[논문]LDA를 사용한 COVID-19 관련 국내 논문의 연구 토픽 분석

김은회; 서유화

doi:10.17661/jkiiect.2022.15.5.423

LDA를 사용한 COVID-19 관련 국내 논문의 연구 토픽 분석
Research Topic Analysis of the Domestic Papers Related to COVID-19 Using LDA 원문보기

한국정보전자통신기술학회논문지 = Journal of Korea institute of information, electronics, and communication technology, v.15 no.5, 2022년, pp.423 - 432

김은회 (Department of Software Engineering, Seoil University) , 서유화 (Baird University College, Soongsil University)

초록
AI-Helper

본 논문은 학술연구자들이 COVID-19 관련 논문의 전체적인 연구 동향을 파악할 수 있도록 한다. KCI 사이트에서 수집한 2020년 1월부터 2022년 7월까지 총 10,599편의 COVID-19 관련 논문 정보를 LDA 토픽 모델링으로 분석한 결과를 제시한다. 또한 학술연구자들이 자신의 관심 연구분야의 토픽을 쉽게 파악할 수 있도록 LDA 토픽 모델링의 결과를 주요 연구 카테고리별로 분석하고, 토픽별로 연구가 많이 이루어지는 세부 연구 카테고리 정보를 분석한다. 학술연구자들이 시간의 흐름에 따른 연구 토픽의 추세(trend)를 파악하는 것은 연구 동향을 파악하는데 매우 중요하다. 따라서 이를 위해 본 논문에서는 시계열 분해를 사용하여 토픽들의 추세(trend)를 분석하여 제시한다.

Abstract ▼ AI-Helper

This paper analyzes a total of 10,599 papers related to COVID-19 from January 2020 to July 2022 collected from the KCI site using LDA topic modeling so that academic researchers can understand the overall research trend. The results of LDA topic modeling are analyzed by major research categories so that academic researchers can easily figure out topics in their research fields. Then, the detailed research category information in which a lot of research is done by topic is analyzed. It is very important for academic researchers to understand the trend of research topics over time. Therefore, in this paper, the trend of topics is analyzed and presented using time series decomposition.

주제어

표/그림 (11)

그림 그림 1. 토픽 개수에 따른 coherence 값 Fig. 1. Coherence value by the number of topics
그림 그림 2. LDA 모델의 시각화(토픽개수: 8) Fig. 2. Visualization of LDA models(number of topics: 8)
표 표 1. Relevance 값으로 산출한 토픽별 상위 20개 단어 Table 1. Top 20 terms by topic calculated based on relevance value
표 표 2. 토픽의 제목(label), 논문 편수와 비율 Table 2. Topic labels, number and ration of papers
그림 그림 3. 주요 연구 카테고리별 토픽의 분포 Fig. 3. Distribution of topics by major research categories
그림 그림 4. 토픽별로 연구가 많이 이루어진 10개의 세부 카테고리 Fig. 4. 10 Subcategories that have been heavily researched by topic
표 표 3. 주요 카테고리별 논문 개수와 비율 Table 3. Number and proportion of papers by main category
그림 그림 6. 토픽별 시계열 분해: 계절성 그래프 Fig. 6. Time series decomposition by topics: seasonal graph
그림 그림 5. 토픽별 발행 월에 따른 논문 개수 Fig. 5. Number of papers by publication month by topic
그림 그림 7. 토픽별 시계열 분해: 계절성 그래프 Fig. 7. Time series decomposition by topics: seasonality graph
그림 그림 8. 토픽당 반기 논문 개수 Fig. 8. Number of semi-annual papers by topics

AI 본문요약
AI-Helper

문제 정의

본 논문은 COVID-19 관련 논문들을 대상으로 LDA 토픽 모델링을 사용하여 연구 토픽을 찾아 분석한다. LDA 토픽 모델링으로 도출된 토픽들을 변별성있게 분석하기 위해서 토픽에 기여하는 단어들에 대하여 연관성(relevance)을 계산하여 각 토픽에 기여하는 상위 단어들을 선정한다.

