowchart for SNS Crawling System
그림 Fig. 3 Instagram Crawling Framework
그림 Fig. 4 Twitter Crawling Framework
그림 Fig. 5 Youtube Crawling Framework
그림 Fig. 6 Instagram Crawling Algorithm
그림 Fig. 7 Twitter Crawling Algorithm
그림 Fig. 8 Youtube Crawling Algorithm
그림 Fig. 9 Search Web Page
그림 Fig. 10 Time Series Web Page
그림 Fig. 11 Data Crawling Web Page

AI 본문요약
AI-Helper

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

문제 정의

셀레니움 웹드라이버는 페이지 자체가 다시로드 되지 않고 페이지 요소가 변경될 수 있는 동적 웹 페이지를 보다 잘 지원하도록 개발되었다. WebDriver의 목표는 최신 고급 웹 응용프로그램 테스트 문제에 대한 향상된 지원을 제공하는 잘 디자인 된 객체 지향 API를 제공하는 것이다. 미리 저장된 키워드를 테이블에서 출력하고 그 키워드를 포함한 인스타그램 게시글을 탐색하기 위해 인스타그램 페이지로 이동한다.
본 연구는 현재 연구 단계에서 유튜브, 인스타그램, 트위터의 오픈된 API를 사용하고 크롤링에 필요한 제한된 패키지를 개발하여 실시간으로 SNS 크롤링 시스템을 완성하고자 한다. 또한, 연구 프레임워크를 제시하며 관련 소스 코드 또한 공개하여 이후 연구자에게 제공하자고 한다. 연구결과를 웹페이지에 탑재하여 크롤링 데이터를 다운로드 가능하게 설계하고자 한다.
본 연구는 SNS 크롤링 시스템을 구축하고자 한다. 오픈소스 소프트웨어인 파이썬(Python)으로 개발된 개발 환경의 소스 코드들을 공개하며 실제 유튜브, 인스타그램, 트위터에 접속하여 실제 자료를 자동으로 크롤링하는 웹 페이지까지 개발하고자 한다.
본 연구는 데이터 산업의 성장과 함께 SNS 사용도 증가하고 있으며 고객 니즈 분석에 주요한 재료인 소셜 데이터 수집에 관한 연구를 진행하고자 한다. 인스타그램, 트위터, 유튜브 등 인터넷 사용자들이 즐겨 사용하는 서비스에서 연구에 필요한 자료만을 자동 수집 가능한 시스템을 설계, 구현, 실험을 하고자 한다.
본 연구는 소셜 데이터 분석의 연구 사례의 증가와 IT 비전공자를 위한 다양한 오픈 소스 소프트웨어들의 활용 측면을 고려하여 실제 웹의 데이터를 채굴할 수 있는 크롤링 시스템을 연구하고자 한다. 원하는 소셜 미디어와 검색어, 기간 등을 설정하면 해당 조건에 만족하는 콘텐츠를 쉽게 얻을 수 있다면 빅데이터와 소셜 미디어, 웹마이닝 연구에 많은 도움이 될 것으로 본다.
본 연구는 오픈 소스 소프트웨어인 파이썬을 이용한 SNS 크롤링 시스템을 구축하고자 진행되었다. 그 결과와 의미를 종합적으로 정리해 본다.
이렇듯 고객 정보 보호와 자사의 보안을 이유로 서비스 초창기에 오픈된 API 사용이 제한을 받게 된다. 본 연구는 현재 연구 단계에서 유튜브, 인스타그램, 트위터의 오픈된 API를 사용하고 크롤링에 필요한 제한된 패키지를 개발하여 실시간으로 SNS 크롤링 시스템을 완성하고자 한다. 또한, 연구 프레임워크를 제시하며 관련 소스 코드 또한 공개하여 이후 연구자에게 제공하자고 한다.
본 연구는 현재 전 세계적으로 서비스 중인 SNS를 대상으로 연구자가 원하는 데이터를 자동으로 수집 할 수 있는 시스템 구축하였다. 앞서 제시한 연구 프레임워크와 같이 세 가지 SNS를 대상으로 시스템을 구축하였으며 개발된 패키지 소스와 실제 구동되는 웹 페이지 함께 제시한다.
또한, 연구 프레임워크를 제시하며 관련 소스 코드 또한 공개하여 이후 연구자에게 제공하자고 한다. 연구결과를 웹페이지에 탑재하여 크롤링 데이터를 다운로드 가능하게 설계하고자 한다.
본 연구는 SNS 크롤링 시스템을 구축하고자 한다. 오픈소스 소프트웨어인 파이썬(Python)으로 개발된 개발 환경의 소스 코드들을 공개하며 실제 유튜브, 인스타그램, 트위터에 접속하여 실제 자료를 자동으로 크롤링하는 웹 페이지까지 개발하고자 한다.
즉, 소셜 데이터 수집 시스템을 연구함으로써 특정 표본 추출의 통계치를 넘어 모집단 전체를 대상으로 진행되는 연구가 가능할 것으로 본다. 이에 본 연구는 실시간으로 생성되는 웹 상의 SNS 데이터를 자동 수집이 가능한 시스템을 구축하고자 한다.
본 연구는 데이터 산업의 성장과 함께 SNS 사용도 증가하고 있으며 고객 니즈 분석에 주요한 재료인 소셜 데이터 수집에 관한 연구를 진행하고자 한다. 인스타그램, 트위터, 유튜브 등 인터넷 사용자들이 즐겨 사용하는 서비스에서 연구에 필요한 자료만을 자동 수집 가능한 시스템을 설계, 구현, 실험을 하고자 한다.

