[논문]Analysis of Research Topics and Trends on COVID-19 in Korea Using Latent Dirichlet Allocation (LDA)

Heo, Seong-Min; Yang, Ji-Yeon

doi:10.9708/jksci.2020.25.12.083

Analysis of Research Topics and Trends on COVID-19 in Korea Using Latent Dirichlet Allocation (LDA) 원문보기

韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, v.25 no.12, 2020년, pp.83 - 91

Heo, Seong-Min (Dept. of Applied Mathematics, Kumoh National Institute of Technology) , Yang, Ji-Yeon (Dept. of Applied Mathematics, Kumoh National Institute of Technology)

초록
AI-Helper

본 연구에서는 DBpia에 등록된 코로나19 관련 논문을 대상으로 연구 토픽을 밝히고 연구 변화 추세를 검토한다. 잠재 디리슐레 할당(Latent Dirichlet Allocation) 알고리즘을 적용한 결과, 7개의 연구 토픽을 도출하였고, 각 토픽은 "International Dynamics", "Technology & Security", "Psychological Impact", "Biomedical-Related", "Economic Impact", "Online Education", "Religion-Related"에 관한 내용이었다. 또한 다범주 로짓모형을 사용하여 연구 토픽의 추세 변화를 살펴본 결과, 2020년 6월 전에는 국제적 역학관계 및 생물 의학 관련 논문이 주를 이루었다면, 이후에는 다양한 분야로 연구 주제가 확대되었다. 특히 경제적인 영향, 온라인 교육, 심리적인 영향에 관한 연구가 꾸준히 증가함을 확인할 수 있었다. 이러한 결과는 향후 코로나19 관련 공동 연구의 가이드 라인을 제시하고, 활발한 연구 활동을 위한 기초자료로 활용될 수 있을 것이다.

Abstract ▼ AI-Helper

This study aims to identify research topics and examine the trend of Covid19-related papers on DBpia. Applying latent Dirichlet allocation (LDA), we have extracted seven research topics, each of which concerns "International Dynamics", "Technology & Security", "Psychological Impact", "Biomedical-Related", "Economic Impact", "Online Education", and "Religion-Related". In addition, we used the multinomial logistic model to examine the trend of research topics. We found that the papers mainly cover topics related to "International Dynamics" and "Biomedical-Related" before June 2020, but the topics have become diverse since then. In particular, topics regarding "Economic Impact", "Online Education" and "Psychological Impact" has drawn increased attention of researchers. The findings would provide a guideline for collaboration in Covid19-related research, and could serve as a reference work for active research.

주제어

표/그림 (6)

그림 Fig. 1. Data Collection and Data Preprocessing
그림 Fig. 3. The number of publications and the number of COVID-19 cases over time in Korea
그림 Fig. 4. The number of topics indicated by four metrics
그림 Fig. 5. Word clouds of keywords by topic using LDA
그림 Fig. 6. Topic probability at each time period
표 Table 1. Results of multinomial logistic regression. The reference topic is "nter national Dynamics".

