[논문]비정형 데이터 분석을 통한 선거 여론조사 예측력 개선 방안 연구

박선빈; 김명준

doi:10.5351/kjas.2018.31.5.655

비정형 데이터 분석을 통한 선거 여론조사 예측력 개선 방안 연구
Prediction improvement of election polls by unstructured data analysis 원문보기

응용통계연구 = The Korean journal of applied statistics, v.31 no.5, 2018년, pp.655 - 665

박선빈 (한남대학교 비즈니스통계학과) , 김명준 (한남대학교 비즈니스통계학과)

초록
AI-Helper

소셜 네트워크 서비스(social network service; SNS)는 개개인의 의견을 공유하거나 소통하는 일반적인 도구로 사용되고 있으며, 특히 정치적인 이슈의 전파 과정에서 타인과의 공유를 통하여 자신이 지지하는 후보에 대한 긍정적인 홍보 등을 통해 여론을 형성 또는 확장한다. 기존의 여론 조사 결과는 응답률, 표본 수집의 방식 등과 관련하여 예측의 정확성에 대한 끊임없는 논란이 되어왔다. 본 논문은 이러한 소셜 네트워크 서비스 상에 존재하는 수많은 비정형 데이터의 감성 분석을 통하여 여론조사의 예측력을 개선, 보완하는 방안을 제시하고자 한다. 제시하고자 하는 연구 내용은 비정형 데이터 크롤링 및 기존에 사용되던 감성 사전에 대한 추가적인 보정 과정을 포함하고 있으며, 이를 통하여 본 논문에서 제안하는 방식은 오차의 감소를 통하여 예측력을 개선하는 결과를 나타냈다.

Abstract ▼ AI-Helper

Social network services (SNS) have become the most common tool for the communication of public and private opinions as well as public issues; consequently, one may form or drive public opinions to advocate by spreading positive content using SNS. Controversy for survey data based opinion poll accuracy continues in relation to response rate or sampling methodology. This study suggests complementary measures that additionally consider the sentiment analysis results of unstructured data on a social network by data crawling and sentiment dictionary adjustment process. The suggested method shows the improvement of prediction accuracy by decreasing error rates.

주제어

표/그림 (7)

표 Table 2.1. Positive and negative classiﬁcation
표 Table 2.2. Comparison of sentiment dictionary performance
그림 Figure 3.1. Research process ﬂow.
그림 Figure 3.2. Pre-processing data step example.
그림 Figure 3.3. SNS positive wording rate for the each candidate.
표 Table 3.1. Weighted average calculation result
표 Table 3.2. Adjusted prediction result