제안 방법

commentThreads().list 함수를 이용하여 다음 페이지 토큰(nextPageToken)이 있을 동안 각 동영상의 댓글 내용, 댓글 작성자 id, 댓글 작성일자 등의 정보를 크롤링 하는 것을 반복하고 테이블에 저장하였다.
videos().list 함수를 이용하여 동영상의 작성일자, channel id, 조회수, 좋아요 수, 싫어요 수, 댓글 수 정보를 크롤링하고 테이블에 저장하였다.
하지만 연구자의 그 동안 연구 경험을 갖고 끊임없는 시간적 투자로 가능할 것으로 본다. 또한 단순 크롤링 된 키워드 빈도만을 이용하여 시계열 그래프를 표현하였다. 다양한 분석 방법을 연구하여 실시간 분석이 가능하다면 보다 많은 연구 기여점을 만들 것으로 본다.
WebDriver 구동의 테스트는 웹 브라우저에서 가능하며 Firefox Driver, Internet Explorer Driver, chrome Driver, Opera Driver, IOS Driver, Android Driver 등이 지원 가능하다[33]. 본 연구의 인스타그램 크롤링은 Chrome Driver를 사용하였으면 파이썬의 개발 언어를 사용하였다. Fig.
본 연구의 크롤링 시스템의 실무적 관점에서 본다면 트위터는 팔로우 된 사용자를 기준으로 본 연구 시스템이 접속하여 개개인이 작성한 콘텐츠를 크롤링하였으며 인스타그램의 경우 검색어에 따른 게시글 작성자의 ID를 추출하여 각각의 사용자 계정을 활용하여 작성한 게시글 전체를 크롤링하였다. 또한, 유튜브는 검색어에 따른 동영상 콘텐츠 리스트에서 각각의 동영상의 댓글을 크롤링하였으며 검색어 리스트를 별도로 관리되고 있다.
셀레니움 웹드라이버(Selenium-WebDriver)를이용하여 크롬 브라우저를 가상 웹브라우저로 설정하였다. 셀레니움 웹드라이버는 페이지 자체가 다시로드 되지 않고 페이지 요소가 변경될 수 있는 동적 웹 페이지를 보다 잘 지원하도록 개발되었다.
포털 검색 하듯 필요한 키워드와 기간을 설정하면 사용자가 원하는 SNS의 콘텐츠를 쉽게 수집할 수 있다. 수집된 데이터를 세부 기간별로 구분하여 자료의 빈도를 시계열 그래프로 구현하였음으로 쉽게 자료의 양을 알아볼 수 있도록 설계하였다. 또한 실제 결과물인 크롤링 데이터는 시계열 그래프와 같은 세부 기간으로 설정하여 기간별 데이터를 직접 핸들링할 수 있도록 웹 페이지가 구현되었다.
본 연구는 현재 전 세계적으로 서비스 중인 SNS를 대상으로 연구자가 원하는 데이터를 자동으로 수집 할 수 있는 시스템 구축하였다. 앞서 제시한 연구 프레임워크와 같이 세 가지 SNS를 대상으로 시스템을 구축하였으며 개발된 패키지 소스와 실제 구동되는 웹 페이지 함께 제시한다.
연구 결과를 명확히 확인하기 위하여 웹 페이지를 설계하였다. 포털 검색 하듯 필요한 키워드와 기간을 설정하면 사용자가 원하는 SNS의 콘텐츠를 쉽게 수집할 수 있다.
유튜브 API 인증 라이브러리를 import 하고 build 함수를 이용해 인증하였다. 임의의 키워드단어를 하나 선택하고 youtube.
4는 트위터의 크롤링 프레임워크이다. 트위터 크롤링 역시 WebDriver를 이용하여 가상 웹브라우저에서 크롤링되는 방법을 선택하였다. 먼저 접속이 가능한 특정 계정정보를 통하여 접속 인증을 받아 낸다.