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 이러한 연구진들의 노력의 산물인 연구 논문을 이용하여, 코로나19 관련 연구의 토픽들을 밝히고 각토픽들이 어떠한 추세인지를 보이는지를 검토하였다. 토픽모델링 기법 중 LDA 알고리즘을 DBpia에 등록된 국내 논문 290편에 적용한 결과 총 7개의 연구토픽을 발견하였고, 토픽내 주요 단어들을 검토함으로써 각 토픽은 "International Dynamics", "Technology & Security", "Psychological Impact", "Biomedical-Related", "Economic Impact", "Online Education", "Religion-Related"에 관한 내용임을밝힐 수 있었다.
본 연구에서는 코로나19 관련 연구 토픽을 발견하고 시기별 트렌드를 분석하고 있다. 이는 앞으로 코로나19 관련 연구 전략을 수립하는데 필요한 기초자료로 활용되고, 관련 정부 정책의 방향성을 제시하는데 기여할 수 있을 것이다.
본 연구에서도 이 네 가지의 측도를 활용하여 타당하면서도 해석이 용이하도록 적절한 토픽의 개수를 정하는 것을 목표로 한다. 토픽의 개수를 선택한 후 영문 초록에 LDA를 적용하여 토픽을 도출하고, 출현 단어를 검토하여잠재 토픽의 특성을 반영할 수 있도록 토픽의 이름을 정하고 있다.
이에 관련 연구의 토픽의 변화가 어떻게 이루어지고 있는지 다범주 로짓모형을 이용하여 살펴보고자 한다. 6월에 게재된 논문의 수가 급증한 점을 감안하여 6월을 기준으로 전, 후로 나눈 후, 각 토픽이 등장하는 패턴의 변화를 검토한다.
특히 코로나19의 유행이 지속됨에 따라 관련연구 주제도 확대되었으리라 예상되는 바, 연구 트렌드를파악하기 위해서는 최근 연구를 포함한 재분석이 반드시요구된다. 이에 본 연구에서는 지금까지 DBPia에 수록된코로나19 관련 논문을 전체를 대상으로 국내 연구 트렌드와 토픽들을 분석하고 있다. 대부분의 기존의 연구들이 심사 전 공개 아카이브에 올라온 논문을 대상으로 하는 반면, 본 연구에서는 전문가 심사 후 게재가 이루어진 논문을 대상으로 한다는데 차이가 있다.
코로나19 관련 논문의 게재가 급증한 2020년 6월을 전후로 해서 연구 토픽의 추세 변화가 있는지를 살펴보았다. Fig.

가설 설정

활용하고 있다. LDA는 토픽 내 단어 분포와 문서 내 토픽 분포의 결합으로 특정 문서 내 단어들이 생성된다고 가정한다[21-22]. 토픽을 선택하는 과정 및 토픽 내 단어를 선택하는 과정은 다항(multinomial) 분포를 따른다고 가정하고, 켤레(conjugate) 관계인 디리슐레(Dirichlet) 를 각 문서에 포함된 주제의 사전분포로 사용한다.
LDA는 토픽 내 단어 분포와 문서 내 토픽 분포의 결합으로 특정 문서 내 단어들이 생성된다고 가정한다[21-22]. 토픽을 선택하는 과정 및 토픽 내 단어를 선택하는 과정은 다항(multinomial) 분포를 따른다고 가정하고, 켤레(conjugate) 관계인 디리슐레(Dirichlet) 를 각 문서에 포함된 주제의 사전분포로 사용한다. 추론의 대상인 베이지언 사후분포는 보통 해석적으로 해를 찾을 수가 없기 때문에, 사후분포에서 추정하고자 하는 모수들을 조건부 확률로부터 순차적으로 추출하는 깁스 샘플링 (Gibbs sampling)이 사용되고 있다[23].

