[논문]텍스트 마이닝을 활용한 2017년 한국 대선 분석

안은희; 안정국

doi:10.15207/jkcs.2020.11.5.199

텍스트 마이닝을 활용한 2017년 한국 대선 분석
An Analysis of the 2017 Korean Presidential Election Using Text Mining 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.11 no.5, 2020년, pp.199 - 207

안은희 (연세대학교 경영학과) , 안정국 (선문대학교 경영학과)

초록
AI-Helper

최근 빅데이터 분석은 대량의 데이터로부터 미래를 예측하여 가치를 창출할 수 있어 다양한 분야에서 주목받고 있으며, 정치 캠페인 운영이나 결과 예측에도 활용되고 있다. 하지만 기존의 연구는 특정 SNS 데이터만을 분석하여 후보자들에 대한 정보를 취합하는데 한계가 있었다. 이에 본 연구는 2017년 한국 대선 후보별 뉴스와 댓글을 수집하여 뉴스 생성 추이, 토픽 추출, 감성 분석, 키워드 분석, 키워드 감성 분석을 하였다. 분석 결과, 대선 후보 간 다양한 토픽들이 생성되는 것을 확인하였으며, 후보별 이슈가 되는 중점 키워드와 이에 대한 유권자들의 호응도가 추출되었다. 본 연구는 포털 뉴스에서 생성되는 대선 캠페인에 대한 동향을 마이닝 할 수 있게 했다는 점과 감성 분석을 통해 대권주자들에 대한 유권자들의 관심과 의견들을 정량화하여 수치화한 것에 의의가 있다. 본 연구가 여론 수렴의 도구적 방법을 제시함으로써 이를 바탕으로 전략적인 행동 방안을 도출할 수 있을 것을 기대한다.

Abstract ▼ AI-Helper

Recently, big data analysis has drawn attention in various fields as it can generate value from large amounts of data and is also used to run political campaigns or predict results. However, existing research had limitations in compiling information about candidates at a high-level by analyzing only specific SNS data. Therefore, this study analyses news trends, topics extraction, sentiment analysis, keyword analysis, comment analysis for the 2017 presidential election of South Korea. The results show that various topics had been generated, and online opinions are extracted for trending keywords of respective candidates. This study also shows that portal news and comments can serve as useful tools for predicting the public's opinion on social issues. This study will This paper advances a building strategic course of action by providing a method of analyzing public opinion across various fields.

주제어

표/그림 (12)

그림 Fig. 1. Topic modeling[2, 3]
그림 Fig. 2. Research Process
그림 Fig. 3. News buzz by candidate
그림 Fig. 4. News buzz trend by candidate
그림 Fig. 5. News distribution by candidate
그림 Fig. 6. Positive news by candidate
표 Fig. 6. Positive news by candidate
그림 Fig. 8. Positive comments by candidate
표 Table 1. Sentiment keywords from news
표 Table 2. Sentiments from the comments of the comments
그림 Fig. 9. News buzz and voting result
표 Table 3. Related keywords by candidate

