$\require{mediawiki-texvc}$

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.

비정형 텍스트 기반의 토픽 모델링을 이용한 건설 안전사고 동향 분석
A Study on the Trends of Construction Safety Accident in Unstructured Text Using Topic Modeling 원문보기

한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.19 no.10, 2018년, pp.176 - 182  

이상규 (한국건설기술연구원)

초록
AI-Helper 아이콘AI-Helper

본 연구는 건설 안전사고에 대한 트랜드 분석을 위해 LDA(Latent Dirichlet Allocation) 기반의 토픽모델링(Topic Modeling)을 제시하여 분석하고자 한다. 특히, 건설산업의 안전사고를 예방하기 위해 제시되고 있는 기존의 다양한 정형데이터 분석에서 벗어난 비정형 데이터 분석 기반의 토픽 모델링을 통해 건설 안전사고 주요 핵심 키워드의 흐름에 대해 파악이 가능하다. 본 방법론을 적용하기 위해 540개의 건설 안전사고 관련 뉴스데이터를 수집하였다. 이를 기반으로, 10가지 토픽과 각 토픽 내의 10가지 키워드를 통해 주요 이슈를 도출하였고 각 토픽에 대한 2017년 1월부터 2018년 2월까지의 뉴스 데이터를 월별 시계열 분석을 통해 향후 토픽에 관한 이슈를 예측한다. 본 연구를 바탕으로 향후 건설 안전사고의 다양한 이슈를 선제적으로 예측하고 이를 기반으로 건설 안전사고 정책과 연구에 좋은 방향을 제시할 것으로 판단한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In order to understand and track the trends of construction safety accident, this study shows the topic trends in the construction safety accident with LDA(Latent Dirichlet Allocation)-based topic modeling method for data analytics. Especially, it performs to figure out the main issue of constructio...

주제어

#Unstructured data   #Construction Safety Accident   #Topic Modeling   #Latent Dirichlet Allocation (LDA)   #News Article   #Time-Series  

표/그림 (6)

AI 본문요약
AI-Helper 아이콘 AI-Helper

문제 정의

  • 본 연구는 2017년부터 2018년 초까지의 건설 안전사고와 관련한 비정형 텍스트 뉴스 기사를 중심으로 핵심 키워드를 분류하여 현 트렌드를 파악한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
토픽모델링이란 무엇인가? 본 연구 방법은 비정형 뉴스 데이터 수집 및 구축 과 정, 형태소 분석, 토픽 모델링 기법을 통해 건설 안전사고에 관한 현 동향을 분석한다. 특히, 기계학습 기반의 토픽모델링은 비정형화되어 있는 텍스트 자료에 속해있는 의미 있는 토픽을 추출해주는 확률모델로서 주로 사용되고 있는 기법이 LDA (Latent Dirichlet Allocation) 로 본 연구에서 이를 적용하여 최근 건설 안전사고의 동향을 파악하고자 한다.
비정형 데이터의 분석 방법에는 무엇이 있는가? 특히, 기존 정형 데이터와는 다르게 현재 SNS, 뉴스, 문서 등과 같이 방대한 양의 비정형 데이터가 쏟아지고 있는 가운데 보다 의미있는 데이터를 수집하고 분석하여 유의미한 결론을 도출하는 것이 필요하다[2]. 따라서, 비정형 데이터의 분석 방법으로서 제시되고 있는 텍스트/ 오피니언 마이닝, 소셜네트워크 분석, 군집 분석 가운데 본 연구는 텍스트 마이닝의 분석기법으로서 자연어를 기반으로 정보를 가공하고 의미있는 정보를 추출하여 건설 안전사고에 대한 주요 토픽별 연계성을 도출하게 된다.
데이터 수집을 통한 구축과정에서 뉴스 기사가 데이터로 선정된 이유는 무엇인가? 더불어, 비정형 데이터임에도 불구하고 뉴스기사의 형식을 갖추는 내용이 많기 때문에 NLP (자연어 처리: Natural Language Processing) 과정에 매우 용이하다[6]. 특히, 육하원칙을 기반으로 논문이나 잡지에 비해 뉴스 기사는 내용은 많지 않지만 축약된 형식으로 NLP 처리 속도 및 정확성에 높은 장점을 가지고 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (17)

  1. S. Y. Choi, S. I. Choi, W. S. Yu, "A Study in Improvement of Current Problems of Safety Management System in Korean Construction Industry", Construction Economy Research Institute of Korea Report, 2017. 

