[논문]토픽 모델링을 이용한 건설현장 추락재해 분석

류한국

doi:10.15207/jkcs.2019.10.7.175

토픽 모델링을 이용한 건설현장 추락재해 분석
Falling Accidents Analysis in Construction Sites by Using Topic Modeling 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.10 no.7, 2019년, pp.175 - 182

류한국 (삼육대학교 건축학과)

초록
AI-Helper

본 연구는 기계학습 기법 중 토픽 모델링을 활용하여 건설현장에서 발생하는 추락재해에 대한 토픽을 분류하고 각 토픽에 따른 재해요인을 분석하였다. 잠재 디리클레 할당 기반의 토픽 모델링을 적용하기 위해 텍스트 데이터의 전처리를 하였고 Perplexity 점수로 평가하여 모형의 신뢰성을 높였다. 각 토픽에서 공통으로 도출된 추락재해의 대부분은 소규모 사업장에 속한 일용직 작업자들에게 발생하였다. 추락재해의 대부분의 원인은 안전장비 미착용, 현장 정리 정돈 미흡, 안전장비의 성능 및 착용 상태로 인해 제대로 작동하지 않은 것으로 판단되었다. 추락재해를 예방하고 절감하기 위해서는 소규모 사업장에 맞는 안전교육과 작업장의 정리 정돈과 개인 안전장비의 적절한 착용 상태 및 성능을 확인하는 것이 중요한 것으로 도출되었다.

Abstract ▼ AI-Helper

We classify topics on fall incidents occurring in construction sites using topic modeling among machine learning techniques and analyze the causes of the accidents according to each topic. In order to apply topic modeling based on latent dirichlet allocation, text data was preprocessed and evaluated with Perplexity score to improve the reliability of the model. The most common falling accidents happened to the daily workers belonging to small construction site. Most of the causes were not operated properly due to lack of safety equipment, inadequacy of arrangement and wearing, and low performance of safety equipment. In order to prevent and reduce the falling accidents, it is important to educate the daily workers of small construction site, arrange the workplace, and check the wearing of personal safety equipment and device.

주제어

표/그림 (7)

그림 Fig. 1. Research process using topic modeling
그림 Fig. 2. LDA(latent Dirichlet allocation) Model
그림 Fig. 3. Frequent of factors
그림 Fig. 4. Choosing optimal number of topics
표 Table 1. Summary of frequent factors
표 Table 2. Topic and documents number by topic modeling
표 Table 3. Factors of three topics by topic modeling

AI 본문요약
AI-Helper

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

문제 정의

본 연구는 적합한 토픽의 수에 따른 모형의 성능을 평가하고 이를 토대로 모형을 구축하였다. 모형 성능 평가에 사용되는 평가 지표로는 Perplexity로 불순도 정도를 나타내며 구축한 모형이 얼마나 정확하게 예측하는지 평가하여 가능한 경우의 모형을 구축하고 전체 모형 중 Perplexity 점수가 가장 낮은 토픽의 수를 사용하여 모형을 구축한다.
연구주제 및 트렌드 추이 파악으로 패션 디자인 연구 내용과 향후 방향성을 제시하였다.