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 연구는 포털 뉴스 데이터를 수집하여 대선후보자들과 관련된 기사 및 이슈를 파악하고, 기존의 단순한 텍스트 마이닝의 방식에서 한층 더 나아가 텍스트에 대한 감성 분석을 통해 사람들의 의견, 성향과 같은주관적인 데이터의 특성을 규명하여 후보별 화두 및 여론에 대한 긍정적 인식 및 부정적 인식을 알아보고자 하였다. 이와 더불어 기사의 댓글 및 연관검색어 분석을 통해 유권자들의 관심사 및 선호도를 추출하여 여론을 분석하고자 하였다.
본 연구는 뉴스 기사에 한정된 댓글을 토대로 여론을조사한 것이다. 하지만 댓글은 전체성보다는 편향성을 가질 수 있으므로, 후보자에 대한 의견을 적극적으로 개진할 수 있는 공간이 아니라는 한계가 있다.
민주사회에서 공정한 투표는 유권자들이 후보자를 판단할 때객관적이고 정확한 정보를 기반으로 판단했다는 전제가충족되어야 성립한다. 본 연구는 정보 전달에 있어 최대한의 객관성을 담보하는 뉴스 기사를 토대로 연구를 진행하고 이를 시각화함으로써 대선 후보자들의 행동과 사회적 반응에 대한 객관적이고 직관적인 이해를 가능케했다. 이러한 연구 결과는 유권자들이 후보들의 행동 및발언에 대해 직관적으로 파악하고, 더 나아가 선거에 영향을 미치는 유권자 선호를 형성하는데 이바지할 것이다.
반면 유승민 후보의경우에는 실제 득표율보다 뉴스 생성 비율이 비교적 높게 측정이 되었다. 이에 텍스트 마이닝을 바탕으로 한 뉴스 생성 결과에 대한 분석은 현재 진행되고 있는 여론조사의 한계점을 보완하며 대선 결과를 예측할 수 있는 주요 지표가 될 수 있음을 시사한다. 실제로 현재 진행되고있는 여론조사의 결과에 대해 대중들이 많은 의구심이생기고 있다.
따라서 본 연구는 포털 뉴스 데이터를 수집하여 대선후보자들과 관련된 기사 및 이슈를 파악하고, 기존의 단순한 텍스트 마이닝의 방식에서 한층 더 나아가 텍스트에 대한 감성 분석을 통해 사람들의 의견, 성향과 같은주관적인 데이터의 특성을 규명하여 후보별 화두 및 여론에 대한 긍정적 인식 및 부정적 인식을 알아보고자 하였다. 이와 더불어 기사의 댓글 및 연관검색어 분석을 통해 유권자들의 관심사 및 선호도를 추출하여 여론을 분석하고자 하였다.

가설 설정

첫째, 뉴스 기사가 모든 사람들의 의견을 대변한다고볼 수 없다. 특히 정치와 기업과의 연계로 인해 치우친정치적 편향을 가진 언론들의 경우, 정치적 편향성으로인해 이슈에 대해 방어적이거나 공격적인 주관적 보도를진행하는 성향이 있다.