대상 데이터

2017년 인터넷이용실태조사를 한국인터넷진흥원에서 진행하였다. 우리나라 가구당 인터넷 접속률은 전체 1,952만 가구에서 1,943만 가구가 인터넷에 접속하는 것으로 나타났다.

성능/효과

2016년 3월, 서울에서 세계 최초 인공지능 프로그램인 구글의 알파고와 최고 바둑 실력자 이세돌과의 세기의 대결이 있었다. 4승 1패로 인공지능 프로그램인 알파고의 승리로 끝나며 인간의 지능을 뛰어 넘은 인공지능의 기술을 경험하였다. 머신러닝과 딥러닝 등 소프트웨어에 대한 관심이 부상하게 되었다.
수집된 데이터를 세부 기간별로 구분하여 자료의 빈도를 시계열 그래프로 구현하였음으로 쉽게 자료의 양을 알아볼 수 있도록 설계하였다. 또한 실제 결과물인 크롤링 데이터는 시계열 그래프와 같은 세부 기간으로 설정하여 기간별 데이터를 직접 핸들링할 수 있도록 웹 페이지가 구현되었다.
io) 프로그래밍 언어 인기도(PYPL, Popularity of Programming Language)에 따르면 전 세계적으로 파이썬이 가장 많이 사용되는 언어이며 지난 5년 동안 파이썬이 가장 많이 성장했으며 PHP가 가장 많이 손실되었다고 한다. 실제 지표를 보면 파이썬은 14.5% 성장하였고 PHP는 -6.5% 감소한 것으로 나타났다. 2017년에 비하여 파이썬은 5.
2017년 인터넷이용실태조사를 한국인터넷진흥원에서 진행하였다. 우리나라 가구당 인터넷 접속률은 전체 1,952만 가구에서 1,943만 가구가 인터넷에 접속하는 것으로 나타났다. 인터넷이용자는 뉴스, 잡지, 정보 검색을 통한 정보 획득 활동의 비중이 가장 높았으며 다음으로 인스턴트메신저 이용과 SNS 이용을 통한 커뮤니케이션 활동이었다[32].