제안 방법

3)을 사용하였다. 특히 동적인 웹 사이트를 원격으로 조작하는 방식으로 데이터를 수집할 때 이용되는 "RSelenium" 패키지와 웹 페이지의 html 구조에 맞춰 다양한 데이터를 수집할 때 이용되는 "rvest" 패키지를 활용하였다. 기타 HTTP 통신과 관련된 패키지인 "httr", html 문서 작성 관련 패키지인 "htmltools"와 "htmlwidgets", JSON 파서 및 생성기 관련 패키지인 "jsonlite", 인코딩 관련 패키지인 "urltools", "readr", "base64enc", 텍스트 전처리 패키지인 "stringr" 등을 웹페이지의 특성에 맞게 적절하게 적용한다면 DBpia 이외 Google 학술 검색, Pubmed 등에서 관련 논문을 검색하고 크롤링하는 것이크게 어렵지 않으리라 본다.
다범주 로짓모형을 이용하여 살펴보고자 한다. 6월에 게재된 논문의 수가 급증한 점을 감안하여 6월을 기준으로 전, 후로 나눈 후, 각 토픽이 등장하는 패턴의 변화를 검토한다.
데이터 전처리 과정으로 구두점, 공백, 기호, 불용어를제거하였고, 추가적으로 소문자 변환, 유사어, 파생어를같은 품사로 변환하였다. 반면 출현 빈도가 매우 높지만분석 결과에는 영향을 미치지 않는 단어들(coronavirus, disease, korea 등)은 사전에 제거하였고 너무 적게 출현해 의미가 없는 빈도수 10 이하의 단어들도 제거하였다.
토픽모델링 기법 중 LDA 알고리즘을 DBpia에 등록된 국내 논문 290편에 적용한 결과 총 7개의 연구토픽을 발견하였고, 토픽내 주요 단어들을 검토함으로써 각 토픽은 "International Dynamics", "Technology & Security", "Psychological Impact", "Biomedical-Related", "Economic Impact", "Online Education", "Religion-Related"에 관한 내용임을밝힐 수 있었다. 또한 다범주 로짓모형을 사용하여 연구 토픽의 추세 변화를 살펴보았다. 주목할 만 한 점은 6월 전에는국제적 역학관계 및 생물 의학 관련 논문이 주를 이루었다면, 이후에는 다양한 분야로 연구 주제가 확대되었다.
본 연구에서 연구 토픽을 분석하기 위해 사용된 토픽 모델링은, 텍스트 데이터의 숨겨진 토픽을 자동으로 추출하기 위한 방법으로 텍스트에서 사용된 단어들의 등장 패턴을 바탕으로 문서 내에 어떤 토픽이 포함되어 있고 토픽간 비중이 어떤지를 모형화하여 살펴본다[20]. 최근 대용량의 비정형화된 텍스트 데이터가 증가하면서, 문서의 잠재적인 의미 구조를 발견하고 문서 집합을 자동 분류하는데 유용하게 쓰이고 있다.
한편 질병관리본부에서 발표하고 있는 국내 월별 코로나19의 확진자 수를 검토하였다. 올 3월에 6, 000명 이상의 확진자가 발생하였고, 이후 주춤하다가 8월에 다시 증가하였다.

대상 데이터

본 연구 분석에서는 다양한 국내 학술지를 검색할 수 있는 디비피아(DBpia, http://www. dbpia.co.kr/)에서 "코로나 19"와 "covid19"를 키워드로 검색하여 수집된 논문을 이용하였다. 전문잡지, 연구보고서 등 여러 자료 유형 중에서 학술 저널을 선택하여 수집하였다.
전문잡지, 연구보고서 등 여러 자료 유형 중에서 학술 저널을 선택하여 수집하였다. 2020년 10월 10 일자에 사회과학 273개, 공학 76개, 의약학 70개, 인문학 63개, 복합학 31개, 예술체육학 16개, 자연과학 13개, 농수해양학 1개 총 543개의 논문이 검색되었고 그 중 초록이 없는 논문, Corona(광환)와 관련된 논문, 한글 초록만 있는 논문, 중복되는 논문 등 관련 없는 253개의 논문을 제거하여 290개의 논문에서 제목, 영문초록, 키워드, 학회지, 학회지 종류, 연도 등을 추출하였다.
2%)의 논문이 이때 게재되었다. 2020년 1월부터 5월까지 게재된 논문은 79편(27.2%), 7월 이후 게재된 논문은 103편(35.5%)이다.
대상이 되는 총 186개의 학회지 중에서 주요 학회지를기간별로 살펴보면 다음과 같다. 5월 이전에는 30% 가량의 논문이 "예방의학회지", "보건교육건강증진학회지", "Pediatric Infection and Vaccine", "Infection and Chemotherapy", "아시아연구" 에 게재되어, 이 기간에는주로 의학 또는 아시아 지역학 관련 연구가 이루어졌음을알 수 있다.
본 연구의 분석대상은 2020년 10월 10일 기준으로 DBpia에서 검색되는 코로나19 관련 총 543편의 논문 중 앞 장에서 기술한 기준을 적용하여 추출한 290편의 논문이다. Fig.
측도를 검토하였다. 영문 제목 또는 영문 키워드에는포함된 단어가 그렇게 많지 않아 충분한 정보를 활용하기위해 영문 초록을 이용하였다. Fig.
kr/)에서 "코로나 19"와 "covid19"를 키워드로 검색하여 수집된 논문을 이용하였다. 전문잡지, 연구보고서 등 여러 자료 유형 중에서 학술 저널을 선택하여 수집하였다. 2020년 10월 10 일자에 사회과학 273개, 공학 76개, 의약학 70개, 인문학 63개, 복합학 31개, 예술체육학 16개, 자연과학 13개, 농수해양학 1개 총 543개의 논문이 검색되었고 그 중 초록이 없는 논문, Corona(광환)와 관련된 논문, 한글 초록만 있는 논문, 중복되는 논문 등 관련 없는 253개의 논문을 제거하여 290개의 논문에서 제목, 영문초록, 키워드, 학회지, 학회지 종류, 연도 등을 추출하였다.
반면 [15]는 인공지능(AI)을 활용하는 기존 연구들의 결과를 기반으로, 코로나19 환자들의 X-ray, CT 등 영상 이미지를 생성하고 진단하는데 필요한 파이프라인을 제공하고 있다. 토픽모델링 중 널리 사용되고 있는 LDA(Latent Dirichlet Allocation)를 이용하여 [16]에서는 펍메드(PubMed)와 아카이브(arXⅳ)에 올라온 코로나19 관련 논문들을 대상으로 다음과 같은 잠재토픽을 발견하였다. 개인보호장비 (personal protective equipment), 종양학(oncology), 분석(analytics), 고위험군(high-risk groups), 공황장애 치료(rehabilitation-panic), 유전체학(genomics), 기관 내 삽관-산소투여(Intubation- oxygenation).