제안 방법

각 후보자가 언급된 뉴스 기사에 대한 감성 분석을 통해후보별 긍정·부정 점수를 살펴보았다.
그 중에서도 LDA(Latent Dirichlet Allocation) 알고리즘은 확률분포를 기반으로 하는 모델로을 본 연구에 적용을 하였다. 감성 분석은 국내 유일의 집단 지성 기반의 한글 감성어 사전인 오픈한글을 활용하여 감성의 깊이에 대한 분석의 정확도를 높였다. 또한 토픽을 추출하거나 감성 분석을 하는 과정에 있어서 특정 뉴스에 한 명이상의 후보가 언급이 되는 경우에는 해당 뉴스는 분석에서 제외를 하는 방식을 택하였다.
뉴스 데이터에서 각 후보에 대한 뉴스 생성량이 가장많았던 날의 주요 키워드를 조사해보았다. 우선 문재인후보의 경우 ‘세월호 인양’, ‘SBS’, ‘사과’, ‘의혹’, ‘해수부’등 정치적 이슈에 관한 키워드가, 안철수 후보의 경우 ‘경북’, ‘국민 속으로’, ‘도보’, ‘버스’, ‘뚜벅’ 등의 자신의 정책적 방향 및 유세 상황에 대한 키워드가 추출되었다.
또한, 후보자들에 대한 여론을 살피기 위하여 같은 기간의 국내포털 뉴스에 대한 댓글 총 485,811건을 수집하였다. 뉴스를 수집하여 데이터베이스에 저장을 하였고, 저장된 데이터베이스에서 뉴스의 컨텐츠와 댓글을 불러와서 전처리하는 과정을 진행하였다. 데이터를 검색하여 수집하는과정에 있어서는 불필요한 데이터 또는 필터링이 되지않아 잘못 수집이 된 데이터들이 많으므로, 키워드 선정이나 전처리 과정이 중요하다.
더불어 네이버 뉴스의 댓글에 대해 감성 분석을 진행하여 온라인 유권자들의 대선 후보에 대한 기대치와 반응을 시각화하고, 댓글에서 언급된 후보자들과의 연관검색어를 추적하였다. 이는 뉴스 기사를 작성하는 언론사와댓글을 작성하는 온라인 유권자들 사이에서 대선 후보자들에 대한 관점 및 시선의 온도 차를 비교 분석할 수 있는 지표가 된다는 데 의의가 있다.
둘째, 본 연구는 감성 분석을 적용하여 대선 후보자들에 대한 긍정 및 부정적 키워드를 추출하고, 이를 토대로긍정 점수 및 부정 점수에 관한 결과를 도출하였다. 단순히 뉴스의 생성량 추이를 넘어 후보자들에 대한 긍정 및부정적인 반응을 모아 시각화함으로써 후보자들에 대한자질 및 이슈들을 한눈에 이해할 수 있게 하였다.
9에서 뉴스 생성량을 살펴보면 후보자에따른 생성된 뉴스량의 순위와 대선 후보 득표 순위가 같았다. 문재인 후보의 뉴스 생성 비율이 실제 득표율에 비교하여 적은 수치로 측정이 되었다. 반면 유승민 후보의경우에는 실제 득표율보다 뉴스 생성 비율이 비교적 높게 측정이 되었다.
본 연구는 네이버 포털 뉴스 및 해당 뉴스의 댓글들을수집하여 빈도수 분석, 토픽 추출, 감성 분석과 같은 다양한 텍스트 마이닝 기법을 활용하여 19대 대선 후보자들을 분석하였다. 수집한 데이터는 아래와 같은 한계점을지닌다.
기존의 텍스트 마이닝을 사용하여 선거 결과를 예측에관한 연구들의 경우, 트위터를 많이 분석해왔지만 트위터는 한국에서 쓰는 비율이 높지 않아 한국 유권자들에 대한 대표성 확보가 어려워 대선 결과 예측 연구에 있어 보완의 필요성이 있다고 판단되었다. 이에 본 연구는 대선후보들에 대한 네이버 포털 뉴스 및 해당 기사에 달린 댓글을 토대로 텍스트 마이닝 및 감성 분석을 진행하였다.여론 공표 금지 기간을 포함한 2017년 5월 1일부터2017년 5월 7일까지의 네이버 포털 뉴스 데이터를 분석한 결과는 다음과 같다.

대상 데이터

2와 같다. 2017년 5월 1일부터 2017년 5월 7일 동안의 대선 후보 이름이 언급된 총 24,817건의 국내 포털 뉴스를 수집했다. 또한, 후보자들에 대한 여론을 살피기 위하여 같은 기간의 국내포털 뉴스에 대한 댓글 총 485,811건을 수집하였다.
2017년 5월 1일부터 2017년 5월 7일 동안의 대선 후보 이름이 언급된 총 24,817건의 국내 포털 뉴스를 수집했다. 또한, 후보자들에 대한 여론을 살피기 위하여 같은 기간의 국내포털 뉴스에 대한 댓글 총 485,811건을 수집하였다. 뉴스를 수집하여 데이터베이스에 저장을 하였고, 저장된 데이터베이스에서 뉴스의 컨텐츠와 댓글을 불러와서 전처리하는 과정을 진행하였다.
각 후보자가 언급된 뉴스 기사에 대한 감성 분석을 통해후보별 긍정·부정 점수를 살펴보았다. 후보자가 단독으로언급된 총 34,061건의 기사를 분석에 사용하였다. 긍정점수의 경우 Fig.