후속연구

또한 단순 크롤링 된 키워드 빈도만을 이용하여 시계열 그래프를 표현하였다. 다양한 분석 방법을 연구하여 실시간 분석이 가능하다면 보다 많은 연구 기여점을 만들 것으로 본다.
본 연구의 미진한 부분 또한 앞으로 보완되어야할 과제이다. 먼저 대중적 인기를 얻고 있는 페이스북과 카카오스토리에 대한 크롤링 연구가 더 진행되어야 할 것이다. 페이스북은 최근 개인정보 유출 사건이 빈번히 일어나면서 다양한 방법의 보안과 잦은 웹 구조의 변화로 시스템으로 구축하기에 한계점을 갖고 있는 건 사실이다.
본 연구의 미진한 부분 또한 앞으로 보완되어야할 과제이다. 먼저 대중적 인기를 얻고 있는 페이스북과 카카오스토리에 대한 크롤링 연구가 더 진행되어야 할 것이다.
10의 시계열 날짜 구간과 일치하게 설계하였으며 상담의 날짜 구간을 선택하면 구간별 댓글을 확인할 수 있다. 연구용으로 설계된 웹페이지를 감안하여 텍스트 복사가 가능하며 다양한 활용이 이후 연구자에게 도움이 될 것으로 본다.
본 연구는 소셜 데이터 분석의 연구 사례의 증가와 IT 비전공자를 위한 다양한 오픈 소스 소프트웨어들의 활용 측면을 고려하여 실제 웹의 데이터를 채굴할 수 있는 크롤링 시스템을 연구하고자 한다. 원하는 소셜 미디어와 검색어, 기간 등을 설정하면 해당 조건에 만족하는 콘텐츠를 쉽게 얻을 수 있다면 빅데이터와 소셜 미디어, 웹마이닝 연구에 많은 도움이 될 것으로 본다.
하지만 분석 보다 선행되어야 하는 데이터 수집은 분석 이상으로 더 중요한 과정이다. 이러한 과정에 필요한 API와 자체 개발된 알고리즘을 함께 공유하였음으로 이후 연구자들에게 많은 도움이 될 것으로 기대된다. 또한,하나의 SNS가 아닌 인스타그램, 유튜브, 트위터 등 세 가지의 콘텐츠를 동시에 연구하므로 세대별, 성별 등 사용자들의 특징을 연구할 수 있는 환경이 만들어졌다고 본다.
빅데이터의 특성이 다양한 성질의 대량 데이터를 빠르게 분석할 수 있는 환경이 만들어진 사회즉, 4차 산업혁명이 데이터로부터 시작된 것이다. 이러한 데이터 분석의 재료인 데이터 수집은 주요한 과제이며 해결하지 않으면 전수 조사가 아닌 샘플 표본에만 의존해야 할 것이다. 많은 기업들이 크롤러(Crawler)를 채용하는 이유이기도 하다.
또한 데이터를 기반으로 하는 연구자들에게 연구 데이터 수집에 관한 어려움 및 한계점을 극복할 수 있다. 즉, 소셜 데이터 수집 시스템을 연구함으로써 특정 표본 추출의 통계치를 넘어 모집단 전체를 대상으로 진행되는 연구가 가능할 것으로 본다. 이에 본 연구는 실시간으로 생성되는 웹 상의 SNS 데이터를 자동 수집이 가능한 시스템을 구축하고자 한다.

참고문헌 (34)
타임라인 바로가기

D. Laney, "3D Data Management: Controlling Data Volume, Velocity and Variety," Gartner, 2001.
Kim, S. H., Chang, S. H., and Lee, S. W., "Consumer Trend Platform Development for Combination Analysis of Structured and Unstructured Big Data," Journal of Digital Convergence, Vol. 15, No. 6, pp. 133-143, 2017.
Chol, J. H., and Jun, S. H., "Bayesian Inference for Technology Analysis of Artificial Inteilglence," Journal of Korean Institute of Intelligent Systems, Vol. 28, No. 4, pp. 411-416, 2018.

상세보기 타임라인에서 보기
Wu, Y., Wang, N., Kropczynski, J. and Carroll, J. M., "The Appropriation of GitHub for Curation," PeerJ Computer Science, Vol. 3, pp. 134, 2017.

상세보기
Park, O. M., Moon, O. K., Wui, H. K., and Jung, Y. C., "Semantic Web Services Technologies Towards Future Converged Services,." The Journal of The Korean Institute of Communication Sciences, Vol. 27, No. 5, pp. 30-35, 2010.
D. Fensel, M. Kerrigan, and M. Zaremba, Implementing Semantic Web Services, Springer, 2008.
https://www.kisti.re.kr
https://www.taglive.net
Yoon, Y. K., "A Study on Contents Curation of Portal Sites," Journal of the Korea Entertainment Industry Association, Vol. 8, No. 4, pp. 31-43, 2014.
Nam, M, J., Lee, E. J., and Shin, J. Y., "A Method for User Sentiment Classification Using Instagram Hashtags," Journal of Korea Multimedia Society, Vol. 18, No. 11, pp. 1391-1399, 2015.
Min, S. G., and Kim, S. H., "Study on Curation Service Design through Mobile Information Visualization Analysis," JCD, Vol. 63, pp. 296-305, 2018.
Lee, S. W., Lee, S. M., and Joo, H. M., "A Study of Global Social Network Service Diffusion: An Examination of Facebook Diffusion," Information Society and Media, Vol. 19, No. 1, pp. 1-22, 2018.
Lee, I. S., Kim, K. K., and Lee, A. R., "A Big Data Analysis Methodology for Examining Emerging Trend Zones Identified by SNS Users : Focusing on the Spatial Analysis Using Instagram Data," Information Systems Review, Vol. 20, No. 2, pp. 63-85, 2018.
Park, H. W., and Choi, K. H., "Doing Social Big Data Analytics: A Reflection on Research Question, Data Format, and Statistical Test-Convergent Aspects," Journal of Digital Convergence, Vol. 14, No. 12, pp. 591-597, 2016.