이론/모형

본 논문에서는 웹 크롤링을 이용하기 위해 분석 도구 R(ver 3.6.3)을 사용하였다. 특히 동적인 웹 사이트를 원격으로 조작하는 방식으로 데이터를 수집할 때 이용되는 "RSelenium" 패키지와 웹 페이지의 html 구조에 맞춰 다양한 데이터를 수집할 때 이용되는 "rvest" 패키지를 활용하였다.
PAM, STM 등이 있다. 본 연구에서는 LDA 알고리즘을 적용하여 적당한 주제를 찾고자 한다. LDA(Latent Dirichlet Allocation, 잠재 디리슐레 할당)는 다양한 문서에서 각 문서에 대한 잠재적인 주제를 찾아내기 위한 절차적 확률 분포 모델이다[20].
이 토픽모델링을 실제로 실행하기 위해 본 연구에서는 LDA를 활용하고 있다. LDA는 토픽 내 단어 분포와 문서 내 토픽 분포의 결합으로 특정 문서 내 단어들이 생성된다고 가정한다[21-22].
토픽의 개수를 7개로 선택한 후, 영문 초록에 LDA 알고리즘을 적용하였다. Fig.

성능/효과

토픽모델링 기법 중 LDA 알고리즘을 DBpia에 등록된 국내 논문 290편에 적용한 결과 총 7개의 연구토픽을 발견하였고, 토픽내 주요 단어들을 검토함으로써 각 토픽은 "International Dynamics", "Technology & Security", "Psychological Impact", "Biomedical-Related", "Economic Impact", "Online Education", "Religion-Related"에 관한 내용임을밝힐 수 있었다. 또한 다범주 로짓모형을 사용하여 연구 토픽의 추세 변화를 살펴보았다.