이론/모형

토픽모델링은 문서의 집합에서 추상적인 토픽을 찾는 방법으로최근 다양한 분석에서 많이 활용되었으며, 기계학습을 기반으로 한 텍스트 마이닝의 대표적인 비지도 학습이다[2,3]. 그 중에서도 LDA(Latent Dirichlet Allocation) 알고리즘은 확률분포를 기반으로 하는 모델로을 본 연구에 적용을 하였다. 감성 분석은 국내 유일의 집단 지성 기반의 한글 감성어 사전인 오픈한글을 활용하여 감성의 깊이에 대한 분석의 정확도를 높였다.
본 연구에서는 대선 후보자들에 관한 토픽들을 추출하기 위해 LDA 토픽모델링을 사용하였다[2, 3]. 토픽모델링은 문서의 집합에서 추상적인 토픽을 찾는 방법으로최근 다양한 분석에서 많이 활용되었으며, 기계학습을 기반으로 한 텍스트 마이닝의 대표적인 비지도 학습이다[2,3].

성능/효과

이에 본 연구는 후보들의 특정 행동 및 발언에 대한 유권자들의 반응을 신속하게 파악하고 더 나아가 선거 결과를 예측할 수 있는 유권자 선호도를 추론하는데 효과적으로 사용될 수 있을 것이다. 기존 대선 예측 및 분석과는 다르게 정확성을 높이고 유권자들의 반응을 신속하게파악하는 선거 결과 예측 효과를 기대할 수 있다. 또한,유권자 관심사 및 선호도 데이터 기반으로 효과적인 선거 및 유세 전략을 세우며 추후 변경 사항에 유용한 참고자료가 될 수 있을 것이다.
우선,본 연구는 네이버 포털 뉴스 생성 추이 분석을 진행하였고, 해당 결과는 2017년 대선 후보 득표 순위와 일치함을 확인하였다. 기존의 대선 분석에서 사용되는 전통적인여론조사의 경우 대선 후보들에 대한 유권자들의 선택을예측하기가 쉽지 않다는 점에서, 본 연구는 뉴스의 생성추이 분석을 통해 이를 보완할 수 있다는 가능성을 보여주었다.
네이버 포털 뉴스 분석 결과, Fig. 3과 같이 뉴스에서언급되는 비율은 문재인 후보가 32.1%, 홍준표 후보가23.0%, 안철수 후보가 22.7%, 유승민 후보가 14.1%, 심상정 후보가 8%로 나타나 문재인 후보에 관한 기사가 가장 많음을 확인할 수 있었다.
둘째, 뉴스 생성 추이에 대한 분석을 토대로 대부분의후보자 뉴스 생성 추이가 5월 2일을 기점으로 급변하는것을 확인할 수 있다. 5월 2일은 ‘사회’를 주제로 하는 선거 전 마지막 대선 후보 토론회가 진행되었다는 점을 고려해보았을 때, 해당 토론으로 인해 후보자 뉴스 생성 및연관 감성어 트랜드 패턴이 변화한 것이란 해석이 가능하다.
문재인 후보를 제외한 모든 후보자의 평균 긍정·부정 대댓글 수는 일치했고 문재인 후보만 긍정 대댓글 수가부정 대댓글 수보다 0.1 높았다.
셋째, 감성 분석을 통해 추출한 뉴스 기사의 긍정도는일정 수준 이상이 되면 대선 결과와 크게 유관하지 않다는 것을 확인하였다. 심상정 후보의 경우 뉴스 긍정점수가 86%가량을 달성했고 뉴스 댓글 긍정점수 또한 후보중 제일 높은 67%를 달성했는데도 불구하고, 실제 대선결과 득표율 5위에 그치고 말았다.
실제 연구 결과에의하면 투표 후보 결정 시 참고한 매체로는 ‘TV토론’이59%로 가장 많았고 ‘신문/방송 보도’ 23%, ‘인터넷 뉴스’17%, '가족/주위사람' 14%, '페이스북, 카카오톡 등 SNS'12%, '선거 유세' 11%, '선거공보/벽보' 7%, '신문/방송/인터넷 광고' 6% '본인 생각/판단' 2%, '기타' 1% 순이었다[17].
본 연구는 다음과 같은 학술적 시사점을 갖는다. 우선,본 연구는 네이버 포털 뉴스 생성 추이 분석을 진행하였고, 해당 결과는 2017년 대선 후보 득표 순위와 일치함을 확인하였다. 기존의 대선 분석에서 사용되는 전통적인여론조사의 경우 대선 후보들에 대한 유권자들의 선택을예측하기가 쉽지 않다는 점에서, 본 연구는 뉴스의 생성추이 분석을 통해 이를 보완할 수 있다는 가능성을 보여주었다.
첫째, Fig. 9에서 뉴스 생성량을 살펴보면 후보자에따른 생성된 뉴스량의 순위와 대선 후보 득표 순위가 같았다. 문재인 후보의 뉴스 생성 비율이 실제 득표율에 비교하여 적은 수치로 측정이 되었다.
2016년 총선 당시에는 기존 여론조사 기관들이 한 번도 예측하지 못한 여소야대 상황이 벌어졌고[16], 2017년 미국 대선에서도 부정적인 이미지를 가지고 있는 대권 주자인 트럼프를 지지했던 유권자들이, 주위의 시선을 의식하여 공개적인 지지 의사를 비치지 않아, 여론조사와 투표 결과가 상이하게 다르게 나왔던 적이 있다. 포털 뉴스 기사 생성 추이를 분석한 결과 뉴스에서 후보자에 대한 언급 빈도수가 실제 대선 결과 순위와 일치하며, 득표율 역시 소수의 후보를 제외한 다른 후보들의 경우, 실제 득표율과 굉장히 유사한 결괏값을 지닌다는 점에서 이는 기존의 여론조사를 보완하는 새로운수단임을 확인할 수 있다.
후보별 댓글의 연관 키워드를 추출하여 분석한 결과Table 2와 같이 문재인 후보는 ‘적폐’, ‘당선’ 같은 키워드가, 안철수 후보는 ‘미래’, ‘박지원’, 홍준표 후보는 ‘보수’, ‘박근혜’, 유승민 후보는 ‘보수’, ‘바르다’, 심상정 후보는 ‘진보’, ‘사표’의 키워드가 각각 추출된 것을 확인할 수있다.