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 논문의 목적은 이러한 소셜 미디어가 가지는 소통력의 이점과 개개인의 의견을 마음대로 피력할 수 있다는 장점을 이용하여 기존 진행하던 선거여론조사 데이터와 소셜 네트워크상에 있는 비정형 데이터에 오피니언 마이닝을 적용한 것을 추가하여 선거 여론조사 예측 정확도를 향상시키는데 있다. 기존의 여론조사가 대부분 온라인 설문, ARS, 전화조사로 수집된 데이터들에만 의존해 왔다면, 본 연구에서는 기존 조사방법들과 더불어 소셜 미디어 상의 비정형 데이터 분석 결과를 결합하여 기존 방식이 가지는 예측의 한계점을 극복하고 보다 정교한 방식을 제안하는 것에 연구에 의의를 둘 수 있으며, 19대 대선 여론 조사 결과를 대상으로 연구를 진행하였다.
본 논문도 기존에 진행되고 있는 여론조사를 보다 정교하게 예측하기 위하여 기존에 제시되어 왔던 여론조사의 기간 조정, 표본 방식의 개선, 조사 방법론의 개선이 아닌 새로운 데이터 수집 및 분석 방식 결과를 적용함으로써 여론조사의 정확도 향상에 연구의 목적을 두고 있다. 따라서 소셜 미디어들 중 트위터와 페이스북에서 데이터를 크롤링하고, 수집된 데이터에 대한 감성분석을 통하여 긍정문의 변화를 파악하고 기존 여론조사 결과에 감성분석 결과를 보완하는 방안을 본 논문에서 제시하고자 한다.
본 논문도 기존에 진행되고 있는 여론조사를 보다 정교하게 예측하기 위하여 기존에 제시되어 왔던 여론조사의 기간 조정, 표본 방식의 개선, 조사 방법론의 개선이 아닌 새로운 데이터 수집 및 분석 방식 결과를 적용함으로써 여론조사의 정확도 향상에 연구의 목적을 두고 있다. 따라서 소셜 미디어들 중 트위터와 페이스북에서 데이터를 크롤링하고, 수집된 데이터에 대한 감성분석을 통하여 긍정문의 변화를 파악하고 기존 여론조사 결과에 감성분석 결과를 보완하는 방안을 본 논문에서 제시하고자 한다.
본 연구에서는 지금까지 진행한 모든 결과들을 반영하여 다음 수식과 같은 수정 예측 투표율을 제안한다. 이는 기존 전화 조사 등으로 이루어지는 예측 득표율에 비정형 데이터 분석 결과를 반영하여 새롭게 계산되는 예측 득표율로 두 결과의 가중 평균 형태로 이해할 수 있다.
이는 분석 과정에 포함되는 50만여개에 이르는 비정형 데이터를 분석하는데 효율적으로 활용 가능한 방식이며, 이에 대한 효율성 확인을 위한 하둡의 성능을 파악하기 위해 1부터 900만까지 제곱을 하는 기초적인 연산을 진행한 결과 단일 컴퓨터에서 진행한 시간인 33초보다 1/3이 감소한 21초가 소요되었다. 본 연구의 분석과정은 단일 머신에서도 분석 진행이 가능하기는 하나, 대용량 자료에 대한 분산 처리과정이 가지는 효용성에 대한 참고를 위하여 사례 결과를 제시하는 바이다.
기존에 실행되었던 여론조사에서는 온라인 공간에서 생성되는 데이터가 활용되지 않았다는 점, 전화 ARS 조사 또한 젊은층보다 장년층이 더 많이 분포해 표본의 층화추출이 원활하게 이루어지지 않는다는 점과 이를 보정하고자 하는 가중치 반영 방식 등의 차이들로 인하여 여론조사의 정확도는 조사업체별로 작게는 1%에서 크게는 약 10%까지 차이가 나는 것으로 확인되었다. 이러한 여론조사 현황을 개선하기 위하여 본 논문에서는 기존 여론조사 결과와 SNS에서 추출한 대선 후보와 관련된 자료들을 수집하고 감성 분석 결과를 기존 여론조사에 보완하는 여론조사 개선방안을 도출하였다. 기존의 방식을 보완하는 과정을 요약하여 도식화 한 것이 Figure 3.
국내 뿐만 아니라 해외에서도 선거 결과를 예측하는데 있어 이러한 소셜 미디어에 대한 분석결과를 활용하는 것이 필요하다는 연구 결과들이 제안되었으며, Wegrzyn-Wolska와 Bougueroua (2012)가 프랑스 대선 결과에 접목하여 제시한 연구, 미국의 의회 선거결과에 소셜 미디어의 내용을 고려하는 것이 필요한지 여부에 대하여 Williams와 Gulati (2008)가 제시한 연구 결과들이 대표적인 사례라 할 수 있다. 이러한 연구들의 특징은 특정 정당 및 후보관련 단체들에 대한 시민들의 민심에 대한 실시간 모니터링과 비정형 데이터 분석을 통한 정치 흐름과 득표율을 예측하는 데 활용하는 것에 초점을 두고 있다. 이는 소셜 미디어 상에 존재하는 데이터는 실시간으로 분석이 가능하며, 기존에 활용하던 전화, 현장조사에 비해 빠르고 효율적이며 경제적인 이점 또한 존재한다는 것에 기인한다.