후속연구

이를 위해 향후 연구지원 및 인력확보 정책이 필요할 것으로 생각된다. 또한 국가 위기 상황에서 이를 극복하기 위한 다양한 연구의 활성화가 절실히 요구되는 지금, 본 연구 결과는 전반적인 연구 트렌드를 확인하고 학제 간 공동 연구의 가이드라인을 제시할 수 있을 것이다. 특히 후속 연구 주제를 결정하는 데 기초자료로 쓰일 것으로 기대된다.
만일 국외 논문까지 포함시킬 수 있다면 방대한 양이겠지만, 코로나19 관련 연구의 세계적인 추세를 살펴보고, 국가별 특징을 살펴볼 수 있어 흥미로운 연구 과제가 될 것이다. 또한 분석 대상을 논문에 한정시키지 않고 SNS, 언론 기사 등으로 확대하여 분석한다면 사회적으로 형성되어 있는 관련 의제를 파악하는데 도움이 될 것이다. 추가적으로 본 논문에서 LDA를 이용하여 발견한 토픽을 다른토픽모델링으로 검증하는 작업과 토픽 그룹별로 감성분석을 시행함으로써 분야별 연구진들의 감성 강도 비율을 파악하는 작업을 수행할 수 있을 것이다.
마지막으로 이 코로나19 위기를 효과적이고 지혜롭게 극복하기 위해 다각도 연구 결과의 융합 및 연구진들의 협력이 절실히 필요함을 강조하고 싶다.
논문을 작성하고 심사, 게재하기까지의 시간을고려하면, 3월의 1차 유행은 6월에 크게 증가한 논문 수를어느 정도 설명한다. 물론 저자마다 집필 기간이 다르고학회지마다 심사 기간이 다르기 때문에 확진자 수와 게재논문 수와의 상관관계를 정확히 파악하기는 어렵지만, 평균적으로 2~3개월의 지연시간(lag time)을 가정한다면 위기 상황이 발생한 시점에 다양한 분야의 연구자들이 현 위기를 인식하고 적극적으로 대응방안을 모색하고 있는 것으로 해석할 수 있을 것이다.
보다 정확한 연구 동향을 파악하기 위해 향후 더 많이축적된 관련 문헌을 바탕으로 시계열 분석이 가능하겠다. 만일 국외 논문까지 포함시킬 수 있다면 방대한 양이겠지만, 코로나19 관련 연구의 세계적인 추세를 살펴보고, 국가별 특징을 살펴볼 수 있어 흥미로운 연구 과제가 될 것이다.
트렌드를 분석하고 있다. 이는 앞으로 코로나19 관련 연구 전략을 수립하는데 필요한 기초자료로 활용되고, 관련 정부 정책의 방향성을 제시하는데 기여할 수 있을 것이다. 특히 본 연구 결과는 최근에 상대적으로 주춤한 생물 의학 관련 국내 연구를 활성화시킬 수 있는 방안이 모색되어야 함을 시사한다.
또한 분석 대상을 논문에 한정시키지 않고 SNS, 언론 기사 등으로 확대하여 분석한다면 사회적으로 형성되어 있는 관련 의제를 파악하는데 도움이 될 것이다. 추가적으로 본 논문에서 LDA를 이용하여 발견한 토픽을 다른토픽모델링으로 검증하는 작업과 토픽 그룹별로 감성분석을 시행함으로써 분야별 연구진들의 감성 강도 비율을 파악하는 작업을 수행할 수 있을 것이다.
또 많은 기존 연구가생물, 의학 등 특정 분야의 논문(PubMed, bioRxiv, medRxiv 등)들을 대상으로 한다면, 본 연구에서는 분야를한정시키지 않고 코로나19 관련 논문을 모두 대상으로 한다는 데서 의의가 있다. 코로나19가 여러 분야에 영향을미치고 있는 상황에서, 이와 같은 다양한 연구 분야로의확장 분석은 전반적인 연구 트렌드를 발견하고 코로나19 를 대응하기 위한 학제 간 공동 연구의 가이드라인을 제시할 수 있을 것이다.
이는 앞으로 코로나19 관련 연구 전략을 수립하는데 필요한 기초자료로 활용되고, 관련 정부 정책의 방향성을 제시하는데 기여할 수 있을 것이다. 특히 본 연구 결과는 최근에 상대적으로 주춤한 생물 의학 관련 국내 연구를 활성화시킬 수 있는 방안이 모색되어야 함을 시사한다. 치료제나 백신개발 관련 연구 뿐 아니라, 의료 현장에서의 역학과 임상 연구 등이 지속적으로 쌓일 때 신뢰성 있는 결과를 확보할 수 있으며 효과적인 의료지침을 개발할 수 있다.
또한 국가 위기 상황에서 이를 극복하기 위한 다양한 연구의 활성화가 절실히 요구되는 지금, 본 연구 결과는 전반적인 연구 트렌드를 확인하고 학제 간 공동 연구의 가이드라인을 제시할 수 있을 것이다. 특히 후속 연구 주제를 결정하는 데 기초자료로 쓰일 것으로 기대된다.