후속연구

더 나아가 본 연구에서 시도한 포털 뉴스에 대한 분석은 비단 선거뿐만 아닌 뉴스에서 다루는 사회 다방면의이슈들에 대한 객관적 분석과 여론을 파악하는데 적절하게 활용될 수 있을 것이다. 사안에 대한 텍스트 마이닝의분석은 논의되고 있는 모든 안건에 대한 정보들을 객관적으로 수집하고 이를 수치화함으로써 개인이 가지고 있는 편협한 관점에서 벗어나 객관적이고 포괄적으로 사안에 관한 결과를 제공함으로써, 우리 사회가 합리적이고효과적인 판단을 내리는데 이바지할 것으로 판단한다.
둘째, 본 연구는 정치 캠페인 전략 수립을 위한 자료로사용될 수 있다. 데이터 분석 기반의 선거 전략은 2012년 미국 오바마 대통령 선거부터 시작되었다.
둘째, 본 연구의 대선 분석 기간은 5월 1일에서 5월7일, 5월 9일 본 선거일 8일 전부터 시작했기에 장기 선거 전략에 줄 수 있는 큰 파급력은 기대하기 어렵다. 선거 운동 기간은 23일밖에 되지 않아 그 짧은 기간 동안효과적인 유세를 펼치기 위해 예비 후보자들은 몇 년 전부터 선거 전략을 준비하기 시작한다.
따라서 차기 후보자들은 장기적으로 본 연구의 사회트렌드 마이닝 기술을 사용하기 위해 뉴스와 데이터가상대적으로 적은 선거 운동 기간 전에는 과거 결과 및 분석을 활용하여 어느 이슈가 후보자의 호응도에 제일 큰영향을 미쳤는지 확인하고 전략적으로 사용할 필요가 있다.
기존 대선 예측 및 분석과는 다르게 정확성을 높이고 유권자들의 반응을 신속하게파악하는 선거 결과 예측 효과를 기대할 수 있다. 또한,유권자 관심사 및 선호도 데이터 기반으로 효과적인 선거 및 유세 전략을 세우며 추후 변경 사항에 유용한 참고자료가 될 수 있을 것이다.
따라서 한국선거 또한 데이터 분석 기반의 선거 자료를 활용하여 후보자가 내놓은 정책 및 발언에 대해 유권자들이 어떻게반응하는지 파악할 수 있으며, 후보자 행위에 대한 유권자의 선호도를 추론하는 데 효과적으로 사용될 수 있다.사람들의 반응을 실시간으로 파악함으로써 후보자가 최선의 선거 전략을 토대로 효과적인 유세 전략을 펼치는데 도움을 줄 수 있을 것이라 기대한다.
더 나아가 본 연구에서 시도한 포털 뉴스에 대한 분석은 비단 선거뿐만 아닌 뉴스에서 다루는 사회 다방면의이슈들에 대한 객관적 분석과 여론을 파악하는데 적절하게 활용될 수 있을 것이다. 사안에 대한 텍스트 마이닝의분석은 논의되고 있는 모든 안건에 대한 정보들을 객관적으로 수집하고 이를 수치화함으로써 개인이 가지고 있는 편협한 관점에서 벗어나 객관적이고 포괄적으로 사안에 관한 결과를 제공함으로써, 우리 사회가 합리적이고효과적인 판단을 내리는데 이바지할 것으로 판단한다.
본 연구는 정보 전달에 있어 최대한의 객관성을 담보하는 뉴스 기사를 토대로 연구를 진행하고 이를 시각화함으로써 대선 후보자들의 행동과 사회적 반응에 대한 객관적이고 직관적인 이해를 가능케했다. 이러한 연구 결과는 유권자들이 후보들의 행동 및발언에 대해 직관적으로 파악하고, 더 나아가 선거에 영향을 미치는 유권자 선호를 형성하는데 이바지할 것이다.
선거철의 후보자들에 대한 보도는 선거에 관한 전반적인 추이를 가늠하고 판단할 수 있는 중요한 기준이 된다.이에 본 연구는 후보들의 특정 행동 및 발언에 대한 유권자들의 반응을 신속하게 파악하고 더 나아가 선거 결과를 예측할 수 있는 유권자 선호도를 추론하는데 효과적으로 사용될 수 있을 것이다. 기존 대선 예측 및 분석과는 다르게 정확성을 높이고 유권자들의 반응을 신속하게파악하는 선거 결과 예측 효과를 기대할 수 있다.