원문보기 상세보기
Hwang, Y. Y., Lee, K. S., and Choi, S. A., "A Study on the Difference between Young and Old Generation of SNS Behavior," Journal of the Korea Industrial Information Systems Research, Vol. 20, No. 1, pp. 63-77, 2015.
www.jobkorea.co.kr
Kim, H. J., Lee, T. H., Ryu, S. E., and Kim, N. L., "A Study on Text Mining Methods to Analyze Civil Complaints: Structured Association Analysis," Journal of the Korea Industrial Information Systems Research, Vol. 23, No. 3, pp. 13-24, 2018.
Lee, J. H., and Lee, H. K., "A Study on Unstructured Text Mining Algorithm through R Programming Based on Data Dictionary," Journal of the Korea Industrial Information Systems Research, Vol. 20, No. 2, pp. 113-124, 2015.

원문보기 상세보기 타임라인에서 보기
Lee, J. H., and Lee, H. K., "Designing Real-Time Web Mining and Analyzing System," The Journal of Internet Electronic Commerce Resarch, Vol. 18, No. 1, pp. 115-131, 2018.
H. Chen, R. H. L. Chiang, and V. C. Storey, "Business Intelligence and Analytics: From Big Data to Big Impact," MIS Quartly, Vol. 36, No. 4, pp. 1165-1188, 2012.
H. Baars, and H. G. Kemper, "Management Support with Structured and Unstructured Data an Integrated Business Intelligence Framework," Information Systems Management, Vol. 25, No. 2, pp. 132-148, 2008.

상세보기 타임라인에서 보기
A. Gandomi, and M. Haider, "Beyond the Hype: Big Data Concepts, Methods, and Analytics," International Journal of Information Management, Vol. 35, No. 2, pp. 137-144, 2015.

상세보기 타임라인에서 보기
Seo, D. M., and Jung, H. M., "Intelligent Web Crawler for Supporting Big Data Analysis Services," Journal of the Korea Contents Association, Vol. 13, No. 12, pp. 575-584, 2013.

원문보기 상세보기
Choi, S. J., and Kim, J. B., "Examine the Relationships Between Portal Article of Naver and Real Time Search Word Using Web Crawling," AJMAHS, Vol. 7, No. 11, pp. 787-794, 2017.
Kim, H. S., Han, N., and Lim, S, J., "Web Crawler Service Implementation for Information Retrieval Based on Big Data Analysis," Journal of Digital Contents Society, Vol. 18, No. 5, pp. 933-942, 2017.
Park, S. J., "A Topic Analysis of SW Education Text Data Using R," Journal of The Korean Association of Information Education, Vol. 19, No. 4, pp. 517-524, 2015.

원문보기 상세보기 타임라인에서 보기
http://pypl.github.io/PYPL.html
Lee, J, H., Ji, Y. R., and Chae, S. C., "Application of Symbolic Computation, Visualization, and Stochastic Simulation by Using Python in Science Education," School Science Journal, Vol. 12, No. 1, pp. 85-96, 2018.
Yoo, I. H., "The Design of SW Education for Elementary School Using Python and Robots," Journal of The Korean Association of Information Education, Vol. 9, No. 1, pp. 149-155, 2018.
Lee, J. H., "Spyder(Scientific PYthon Development EnviRonment)," The Korean Institute of Electrical Engineers, Vol. 65, No. 5, pp. 41-48, 2016.

원문보기 상세보기
Park, S. J., "A Study on the Utilization of Big Data Using Python," Journal of Korean Society of Technical Education and Training, Vol. 23, No. 1, pp. 31-40, 2018.

상세보기
www.kisa.or.kr
www.seleniumhq.org/docs/03_webdriver.jsp
www.kisdi.re.kr

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