참고문헌 (30)

Centers for Disease Control and Prevention(CDC), https://www.cdc.gov/sars/
F. S. Dawood, A. D. Iuliano, C. Reed, et al., "Estimated global mortality associated with the first 12 months of 2009 pandemic influenza A H1N1 virus circulation: a modelling study," The Lancet infectious diseases, Vol. 12, No. 9, pp. 687-695, Sep. 2012. DOI: 10.1016/S1473-3099(12)70121-4

상세보기
World Health Organization, "Middle East respiratory syndrome coronavirus (MERS-CoV) - The Kingdom of Saudi Arabia," Jul. 2019. https://www.who.int/csr/don/ 24-july-2019-mers-saudi-arab ia/en/
Korea Disease Control and Prevention Agency, http://www.cdc.go.kr/contents.es?mida20301020709
World Health Organization, "WHO Director-General's remarks at the media briefing on 2019-nCoV on 11 February 2020," Feb. 2020. https://www.who.int/dg/speeches/detail/who- director-general-s-remarks-at-the-media-briefing-on-2019-ncov-on-11-february-2020
World Health Organization, "WHO Director-General's Opening Remarks at the Media Briefing on Covid-19 - 11 March 2020," Mar. 2020. https://www.who.int/dg/speeches/detail/who-directorgeneral-s-opening-remarks-at-the-media-briefing-on-covid-19---11-march-2020
K. F. Yuen, X. Wang, F. Ma, and K. X. Li, "The Psychological Causes of Panic Buying Following a Health Crisis," International Journal of Environmental Research and Public Health, Vol. 17, No. 10, pp. 3513-3536, May 2020. DOI: 10.3390/ijerph17103513

상세보기
N. Zhu, D. Zhang, W. Wang, et al., "A novel coronavirus from patients with pneumonia in China, 2019," New England Journal of Medicine, Vol. 382, No. 8, pp. 727-733, Feb. 2020. DOI: 10.1056/NEJMoa2001017

상세보기
S. P. Kaur and V. Gupta, "COVID-19 Vaccine: A comprehensive status report," Virus Research, Vol. 288, Oct. 2020. DOI: doi: 10.1016/j.virusres.2020.198114

상세보기
Y. Jeong, "2019 Novel Coronavirus Disease Outbreak and Molecular Genetic Characteristics of Severe Acute Respiratory Syndrome-Coronavirus-2," Journal of Bacteri- ology and Virology, Vol. 50, No. 1, pp. 1-8, Jan. 2020. DOI: 10.4167/jbv.2020.50.1.001

상세보기
M. Nicola, Z. Alsafi, C. Sohrabi, et al., "The socio-economic implications of the coronavirus pandemic (COVID-19): A review," International Journal of Surgery, Vol. 78, pp. 185-193, Jun. 2020. DOI: 10.1016/j.ijsu.2020. 04.018

상세보기
D. Banerjee and M. Rai, "Social isolation in Covid-19: The impact of loneliness," International Journal of Social Psychiatry, Vol. 66, No. 6, pp. 525-527, Sep. 2020. DOI: 10.1177/0020764020922269

상세보기
S. Jun and J. Kim, "Theoretical Background and Prospects for the Untact Industry," Journal of New Industry and Business, Vol. 38, No. 1, pp. 96-116, Jun 2020. https://www.dbpia.co.kr/journal/articleDetail?nodeIdNODE09405985
W. Kim, J. Han, and K. E. Lee, "Predictors of Mortality in Patients with COVID-19: A Systematic Review and Meta-analysis," Korean Journal of Clinical Pharmacy, Vol. 30, No. 3, pp. 169-176, Sep. 2020. DOI: 10.24304/kjcp. 2020.30.3.169

원문보기 상세보기
F. Shi, J. Wang, J. Shi, et al., "Review of artificial intelligence techniques in imaging data acquisition, segmentation and diagnosis for covid-19", IEEE Reviews in Biomedical Engineering, Apr. 2020. DOI: 10.1109/RBME. 2020.2987975