제안 방법

감성분석은 사용자가 작성한 글의 성향을 분석해 문장에 대한 의견이 긍정인지 부정인지를 나타내는 분석으로 일반적으로 상품평, 영화평과 같이 평점이 존재하거나 ‘좋아요’와 같은 감성을 나타낼 수 있는 주관적인 정보가 들어있는 문장들에 적용된다. 감성분석은 전처리된 문장들을 사용하여 각각 분석 가능한 형태소별로 분해하고 분해된 형태소들에 해당하는 점수를 부여한 후 문장별로 산출된 점수들을 합하여 문장별 특성을 파악하였다.
데이터의 수집을 진행한 이후, 전처리 과정에서 R 프로그램에서 하둡 시스템을 사용하는 RHADOOP의 rhdfs와 rmr2 패키지를 사용하여 비정형 데이터에 대한 분석을 진행하였다. 이는 분석 과정에 포함되는 50만여개에 이르는 비정형 데이터를 분석하는데 효율적으로 활용 가능한 방식이며, 이에 대한 효율성 확인을 위한 하둡의 성능을 파악하기 위해 1부터 900만까지 제곱을 하는 기초적인 연산을 진행한 결과 단일 컴퓨터에서 진행한 시간인 33초보다 1/3이 감소한 21초가 소요되었다.
트위터에 게시된 트윗들은 사용자 자신의 의견을 포함한 트윗을 올리는 경우가 대부분이지만 의미없는 트윗이나 조작 가능성이 있는 트윗, 리트윗(retweet)을 통하여 게시하기도 한다. 따라서 본 연구에서는 의미 없는 트윗과 중복되는 트윗, 원문을 그대로 사용한 리트윗을 분석에서 제외하는 전처리 과정을 포함하였다.
이러한 소셜 네트워크 서비스 중 본 논문에서는 기존 여론조사에서 젊은층이 비교적 부족한 것을 고려해 젊은층이 많이 사용하는 SNS를 선택하였으며 그 중 비교적 데이터의 조작이 힘들고 많은 사람의 의견을 얻을 수 있으며, 정치적 성향의 글이 비교적 많이 올라오는 트위터와 페이스북으로 최종 선택하였다. 따라서 트위터와 페이스북에서 데이터를 수집한 후 일정 수준의 데이터 처리과정을 거쳐 감성분석 결과를 반영하여 최종 예상 지표를 산출하게 된다.
또한 연령대별로 SNS를 사용하는 비율이 상이한 바, 이를 예측 투표율에 활용하기 위한 연령대별 가중치를 산정하였으며, 가중치는 연령별 SNS 이용자 비율과 연령별 투표율을 고려한 가중평균을 적용하였다. 연령대별 SNS 이용자 비율은 정보통신 정책연구원에서 발간한 SNS 이용추이 및 이용형태 분석 보고서 3페이지 제시된 2017년 이용률 수치를 인용하였으며, 산출된 결과는 Table 3.
3과 같다. 또한 후보별 투표은 교집합이 존재하지 않으므로 이를 기존 예측 투표율의 보완지표로 활용하기 위하여 후보별 긍정문서 비율 결과를 토대로 전체 긍정 문서 중 후보별 긍정문서 비율로 재산출하였다.
인간의 감성은 크게 기쁨, 화남, 슬픔, 즐거움과 같은 총 4가지로 나누어진다. 본 연구에서는 기쁨, 즐거움을 긍정, 화남, 슬픔을 부정으로 하여 감정사전 DB를 구축하였으며 기존 사용되던 긍정어, 부정어 사전에 크롤링된 데이터의 일부를 분석하여 정치적인 성향에 있어 긍정과 부정으로 많이 활용될 수 있는 단어들을 감성사전에 추가하여, 분석의 정확도를 향상시킬 수 있는 방안을 추가적으로 사전에 진행하였다. 감성 사전의 적절성은 Table 2.
수집된 데이터들을 통한 감성 분석을 진행하기 위하여 (1) 해석 불가능한 불용어 및 분석에 불필요한 숫자 제거, (2) 혐오 발언과 관련된 비속어 통폐합, (3) 영어 단어와 오탈자 수정의 단계별 전처리 과정을 수행하였으며, 이에 대한 구체적인 예시는 Figure 3.2와 같다. 이러한 전처리 과정을 수행한 후 문장들에서 명사 단위로 데이터를 추출하기 위해 KoNLP 패키지를 이용하여 각 형태소로 분류하였다.
연구에 새롭게 적용하고자 하는 사전의 성능을 분석하기 위해 분석 대상이 되는 대선 후보자들을 대상으로 하여 100개의 트윗을 무작위 추출하고 실제 사람이 느끼는 감성에 대한 사실을 문맥 파악을 통하여 실제적으로 파악하고, 이에 대한 일치성 여부를 감성분석 결과와 비교하였다. Table 2.
2와 같다. 이러한 전처리 과정을 수행한 후 문장들에서 명사 단위로 데이터를 추출하기 위해 KoNLP 패키지를 이용하여 각 형태소로 분류하였다.

