$\require{mediawiki-texvc}$

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.

도로 위의 군비경쟁: LDA 토픽모델을 활용한 SUV의 인기 요인 탐구
The Arms Race on the Road: Exploring Factors of SUVs' Popularity by LDA Topic Model 원문보기

디지털융복합연구 = Journal of digital convergence, v.18 no.10, 2020년, pp.239 - 252  

전승봉 (한국기술교육대학교 교양학부) ,  고태경 (서강대학교 사회학과)

초록
AI-Helper 아이콘AI-Helper

본 연구자들은 텍스트 마이닝을 활용하여 SUV 선호 증가의 요인을 탐색하고자 한다. 온라인 자동차 커뮤니티인 보배드림에서 2005년부터 2019년까지 작성된 SUV 관련 게시글 32,679개를 수집한 후, LDA 토픽모델링 기법을 적용하였다. 분석 결과, SUV 담화에서 주요한 토픽으로 등장한 '안전'이 범죄로부터 개인의 위험에 주목한 기존 연구와 달리 교통사고 및 고속주행 상황에서의 안전을 의미하는 것으로 드러났다. 한국 사회의 SUV 소비는 개인이 운전하면서 느끼는 불안과 위험에 대한 대비 수단을 의미한다고 볼 수 있다는 것이다. 또한, 이와 같은 위험 인식 저변에는 불평등 증대로 인해 감소하는 타인에 대한 신뢰가 작동한다고 할 수 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

By using text mining, we explore the factors responsible for an increase in SUV preference. We collected 32,679 posts related to SUVs from "Bobaedream," the largest online automobile community in South Korea, and applied the LDA topic model. While previous studies have explained the SUV boom as an i...

주제어

#LDA 토픽모델링   #텍스트 마이닝   #사회적 신뢰   #안전  

표/그림 (8)

질의응답

핵심어 질문 논문에서 추출한 답변
토픽 모델링 기법은 어떤 경우에 효과적인가? 이 연구에서는 최근 사회과학 분야에서 활발하게 활용되고 있는 기계학습 기술 중 토픽모델링을 활용하여 SUV의 인기 요인을 탐색적으로 살펴본다[17-19]. 토픽 모델링 기법은 텍스트 데이터에 내포된 구조, 의미, 그리고 패턴을 파악하는 데 효과적이다[20-21]. 신문사의 온라인 서비스와 일반 대중의 온라인 커뮤니티 활용이 늘어남에 따라, 디지털화된 텍스트 데이터의 활용 가능성이 커졌고, 이를 분석하기 위한 도구들이 발달하면서 다양한 연구들이 이루어지고 있다[22-26].
자동차 관련 뉴스를 다루는 매체들은 SUV의 인기원인을 무엇으로 지목하고 있는가? 6%에 이르고 있다[1]. 현재 자동차 관련 뉴스를 주로 다루는 매체들은 SUV의 인기 원인으로 레저 중시의 라이프 스타일, 높은 시야와 넓은 공간, 탑승자가 체감하는 안전도 등의 요인을 SUV 강세의 원인으로 지목하고 있다.
LDA모델의 목적은 무엇인가? 생성 확률 모델은 실제 문헌을 작성하는 과정을 가정하면서 문서의 작성을 위해 어떤 주제를 포함할지, 어떤 단어들이 어떤 주제로 배치될지를 모델링하는 방식이다[20]. 문서와 단어와 같은 변수를 통해 문서들의 구조와 숨겨진 특질을 추론하는 것이 이 모델의 목적이다. LDA 알고리즘은 문서가 잠재된 토픽에 대한 무작위 혼합물로 표현된다는 것을 전제하며, 각 토픽을 단어들의 분포로 특정한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (32)

  1. T. J. Kim. (2019. 6. 19). The trend and status of new SUV. CARISYOU. https://www.carisyou.com/magazine/STATS/75263 

  2. O. Khazan. (2017. 11. 30). What SUVs reveal about the erosion of American society. The Atlantic. https://www.theatlantic.com/science-/archive/2017/11/suvs-and-trust/547076/ 

  3. K. Bradsher. (2000. 7. 23). The latest fashion: Fear-of-crime design. The New York Times. https://www.nytimes.com/2000/07/23/weekinreview/ideas-trends-the-latest-fashion-fear-of-crime-design.html 

  4. J. Lauer. (2005). Driven to extremes: Fear of crime and the rise of the sport utility vehicle in the United States. Crime, Media, Culture: An International Journal, 1(2), 149-168. DOI : 10.1177/1741659005054024 

    상세보기

  5. R. Wilkinson & K. Pickett. (2011). The spirit level: Why greater equality makes societies stronger. Reprint ed., London: Bloomsbury Publishing. 

  6. R. Wilk. (2002). Consumption, human needs, and global environmental change. Global Environmental Change, 12(1), 5-13. DOI : 10.1016/s0959-3780(01)00028-0 

    상세보기

  7. J. Y. Park. (2018. 7. 8). SUV, why is it global?. Joongang-ilbo. https://news.joins.com/article/22781759 

  8. Softengine. (2018. 4. 1). Why SUVs are popular, will the storm continue?. Naver Post. https://post.naver.com/viewer/postView.nhn?volumeNo14477163&memberNo1047921 

  9. Y. S. Na. (2017. 3. 2). Big, safe car? some misconceptions about SUVs. Auto&News. https://auto.v.daum.net/v/nwKYF24ct8?fp 

  10. R. D. Putnam. (1995). Bowling alone: America's declining social capital. Journal of Democracy, Vol.6, 65-78. DOI : 10.1353/jod.1995.0002 

    상세보기

  11. I. Kawachi & L. Berkman. (2000). Social cohesion, social capital, and health. In L. F. Berkman & I. Kawachi(Eds.), Social epidemiology (pp. 174-190). New York: Oxford University Press. 