상세보기
A. Ebadi, P. Xi, S. Tremblay, et al., "Understanding the temporal evolution of COVID-19 research through machine learning and natural language processing," arXiv preprint arXiv:2007.11604, 2020.
H. Zhang and R. Shaw, "Identifying Research Trends and Gaps in the Context of COVID-19," International Journal of Environmental Research and Public Health, Vol. 17, No. 10, pp. 3370-3386, May 2020. DOI: 10.3390/ijerph171033 70

상세보기
T. Kim, "COVID-19 News Analysis Using News Big Data : Focusing on Topic Modeling Analysis," The Journal of the Korea Contents Association, Vol. 20, No. 5, pp. 457-466, May 2020. DOI: 10.5392/JKCA.2020.20.05.457

원문보기 상세보기
Korea Institute of Science and Technology, "KISTI DATA INSIGHT," Vol 12, Apr. 2020. http://mirian.kisti.re.kr/ insight/insight.jsp
D. M. Blei, "Probabilistic topic models," Communications of the ACM, Vol. 55, No. 4, pp. 77-84, Apr. 2012. DOI: 10.1145/2133806.2133826

상세보기
D. M. Blei, A. Y. Ng, and M. I. Jordan, "Latent dirichlet allocation," Journal of machine Learning research, Vol. 3, pp. 993-1022, Jan. 2003. DOI: 10.1162/jmlr.2003.3.4-5.993
J. Y. Yang, "Convergence Study on Research Topics for Thyroid Cancer in Korea," Journal of the Korea Convergence Society, Vol. 10, No. 2, pp. 75-81, Feb. 2019. DOI: 10.15207/JKCS.2019.10.2.075

원문보기 상세보기
G. Casella and E. I. George, "Explaining the Gibbs sampler," The American Statistician, Vol. 46, No. 3, pp. 167-174, Feb. 2012. DOI: 10.1080/00031305.1992.10475878

상세보기
S. Yoon and M. Kim, "Topic Modeling on Fine Dust Issues Using LDA Analysis," Journal of Energy Engineering, Vol. 29, No. 2, pp. 23-29, May. 2020. DOI: 10.5855/ENERGY. 2020.29.2.023

원문보기 상세보기
J. Sim and H. Kim, "A Searching Method for Legal Case Using LDA Topic Modeling," Journal of the Institute of Electronics and Information Engineers, Vol. 54, No. 9, pp. 67-75, Sep. 2017. DOI: 10.5573/ieie.2017.54.9.67

원문보기 상세보기
S. Moon, S. Chung, and S. Chi, "Topic modeling of news article about international construction market using latent Dirichlet allocation," Journal of the Korean Society of Civil Engineers, Vol. 38, No. 4, pp. 595-599, Aug. 2018. DOI: 10.12652/Ksce.2018.38.4.0595

원문보기 상세보기
T. L. Griffiths and M. Steyvers, "Finding scientific topics. Proceedings of the National academy of Sciences," Vol. 101, No. suppl 1, pp. 5228-5235, Apr. 2004. DOI: 10.1073/pnas.0307752101

상세보기
R. Deveaud, E. SanJuan, and P. Bellot, "Accurate and effective latent concept modeling for ad hoc information retrieval," Document numerique, Vol. 17, No. 1, pp. 61-84, Jun. 2014. DOI: 10.3166/DN.17.1.61-84
J. Cao, T. Xia, J. Li, Y. Zhang, and S. Tang, "A density-based method for adaptive lda model selection," Neurocomputing, Vol. 72, No. 7, pp. 1775-1781, Mar. 2009. DOI: 10.1016/j.neucom.2008.06.011

상세보기
R. Arun, V. Suresh, C. V. Madhavan, and M. N. Murthy, "On finding the natural number of topics with latent dirichlet allocation: Some observations," Pacific-Asia Conference on Knowledge Discovery and Data Mining, Vol. Part I, pp. 391-402, Jun. 2010. DOI : 10.1007/978-3-642-13657-3_43

상세보기

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