하지만 댓글은 전체성보다는 편향성을 가질 수 있으므로, 후보자에 대한 의견을 적극적으로 개진할 수 있는 공간이 아니라는 한계가 있다. 이에 추후 조사에서는 한국 사람들이 자주 사용하는 SNS 채널들을추가적으로 분석하여 표본을 모집단에 가깝게 추출해야할 필요가 있다.

참고문헌 (22)

E. Hargittai. (2015). Is Bigger Always Better? Potential Biases of Big Data Derived from Social Network Sites. The ANNALS of the American Academy of Political and Social Science, 659(1), 63-76. DOI : 10.1177/0002716215570866

상세보기
D. M. Blei, A. Y. Ng & M. I. Jordan. (2003). Latent Dirichlet Allocation. The Journal of Machine Learning Research, 3, 993-1022.
D. M. Blei, (2012). Probabilistic Topic Models, Communications of the ACM, 55(4), 77-84. DOI : 10.1145/2133806.2133826

상세보기
J. K. An, S. H. Lee, E. H. An & H. W. Kim. (2016). Fintech Trends and Mobile Payment Service Analysis in Korea: Application of Text Mining Techniques, Informatization Policy, 23(3), 26-42. DOI : 10.22693/NIAIP.2016.23.3.026
H. M. Lee, J. W. Park & J. K. Lee. (2020). How Social Media Have Been Studied in the Academic Field of Advertising and Public Relations?: A Semantic Network and Topic Modeling Analysis, Journal of Practical Research in Advertising and Public Relations, 13(1), 130-158.
S. J. Kwak & H. H. Kim. (2019). Keywords and Topic Analysis of Social Issues on Twitter Based on Text Mining and Topic Modeling. Korea Information Processing Society, 8(1), 13-18. DOI : doi.org/10.3745/KTSDE.2019.8.1.13
J. Hong, M. R. Yu & B. R. Choi. (2019). An Analysis of Mobile Augmented Reality App Reviews Using Topic Modeling, Journal of Digital Contents Society, 20(7), 1417-1427 DOI : 10.9728/dcs.2019.20.7.1417