대상 데이터

따라서 본 논문의 목적은 이러한 소셜 미디어가 가지는 소통력의 이점과 개개인의 의견을 마음대로 피력할 수 있다는 장점을 이용하여 기존 진행하던 선거여론조사 데이터와 소셜 네트워크상에 있는 비정형 데이터에 오피니언 마이닝을 적용한 것을 추가하여 선거 여론조사 예측 정확도를 향상시키는데 있다. 기존의 여론조사가 대부분 온라인 설문, ARS, 전화조사로 수집된 데이터들에만 의존해 왔다면, 본 연구에서는 기존 조사방법들과 더불어 소셜 미디어 상의 비정형 데이터 분석 결과를 결합하여 기존 방식이 가지는 예측의 한계점을 극복하고 보다 정교한 방식을 제안하는 것에 연구에 의의를 둘 수 있으며, 19대 대선 여론 조사 결과를 대상으로 연구를 진행하였다.
데이터 수집을 위하여 Python 3.6을 사용하였고 데이터 수집 기간은 선거 당시의 여론을 파악하기 위하여 선거 유세 기간인 2017년 4월 17일부터 공표 금지기간 전날인 2017년 5월 7일까지 진행하였다. 트위터의 경우 수집 키워드는 19대 대선과 관련된 키워드인 ‘대통령’, ‘후보’ 2개의 단어와 당선 가능성이 높은 후보 3명의 이름을 포함하여 총 5개의 키워드이며 페이스북은 해당 기간 동안 각 후보의 공인 페이지에 게시된 게시글의 댓글을 종합하였다.
또한 연령대별로 SNS를 사용하는 비율이 상이한 바, 이를 예측 투표율에 활용하기 위한 연령대별 가중치를 산정하였으며, 가중치는 연령별 SNS 이용자 비율과 연령별 투표율을 고려한 가중평균을 적용하였다. 연령대별 SNS 이용자 비율은 정보통신 정책연구원에서 발간한 SNS 이용추이 및 이용형태 분석 보고서 3페이지 제시된 2017년 이용률 수치를 인용하였으며, 산출된 결과는 Table 3.1과 같다.
대중들의 인식을 조사하는 방법으로는 뉴스와 트위터, 페이스북, 인스타그램 등 여러 종류의 SNS가 사용될 수 있다. 이러한 소셜 네트워크 서비스 중 본 논문에서는 기존 여론조사에서 젊은층이 비교적 부족한 것을 고려해 젊은층이 많이 사용하는 SNS를 선택하였으며 그 중 비교적 데이터의 조작이 힘들고 많은 사람의 의견을 얻을 수 있으며, 정치적 성향의 글이 비교적 많이 올라오는 트위터와 페이스북으로 최종 선택하였다. 따라서 트위터와 페이스북에서 데이터를 수집한 후 일정 수준의 데이터 처리과정을 거쳐 감성분석 결과를 반영하여 최종 예상 지표를 산출하게 된다.
이번 장에서는 분석 대상이 되는 데이터의 선정과정에서부터 데이터의 수집 및 전처리 과정을 포함한 사전 분석 과정과 본 논문에서 제안하고자 하는 비정형 데이터 분석 결과의 활용 방안에 대하여 도식화된 Figure 3.1의 과정을 자세하게 순차적으로 설명하며, 기존의 여론 조사 결과 반영을 위한 자료는 19대 대선 여론조사를 실시한 사이트 중 매출액이 높은 업체 3곳인 메트릭스, 한국갤럽, 한국리서치의 예상 득표율의 평균을 활용하였다.
트위터의 경우 수집 키워드는 19대 대선과 관련된 키워드인 ‘대통령’, ‘후보’ 2개의 단어와 당선 가능성이 높은 후보 3명의 이름을 포함하여 총 5개의 키워드이며 페이스북은 해당 기간 동안 각 후보의 공인 페이지에 게시된 게시글의 댓글을 종합하였다.