제안 방법

본 연구에서는 Python 프로그래밍 언어로 LDA를 구현하였으며, 모형을 구축하기 전 평가 지표인 Perplexity로 모형의 성능을 평가하고 최적의 토픽 수를 결정하였다.
DBpia 학술 DB에서 논문 데이터를 수집하여 수집된 텍스트 데이터를 DMR(Dirichlet multinomial regression) 모형을 활용하여 40개의 토픽을 도출하고, 시계열 분석을 통해 헬스 케어 연구 동향을 제시하였다.
SNS 사용자가 장소를 쉽게 이해하고 경험을 얻을 수 있게 의미론적 토픽을 통합하고 경험을 제공하는 토픽 모델링에 기초하여 제안된 프레임 워크의 효과를 검증하는 시맨틱 기반의 장소 요약을 제시하였다.
각 문서의 문장을 가장 작은 단위인 단어로 토큰화(tokenization)하여 전체적인 형태를 관찰하고 단어의 의미를 그대로 활용하기 위한 전치사, 관사, 기호는 사용하고 불필요한 용어는 제거하였다.
각 문서의 문장을 가장 작은 단위인 단어로 토큰화(tokenization)하여 전체적인 형태를 관찰하고 단어의 의미를 그대로 활용하기 위한 전치사, 관사, 기호는 사용하고 불필요한 용어는 제거하였다. 그리고 유의어 사전을 구축하여 의미는 같지만 다르게 표현된 단어들을 한 단어로 변환하였다. 예를 들면, 추락, 추락사고, 떨어짐과 같은 단어를 추락으로 표준화하였다.
기계학습 기법 중 잠재 디리클레 할당(latent Dirichlet allocation, LDA) 기반의 토픽 모델링(topic modeling)을 적용하여 재해위험 요소와 세 개의 토픽 시나리오를 중심으로 분석한다.
둘째, 수집된 텍스트 데이터를 컴퓨터가 이해할 수 있도록 전처리 과정을 진행하였다.
마지막으로 모형에서 도출된 결과를 분석하여 향후 활용방안을 제시하였다.
본 연구는 LDA 기반의 토픽 모델링을 텍스트 데이터에 적용하여 데이터 내 의미가 있는 세 가지 토픽을 추출하고 각 토픽에서 나타나는 재해요인을 분석하였다. 토픽 모델링 결과에서 나타나는 추락재해 대부분은 소규모 작업장의 미흡한 현장관리와 안전교육 그리고 개인안전장비에 대한 결함과 착용 상태 미흡으로 나타났으며 이를 예방하기 위한 안전과 교육 정책에 대해서 좋은 방향을 제시할 것으로 기대한다.
본 연구는 기계학습 기법 중 토픽 모델링을 활용하여 건설현장에서 발생하는 추락재해에 대한 토픽을 분류하고 각 토픽에 따른 재해요인을 분석하였다.
본 연구는 추락사고로 산재보상을 받은 재해자들의 정보를 바탕으로 안전사고의 주요한 주제를 도출한다.
본 연구는 토픽 모델링 기법을 통한 기존 텍스트 분석에서 사용하는 워드 클라우드 시각화나 주제어 분석과는 다르게 기계학습 방법을 적용하여 토픽별 재해요인을 도출 및 분류하여 기존 안전재해 연구에서 다루었던 분석과 차별성을 두었다.
본 연구에서는 추락으로 발생한 재해자들의 정보를 효과적으로 분석하기 위해 토픽 모델링을 적용하였다. 토픽 모델링을 적용한 본 연구의 수행 절차는 Fig.
둘째, 수집된 텍스트 데이터를 컴퓨터가 이해할 수 있도록 전처리 과정을 진행하였다. 셋째, LDA 기반의 토픽 모델링을 적용하고 해당 모형의 성능을 평가하였다. 마지막으로 모형에서 도출된 결과를 분석하여 향후 활용방안을 제시하였다.
첫째, 한국산업안전보건공단의 데이터를 바탕으로 추락재해로 인해 발생한 재해자들의 정보를 수집하였다. 둘째, 수집된 텍스트 데이터를 컴퓨터가 이해할 수 있도록 전처리 과정을 진행하였다.
텍스트 분석 방법을 설명하고 올바른 모형 선택과 결과해석, 토픽 모형 솔루션의 유효성 검증 방법과 통계기법을 적용하여 설명하였다.
트위터에 어떤 주제가 있었는지 추출하고 이를 웹상에 시각화하는 트위터 이슈 트래킹 시스템을 설계하였다.

대상 데이터

건설현장에서 발생하는 업무상 재해 유형인 추락을 분석하기 위하여 한국산업안전보건공단의 2008년부터 2014년까지 수집한 데이터를 활용하였다.
건설현장에서 발생하는 업무상 재해 유형인 추락을 분석하기 위하여 한국산업안전보건공단의 2008년부터 2014년까지 수집한 데이터를 활용하였다. 분석에 사용된 데이터는 총 4,319건으로 텍스트로 이루어진 데이터이다. 수집 데이터는 2008년도부터 산재보험에 승인된 재해자를 대상으로 전수조사로 수집된 사망 사고 데이터와 모집단을 대상으로 10% 표본추출로 수집한 부상 사고 데이터로 데이터의 신뢰성이 높다.
수집 데이터는 2008년도부터 산재보험에 승인된 재해자를 대상으로 전수조사로 수집된 사망 사고 데이터와 모집단을 대상으로 10% 표본추출로 수집한 부상 사고 데이터로 데이터의 신뢰성이 높다.

데이터처리

텍스트 데이터에 LDA 기반의 토픽 모델링 적용하기 위해 데이터의 전처리를 하였고 Perplexity 점수를 통해 모형을 평가하고 토픽의 수를 결정하여 결과에 대한 신뢰성을 높였다.

이론/모형

이를 수치로 평가하기 위해 다양한 평가 지표가 개발되고 있으며 본 연구에서는 의미론적으로 일관성이 있는지 그리고 신뢰성이 있는지 확인하기 위해 Newman [19,20]의 연구에 기초하여 일관성(topic coherence)을 평가하였다.
잠재 표현된 텍스트 데이터 안에서 의미 있는 토픽과 연관된 잠재요인을 추출해주는 확률모형으로 주로 사용되고 있는 기법은 LDA, LSA(latent semantic indexing), HDP(hierarchical dirichlet process) 등이 있으며 본 연구에서는 대표적인 기법인 LDA 기반의 토픽 모델링을 적용하였다.