상세보기
J. An & H. W. Kim. (2015). Building a Korean Sentiment Lexicon Using Collective Intelligence, Journal of Intelligence and Information Systems, 21(2), 49-67. DOI: 10.13088/jiis.2015.21.2.49

원문보기 상세보기
Y. N. Lee, E. J. Choi & M. J. Kim. (2018). Analysis of the Influence of Presidential Candidate's SNS Reputation on Election Result: focusing on 19th Presidential Election. Journal of Digital Convergence, 16(2), 195-201. DOI : 10.14400/JDC.2018.16.2.195
U. Yaqub, S. A. Chun, V. Atluri & J. Vaidya. (2017). Analysis of political discourse on twitter in the context of the 2016 US presidential elections. Government Information Quarterly, 34(4), 613-626. DOI : doi.org/10.1016/j.giq.2017.11.001

상세보기
H. Park & K. Kim. (2019). Sentiment Analysis of Movie Review Using Integrated CNN-LSTM Model, Journal of Intelligence and Information Systems, 25(4), 141-154 DOI : doi.org/10.13088/jiis.2019.25.4.141
S. Kim, J. E. Kim., W. W. Seung & Y. Kim. (2019). Design of Video Advertisement Analysis via Analysis of Internet Term Sensitivity, Journal of KIISE, 46(9), 919-925. DOI : 10.5626/JOK.2019.46.9.919

상세보기
H. S. Park & J. Kim. (2019). Image change through emotional analysis of Shared accommodation service company, Culinary Science & Hospitality Research, 25(5), 67-74. DOI : 10.20878/cshr.2019.25.5.007
H. Lee & J. Choi. (2019). Sentiment Analysis of Twitter Reviews toward Convenience Stores Customer in Korea, Global Business Administration Review, 16(4), 143-164.

상세보기
D. Hong, H. Jeong, S. Park E. Han, H. Kim & I. Yoon. (2017). Study on the Methodology for Extracting Information from SNS Using a Sentiment Analysis. Intelligent Transportation Systems, 16(6), 141-155. DOI : 10.12815/kits.2017.16.6.141
J. Kim. (2016. 4. 14.). Another wrong poll ... 'should be improved survey methods' , The Chosun Ilbo. https://news.chosun.com/site/data/html_dir/2016/04/14/2016041401093.html
Gallup Korea. (2017). Post-election survery of the 19th presidential election, Gallup Report. https://www.gallup.co.kr/gallupdb/reportContent.asp?seqNo831
S. W. Lee, H. J. Lee & B. K. Lee. (2018). The Varieties of Newsgathering and Processing Activities of Korean Press: Focusing on Choi Soon-Sil Scandal. Journal of Research Methodology, 3(1), 1-24. DOI : 10.21487/jrm.2018.5.3.1.1

상세보기
J. W. Bae, J. E. Son & M. Song. (2013). Analysis of Twitter for 2012 South Korea Presidential Election by Text Mining Techniques, Journal of Intelligence and Information Systems, 19(3), 141-156. DOI : 10.13088/jiis.2013.19.3.141
K. S. Noh. (2013). A Exploratory Study on Big-data based Election Campaign Strategy Model in South Korea, Journal of Digital Convergence, 11(12), 113-120. DOI : 10.14400/JDPM.2013.11.12.113

원문보기 상세보기
J. Kim. (2014. 2. 25). Obama was elected president with big data, Future Korea, http://www.futurekorea.co.kr/news/articleView.html?idxno26124
N. Lee. (2014. 12. 7). [World Change Maker] Obama's Secret Weapon... Two presidential victories programming, JoongAng Sunday, https://news.joins.com/article/16626818

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