성능/효과

기존에 실행되었던 여론조사에서는 온라인 공간에서 생성되는 데이터가 활용되지 않았다는 점, 전화 ARS 조사 또한 젊은층보다 장년층이 더 많이 분포해 표본의 층화추출이 원활하게 이루어지지 않는다는 점과 이를 보정하고자 하는 가중치 반영 방식 등의 차이들로 인하여 여론조사의 정확도는 조사업체별로 작게는 1%에서 크게는 약 10%까지 차이가 나는 것으로 확인되었다. 이러한 여론조사 현황을 개선하기 위하여 본 논문에서는 기존 여론조사 결과와 SNS에서 추출한 대선 후보와 관련된 자료들을 수집하고 감성 분석 결과를 기존 여론조사에 보완하는 여론조사 개선방안을 도출하였다.
기존의 여론 조사 방법에 비정형 데이터 분석 결과를 반영하여 새롭게 예측률을 추정하고자 본 논문에서 제시한 방법을 적용한 결과 A 후보는 오차가 1.9%에서 1.1%로 감소하였으며, C 후보 역시 상당 수준의 오차가 감소하는 것을 확인할 수 있었다. 하지만 B 후보의 경우에는 예측률의 오차가 다소 증가하는 결과가 나타났다.
2는 기존의 감성 사전에 정치적인 긍정과 부정을 판단할 수 있는 일부 단어들을 사전에 추가하여 진행한 결과로 수정된 사전에서 긍, 부정 단어 추출률이 다소 높아진 것을 확인할 수 있으며, Recall의 경우 상승폭이 상당 부분 증가함을 확인할 수 있었다. 또한 F-Score의 경우 전반적으로 높아진 것을 확인 할 수 있었지만 특정 후보의 경우 다소 감소하는 현상이 나타났으나, 이는 다른 후보들에서 부정적인 단어로 취급되는 비속어들을 해당 후보가 직접 언급하는 경우가 많아 수식어처럼 붙어 다니는 경우에 기인한 것으로 나타났다. 새롭게 구축된 감성 사전의 전체적인 정확도가 기존의 감성 사전을 사용하는 것보다 개선되는 효과가 있는 것으로 판명되는 바, 새롭게 구축된 사전의 활용이 예측력 개선에 유의미한 도구가 될 수 있을 것으로 판단하였다.
또한 F-Score의 경우 전반적으로 높아진 것을 확인 할 수 있었지만 특정 후보의 경우 다소 감소하는 현상이 나타났으나, 이는 다른 후보들에서 부정적인 단어로 취급되는 비속어들을 해당 후보가 직접 언급하는 경우가 많아 수식어처럼 붙어 다니는 경우에 기인한 것으로 나타났다. 새롭게 구축된 감성 사전의 전체적인 정확도가 기존의 감성 사전을 사용하는 것보다 개선되는 효과가 있는 것으로 판명되는 바, 새롭게 구축된 사전의 활용이 예측력 개선에 유의미한 도구가 될 수 있을 것으로 판단하였다.
데이터의 수집을 진행한 이후, 전처리 과정에서 R 프로그램에서 하둡 시스템을 사용하는 RHADOOP의 rhdfs와 rmr2 패키지를 사용하여 비정형 데이터에 대한 분석을 진행하였다. 이는 분석 과정에 포함되는 50만여개에 이르는 비정형 데이터를 분석하는데 효율적으로 활용 가능한 방식이며, 이에 대한 효율성 확인을 위한 하둡의 성능을 파악하기 위해 1부터 900만까지 제곱을 하는 기초적인 연산을 진행한 결과 단일 컴퓨터에서 진행한 시간인 33초보다 1/3이 감소한 21초가 소요되었다. 본 연구의 분석과정은 단일 머신에서도 분석 진행이 가능하기는 하나, 대용량 자료에 대한 분산 처리과정이 가지는 효용성에 대한 참고를 위하여 사례 결과를 제시하는 바이다.