성능/효과

온톨로지(ontology) 접근법으로 다루기엔 계산 비용이 많이 들기 때문에 LDA 기법을 적용하여 사용자 관심을 모델링하고 이를 활용하여 토픽 분포를 기반으로 링크를 예측하는 문제를 실험하였으며, 실험 결과 친구 관계를 예측하기 위한 LDA가 유용하다고 도출되었다.
둘째, 토픽 1과 토픽 2의 부상의 정도에서 발견되는 공통요인으로는 근무 경력이 1개월 미만인 작업자들에게 발생하며, 토픽 3의 사망의 경우 근무 경력이 많은 20년 이상 작업자들에게 발생하는 것으로 나타났다.
셋째, 추락재해를 예방하고 절감하기 위해서는 소규모 사업장에 맞는 안전교육과 현장에서의 감독과 관리가 매우 중요한 것으로 나타났다.
첫째, 세 토픽의 추락재해는 공통적으로 소규모 사업장에 속한 일용직 작업자들에게 발생하였다. 각 토픽은 업무상 재해 정도의 심각성으로 토픽 1은 가벼운 부상, 토픽 2는 심각한 부상, 토픽 3은 사망으로 의미가 분석되었다.
또한, 부적절한 작업 절차나 작업자의 작업수행 중 과실로 인해 발생하는 것으로 나타났다. 추락을 예방하려는 방호조치는 미흡하거나 불량인 사례로 추락재해가 발생하며 181일 이상의 근무 손실일수가 도출되었다.
토픽 1의 시나리오와 빈도 분석을 종합적으로 살펴보면, 심각하지 않은 부상은 대부분 개인안전장비 미착용, 작업장 내 위험물 방치 그리고 작업장 정리정돈 미흡 등으로 인하여 하지를 다쳐 외상성 손상 및 중독으로 도출되었다.
토픽 2의 시나리오와 빈도 분석을 종합적으로 살펴보면, 토픽 1과 같은 안전장비 미착용과 작업현장 내 위험물 방치 및 미관리로 나타났다. 또한, 부적절한 작업 절차나 작업자의 작업수행 중 과실로 인해 발생하는 것으로 나타났다.
토픽 모델링 결과에서 나타나는 추락재해 대부분은 소규모 작업장의 미흡한 현장관리와 안전교육 그리고 개인안전장비에 대한 결함과 착용 상태 미흡으로 나타났으며 이를 예방하기 위한 안전과 교육 정책에 대해서 좋은 방향을 제시할 것으로 기대한다.
토픽의 수에 따라 모형의 성능이 상이하며 가장 우수한 평가 결과를 나타내는 토픽 수는 세 개로 Perplexity 점수는 95.46로 가장 낮다.
특히, 토픽 3의 경우 개인안전장비인 안전대와 안전모를 착용하고도 안전 사고시 사망으로 연결되는 것은 추락의 높이가 토픽 1과 2와 다르게 5∼20미터로 높았다.

후속연구

토픽 모델링 결과에서 나타나는 추락재해 대부분은 소규모 작업장의 미흡한 현장관리와 안전교육 그리고 개인안전장비에 대한 결함과 착용 상태 미흡으로 나타났으며 이를 예방하기 위한 안전과 교육 정책에 대해서 좋은 방향을 제시할 것으로 기대한다. 또한, 본 연구의 결과로서 제시되는 추락재해에 관련된 안전재해 토픽을 바탕으로 향후 건설안전 정책 및 연구 방향에 기여할 수 있을 것으로 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	토픽 모델링이란 무엇인가?	토픽 모델링은 자연어 처리(natural language processing, NLP) 분야에서 문서 집합의 추상적인 토픽을 발견하기 위한 통계적 모형으로 비정형 데이터 중 보고서, 잡지, 논문, 소설, 설문지 등과 같이 다양한 문서에서 숨겨진 의미를 발견하는 기법이다. 특정 토픽에 대한 문서에서 자주 등장하는 단어들은 유사한 의미를 지니는 데 이를 잠재적인 토픽으로 정의하고 또 다른 토픽으로 묶는 모형을 만드는 것이다.
	추락재해의 대부분의 원인은 무엇이었는가?	각 토픽에서 공통으로 도출된 추락재해의 대부분은 소규모 사업장에 속한 일용직 작업자들에게 발생하였다. 추락재해의 대부분의 원인은 안전장비 미착용, 현장 정리 정돈 미흡, 안전장비의 성능 및 착용 상태로 인해 제대로 작동하지 않은 것으로 판단되었다. 추락재해를 예방하고 절감하기 위해서는 소규모 사업장에 맞는 안전교육과 작업장의 정리 정돈과 개인 안전장비의 적절한 착용 상태 및 성능을 확인하는 것이 중요한 것으로 도출되었다.
	재해요인을 분석하기 위해 어떤 방법을 사용하였는가?	본 연구는 기계학습 기법 중 토픽 모델링을 활용하여 건설현장에서 발생하는 추락재해에 대한 토픽을 분류하고 각 토픽에 따른 재해요인을 분석하였다. 잠재 디리클레 할당 기반의 토픽 모델링을 적용하기 위해 텍스트 데이터의 전처리를 하였고 Perplexity 점수로 평가하여 모형의 신뢰성을 높였다. 각 토픽에서 공통으로 도출된 추락재해의 대부분은 소규모 사업장에 속한 일용직 작업자들에게 발생하였다.

LOADING...

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