  12. B. P. Kennedy, I. Kawachi, D. Prothrow-Stith, K. Lochner & V. Gupta. (1998). Social capital, income inequality, and firearm violent crime. Social Science & Medicine, 47(1), 7-17. DOI : 10.1016/s0277-9536(98)00097-5 

    상세보기

  13. B. Glassner. (1999). The culture of fear: Why Americans are afraid of the wrong things. Basic Books. 

  14. R. J. Sampson & W. J. Wilson. (1995). Toward a theory of race, crime, and urban inequality. In J. Hagan & R. Peterson(Eds.), Crime and inequality (pp. 37-54). Stanford, CA: Stanford University Press. 

  15. B. Rothstein & E. M. Uslaner. (2005). All for all: Equality, corruption, and social trust. World Politics, 58(1), 41-72. DOI : 10.1353/wp.2006.0022 

    상세보기

  16. D. Harvey. (2005). A brief history of neoliberalism. New York: Oxford University Press. 

  17. J. M. Song & J. H. Kang. (2018). Two daughters of Megalia: Identity differentiation in response to the anonymity level in online community. Korean Journal of Sociology, 52(4), 161-206. DOI : 10.21562/kjs.2018.11.52.4.161 

    상세보기

  18. J. W. Rhee & S. H. Kim. (2018). News frames in the coverage of fine-dust disaster - Application of structural topic modeling. Korean Journal of Journalism & Communication Studies, 62(4), 125-158. DOI : 10.20879/kjjcs.2018.62.4.004 

    상세보기

  19. D. H. Seol, J. H. Ko & S. H. Yoo. (2018). Korean sociological association and sociological research: Changes in the areas of sociology in Korea 1964-2017. Korean Journal of Sociology, 52(1), 153-213. DOI : 10.21562/kjs.2018.02.52.1.153 

    상세보기

  20. D. Blei. (2012). Probabilistic topic models. Communicatio-ns of the ACM, 55(4), 77-84. DOI : 10.1145/2133806.2133826 

    상세보기

  21. D. Blei, A. Y. Ng & M. I. Jordan. (2003). Latent dirichlet allocation. Journal of Machine Learning Research, 3(Jan), 993-1022. 

  22. R. Brauer & M. Dymitrow. (2014). Quality of life in rural areas: A topic for the rural development policy?. Bulletin of Geography. Socio-economic Series, 25(25), 25-54. DOI : 10.2478/bog-2014-0028 

  23. D. Greene & J. P. Cross. (2015). Unveiling the political agenda of the European parliament plenary: A topical analysis. Proceedings of the ACM Web Science Conference, 1-10. DOI : 10.1145/2786451.2786464 

  24. M. Paul & M. Dredze. (2012). Factorial LDA: Sparse multi-dimensional text models. Advances in neural information processing systems (pp.2591-2599). Lake Tahoe, Nevada, USA. 

  25. X. P. Zhang, X. Z. Zhou, H. K. Huang, Q. Feng, S. B. Chen & B. Y. Liu. (2011). Topic model for Chinese medicine diagnosis and prescription regularities analysis: Case on diabetes. Chinese Journal of Integrative Medicine, 17(4), 307-313. DOI : 10.1007/s11655-011-0699-x 

    상세보기

  26. A. C. Kozlowski, M. Taddy & J. A. Evans. (2019). The geometry of culture: Analyzing the meanings of class through word embeddings. American Sociological Review, 84(5), 905-949. https://doi.org/10.1177/0003122419877135 

  27. C. B. Mayhorn, M. S. Wogalter & V. Conzola. (2010). Perceptions of sport-utility vehicle (SUV) safety by SUV drivers and non-Drivers. In V,G,Duffy(Ed.), Advances in human factors, ergonomics and safety in manufacturing and service industries (pp. 986-997). CRC Press; 1st Edition. 

  28. F. Wijnhoven & O. Bloemen. (2014). External validity of sentiment mining reports: Can current methods identify demographic biases, event biases, and manipulation of reviews?. Decision Support Systems, 59, 262-273. https://doi.org/10.1016/j.dss.2013.12.005 

    상세보기

  29. G. I. Goo. (2013. 5. 9). Why did the NIS post comments on Oyu. Dong-A ilbo. http://www.donga.com/news/InfoGraphics/View/article/all/20130509/55044420/9 

  30. P. DiMaggio, M. Nag & D. Blei. (2013). Exploiting affinities between topic modeling and the sociological perspective on culture: Application to newspaper coverage of US government arts funding. Poetics, 41(6), 570-606. https://doi.org/10.1016/j.poetic.2013.08.004 

    상세보기

  31. G. U. Gu. (2019. 4. 27). The SUV's in the super age. Sedaily.com. https://www.sedaily.com/NewsVIew/1VI10XF1YR 

  32. C. Sievert & K. Shirley. (2014). LDAvis: A method for visualizing and interpreting topics. Proceedings of the Workshop on Interactive Language Learning, Visualization, and Interfaces (pp.63-70). Baltimore, Maryland, USA. DOI : 10.3115/v1/W14-3110 

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 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