후속연구

그러나 이러한 비정형 데이터 분석이 가지는 제한 사항에도 불구하고 간단한 비정형 데이터의 분석 결과를 보완하는 방식을 적용하여 오차를 감소시키는 효과가 실증된 본 논문의 시도는 향후 비정형 데이터에 대한 심도 있는 추가적인 연구 진행이 매우 큰 의미를 가질 수 있음을 시사한다. 따라서 앞서 제시한 사전과 과정의 문제점을 개선하는 방안 및 핵심 명사와의 거리를 계산해 명사별로 점수를 줄 수 있는 단어 거리분석(N-Gram) 등 문장의 특성을 추출하는 거리가중치 알고리즘에 대한 연구를 추가적으로 제안하는 바이다.
그러나 이러한 비정형 데이터 분석이 가지는 제한 사항에도 불구하고 간단한 비정형 데이터의 분석 결과를 보완하는 방식을 적용하여 오차를 감소시키는 효과가 실증된 본 논문의 시도는 향후 비정형 데이터에 대한 심도 있는 추가적인 연구 진행이 매우 큰 의미를 가질 수 있음을 시사한다. 따라서 앞서 제시한 사전과 과정의 문제점을 개선하는 방안 및 핵심 명사와의 거리를 계산해 명사별로 점수를 줄 수 있는 단어 거리분석(N-Gram) 등 문장의 특성을 추출하는 거리가중치 알고리즘에 대한 연구를 추가적으로 제안하는 바이다.
본 연구에서 제안하고자 하는 득표율 예측 수정 개선 방안을 적용한 결과 Table 3.2와 같은 결과를 도출하였으며, 기존의 여론 조사 결과보다 일정 수준 향상되는 모습을 나타내었으며, 이는 득표율 예측에 있어 비정형 데이터의 분석 결과를 보완하는 방법에 대하여 보다 심도있는 연구가 필요하다는 것을 의미한다고 할 수 있겠다.
이는 후보별로 쓰이는 문장의 차이에 따라 나타난 오차로 예측률이 개선된 두 후보와 관련된 데이터에는 직설적인 표현이 많았던 것에 비해 다른 한 후보의 경우에는 중의적인 어구와 비꼬는 문장이 타 후보보다 많이 나타났으며 이러한 이중적인 의미를 지닌 문장에 대한 재해석이 필요함을 알 수 있었다.

질의응답

핵심어	질문	논문에서 추출한 답변
	비정형 데이터 분석의 사례는 무엇인가?	이러한 비정형 데이터를 통하여 일상 생활에서 활발하게 적용되고 보급되어진 비정형 데이터 분석의 사례로는 GPS 정보 분석으로 통하여 이동 경로를 안내해 주는 실시간 데이터 분석 등이 대표적이라 할 수 있겠다. 이 외에도 Lee와 Lee (2015)는 로그 정보로 남겨지는 실시간 비정형 데이터들을 분석하여 일어날 상황을 예측하는 방안에 대한 연구 결과를 제시하기도 하였으며, Choi 등 (2011a)은 시스템 보안 및 웹 보안을 더욱 강화하기 위한 대용량 보안 로그 분석 방식을 제안하였다.
	정형데이터란?	데이터는 크게 정형데이터, 비정형데이터로 나누어진다. 정형데이터란 시스템의 테이블과 같이 고정된 열과 행에 저장되는 데이터로 각각의 변수명마다 데이터가 지정된 것을 뜻하며 시험 문제의 답, 설문조사 결과 등 특정한 형태에 맞춰진 데이터로써 일반적으로 진행되는 대부분의 조사와 실험들이 여기에 포함된다.
	감성분석의 처리 과정은?	오피니언 마이닝은 글에 나타나 있는 작성자의 감정을 분석하는 기법으로 감성 분석(sentiment analysis)으로 불리며, 이 감성분석은 사람이 텍스트 내용의 전부를 일일이 확인하기 힘든 빅데이터 분야에서 주로 이용되고 있다. 감성 분석은 자료의 전처리 과정(data pre-processing)과 감성 사전(sentiment dictionary)을 이용해 해당 글이 갖는 감성을 자동으로 파악해 주는 분석 과정으로 이해할 수 있다.