  2. J. W. Lee, S. K. Kim, "Complementary Research and Analysis for Hadoop", The Korea Society of Computer and Information Winter Conference 2012, Vol.20, No.2, pp.3-6, July, 2012. 

  3. C. Liu, N. Kim, "Individual Interests Tracking : Beyond Macro-level Issue Tracking", Journal of Information Technology Services, Vol.13, No.4, pp.275-287, 2014. DOI: https://dx.doi.org/10.9716/kits.2014.13.4.275 

  4. D. H. Jeong, M. Song, "Time gap analysis by the topic model-based temporal technique", Journal of Informetrics, Vol.8, No.3, pp.776-790, 2014. DOI: https://dx.doi.org/10.1016/j.joi.2014.07.005 

    상세보기 crossref

  5. S. H. Min, "Investigating Dynamic Mutation Process of Issues Using Unstructured Text Analysis", Journal of Intelligence and Information Systems, Vol.22, No.1, pp.139-157, 2016. DOI: https://dx.doi.org/10.13088/jiis.2016.22.1.139 

  6. D. M. Park, "News source network analysis as big data analytics of news articles", Korean Society for Journalism and Communication Studies, Vol.57, No.6, pp.234-262, 2012. 

  7. J. H. Lee, H. K. Lee, "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 DOI: https://dx.doi.org/10.9723/jksiis.2015.20.2.113 

    원문보기 상세보기 crossref

  8. D. M. Blei, A. Y. Ng, M. I. Jordan, "Latent Dirichlet allocation", Journal of Machine Learning Research, Vol.3, pp.993-1022, 2003. 

  9. D. Jeong, J. Kim, G. N. Kim, J. U. Heo, B. W. On, M. Kang, "A Proposal of a Keyword Extraction System for Detecting Social Issues", Journal of Intelligence and Information Systems, Vol.19, No.3, pp.1-23, 2013. DOI: https://dx.doi.org/10.13088/jiis.2013.19.3.001 

  10. J. H. Park, M. Song, "A Study on the Research Trends in Library and Information Science in Korea using Topic Modeling", Journal of the Korean Society for Information Management, Vol.30, No.1, pp.7-32, 2013. DOI: https://dx.doi.org/10.3743/kosim.2013.30.1.007 

  11. T. K. Kim, H. R. Choi, H. C. Lee, "A study on the research trends in fintech using topic modeling", Journal of the Korea Academia-Industrial cooperation Society, Vol.17, No.11, pp.670-681, 2017. DOI: https://dx.doi.org/10.5762/kais.2016.17.11.670 

  12. J. H. Park, H. J. Oh, "Comparison of Topic Modeling Methods for Analyzing Research Trends of Archives Management in Korea : focused on LDA and HDP", Journal of Korean Library and Information Science Society, Vol.48, No.4, pp.235-258, 2017. 

  13. J. H. Bae, N. G. Han, M. Song, "Twitter Issue Tracking System by Topic Modeling Techniques", Journal of Intelligence and Information Systems, Vol.20, No.2, pp.109-122, June, 2014. DOI: https://dx.doi.org/10.13088/jiis.2014.20.2.109 

  14. B. Kang, M. Song, W. Jho, "A Study on Opinion Mining of Newspaper Texts based on Topic Modeling,", Journal of the Korean Library and Information Science Society, Vol.47, No.4, pp.315-334, 2013. DOI: https://dx.doi.org/10.4275/kslis.2013.47.4.315 

  15. J. S. Park, S. G. Hong, J. W. Kim, "A Study on Science Technology Trend and Prediction Using Topic Modeling", Journal of the Korea Industrial Information Systems Research, Vol.22, No.4, pp.19-28, 2016. 

  16. K. S. Shin, H. R. Choi, H. C. Lee, "Topic Model Analysis of Research Trend on Renewable Energy", Journal of the Korea Academia-Industrial cooperation Society, Vol.16, No.9, pp.6411-6418, 2015. DOI: https://dx.doi.org/10.5762/KAIS.2015.16.9.6411 

    원문보기 상세보기 crossref

  17. B. Kang, M. Song, W. Jho, "A Study on Opinion Mining of Newspaper Texts based on Topic Modeling,", Journal of the Korean Society for Library and Information Science, Vol.47, No.4, pp.315-334, 2013. DOI: https://dx.doi.org/10.4275/kslis.2013.47.4.315 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

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

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
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