참고문헌 (21)

Bae, J. H., Son, J. E., and Song, M. S. (2013). Analysis of twitter for 2012 South Korea presidential election by text mining techniques, Journal of Intelligence and Information Systems, 19, 141-156.
Chang, J. Y. (2009). A sentiment analysis algorithm for automatic product reviews classification in on-line shopping mall, The Journal of Society for e-Business Studies, 14, 19-33.
Choi, D. S., Mun, G. J., Kim, Y. M., and Noh, B. N. (2011a). An analysis of large-scale security log using MapReduce, Korean Institute of Information Technology, 9, 125-132.
Choi, H., Tak, Y., and Hwang, E. (2011b). Music recommendation scheme based on twitter analysis. In Proceedings of The 38th KIISE Fall Conference, 38, 279-282.
Choi, M. and Yang, S. (2009). Internet social media and journalism report, Korea Press Foundation, 2009-1
Hyun, K. (2010). Election polling, what is problem?, Kwanhun Journal, 116, 9-17.
Jho, H. and Kim, J. (2012). Political communication and civic participation through blogs and twitter, Journal of Cybercommunication Academic Society, 29, 95-130.
Kim, J. H. and Jung, H. (2017). Causal study on the effect of survey methods in the 19th presidential election telephone survey, The Korean Journal of Applied Statistics, 30, 943-955.
Kim, S. Y. and Huh, M. H. (2009). Systematic bias of telephone surveys: meta analysis of 2007 presidential election polls, The Korean Journal of Applied Statistics, 22, 375-385.

원문보기 상세보기
Kim, S. Y. and Kwon, S. P. (2009). The effect of survey refusal and noncontact on nonresponse error: for economically active population survey, The Korean Journal of Applied Statistics, 22, 667-676.

원문보기 상세보기
Kim, S. and Hwang, B. (2014). Propensity analysis of political attitude of twitter users by extracting sentiment from timeline, Journal of Korea Multimedia Society, 17, 43-51.

원문보기 상세보기
Kim, Y. and Jeong, S. R. (2013). Intelligent VOC analyzing system using opinion mining, Journal of Intelligence and Information Systems, 19, 113-125.

원문보기 상세보기
Kim, W., Lee, J., Park, J., and Choi, J. (2014). A technique of the approval rating analysis for political party using opinion mining, The Journal of Korean Institute of Information Technology, 12, 133-141.
Kramer, A. D. I., Guillory, J. E., and Hancock, J. T. (2014). Experimental evidence of massive-scale emotional contagion through social networks, PNAS, 111, 8788-8790.

상세보기
Lee, J. H., Kim, J., and Lee, K. J. (2006). Missing imputation methods using the spatial variable in sample survey, The Korean Journal of Applied Statistics, 19, 57-67.

원문보기 상세보기
Lee, S. and Lee, D. (2015). Real time predictive analytic system design and implementation using Bigdata-log, Journal of The Korea Institute of Information Security and Cryptology, 25, 1399-1410.

원문보기 상세보기
Park, C., Lim, S., Cha, S., Lee, I., and Kim, J. (2014). Formation of weak ties in social media, The Korea Contents Association, 14, 97-109.
Park, J., Lee, H., Kang, K., and Kim, B. (2018). Real-time pavement damage detection based on video analysis and notification service, KIISE Transactions on Computing Practices, 24, 59-66.

원문보기 상세보기
Park, S. J., Jung, W. H., Han, J. H., and Shin, S. J. (2004). Analysis of affective words on photographic images and the effects of color on the images, Korean Journal of the Science of Emotion and Sensibility, 7, 41-49.
Wegrzyn-Wolska, K. and Bougueroua, L. (2012). Tweets mining for French presidential election, Computational Aspects of Social Networks, 2012 Fourth International Conference, 138-143.
Williams, C. and Gulati, G. (2008). What is a social network worth? Facebook and vote share in the 2008 presidential primaries, American Political Science Association, Annual Meeting, 1-17.

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