제안 방법

본 논문은 COVID-19 관련 논문들을 대상으로 LDA 토픽 모델링을 사용하여 연구 토픽을 찾아 분석한다. LDA 토픽 모델링으로 도출된 토픽들을 변별성있게 분석하기 위해서 토픽에 기여하는 단어들에 대하여 연관성(relevance)을 계산하여 각 토픽에 기여하는 상위 단어들을 선정한다. 또한 학술연구자들이 자신의 관심 연구분야의 토픽을 쉽게 파악할 수 있도록 토픽 모델링의 결과를 주요 연구 카테고리별로 분석하고, 토픽별로 연구가 많이 이루어지는 세부 연구 카테고리 정보를 분석하여 제시한다.
세부 카테고리는 총 135개에 달하므로, 세부 카테고리별로 토픽 모델링 결과를 분석하는 것은 의미가 없다. 따라서 본 논문에서는 그림 4와 같이 각 토픽별로 연구가 많이 이루어진 연구 세부 카테고리와 세부 카테고리가 소속한 주요 카테고리 정보를 분석하여 제시한다. Y축 레이블의 괄호안의 정보는 세부 카테고리가 속한 주요 카테고리 정보를 나타낸다.
따라서 월별 발행된 논문의 개수만으로는 토픽의 추세를 명확히 파악하는 것이 어렵다. 따라서 본 논문에서는 시계열 분해를 사용하여 토픽의 추세를 분석한다.
LDA 토픽 모델링으로 도출된 토픽들을 변별성있게 분석하기 위해서 토픽에 기여하는 단어들에 대하여 연관성(relevance)을 계산하여 각 토픽에 기여하는 상위 단어들을 선정한다. 또한 학술연구자들이 자신의 관심 연구분야의 토픽을 쉽게 파악할 수 있도록 토픽 모델링의 결과를 주요 연구 카테고리별로 분석하고, 토픽별로 연구가 많이 이루어지는 세부 연구 카테고리 정보를 분석하여 제시한다. 또한 시계열 분해를 사용하여 토픽들의 추세(trend)를 분석한다.
따라서 학술지 논문들에 대한 학술 정보를 제공하는 사이트들은 학술지에 대한 주제분류를 제공하고, 연구자들 또한 관심 논문을 검색할 때, 이러한 주제분류를 활용한다. 본 논문에서는 LDA 토픽 모델링의 결과와 논문 정보를 크롤링할 때 수집한 논문의 주요 카테고리(대분류)와 세부 카테고리(소분류) 정보를 사용하여 토픽 모델링의 결과를 주요 카테고리별로 분석한다. 그리고 토픽별로 연구가 많이 이루어지는 세부 연구 카테고리 정보를 분석하여 제시한다.
토픽 1은 토픽에 기여한 상위 단어들이 industry, company, strategy, market, consumer, business 등이고, 상위 20개 단어들로 볼 때 COVID-19로 인한 산업과 경제의 변화와 충격에 관련한 주제의 논문들로 유추되므로 토픽의 제목을 ‘Industry & Economy’으로 붙였다
총 8개의 토픽, Industray & Economy, Government Policy, Education, Heath, Information Service Technology, Medical Treatment, Life & Society, Impact Analysis이 도출되었다. 학술연구자들이 자신의 관심 연구분야의 토픽을 쉽게 파악할 수 있도록 토픽 모델링의 결과를 주요 연구 카테고리별로 분석하였고, 토픽별로 연구가 많이 이루어지는 세부 연구 카테고리 정보를 분석하여 제시했다. 또한 시계열 분해를 사용하여 토픽들의 추세(trend)를 분석하였다.

대상 데이터

따라서 본 논문은 학술연구자들이 COVID-19 관련 논문의 전체적인 연구 동향을 파악할 수 있도록 논문 정보를 분석 대상으로 한다. 2022년 7월까지의 최신 논문을 추가하여 총 10,599편의 COVID-19 관련 논문을 LDA로 토픽 모델링하고 연구 토픽을 분석한다. 시계열 분해를 사용하여 토픽의 추세를 분석하여 제시하는 특성이 있다.
논문 정보를 수집한 KCI는 표 3과 같이 주요 카테고리 8개(공학, 농수해양학, 복합학, 사회과학, 예술체육학, 의약학, 인문학, 자연과학)을 가지고 있으며, 주요 카테고리별로 세부 카테고리가 총 135개이다.
추후 확인한 결과, 논문 정보를 수집한 2022년 8월 2일에는 2022년 7월에 발행된 논문이 많이 누락된 것을 확인하였다. 따라서 2022월 7월 논문정보는 시계열 분석에 적합하지 않다고 판단하여 제외시키고, 2020년 1월부터 2022년 6월까지 30개월의 데이터를 시계열 분석에 사용한다.
KCI 사이트를 검색해 보면, 국내에서 COVID-19 관련 논문이 발행된 시기는 2020년 1월 부터이다. 따라서 본 논문에서는 2020년 1월부터 2022년 7월까지 2년 7개월간 발표된 논문 정보를 월별로 수집하였다. 추후 확인한 결과, 논문 정보를 수집한 2022년 8월 2일에는 2022년 7월에 발행된 논문이 많이 누락된 것을 확인하였다.
따라서 본 논문은 학술연구자들이 COVID-19 관련 논문의 전체적인 연구 동향을 파악할 수 있도록 논문 정보를 분석 대상으로 한다. 2022년 7월까지의 최신 논문을 추가하여 총 10,599편의 COVID-19 관련 논문을 LDA로 토픽 모델링하고 연구 토픽을 분석한다.
본 논문은 학술연구자들이 COVID-19 관련 논문의 전체적인 연구 동향을 파악할 수 있도록 KCI 사이트에서 수집한 2020년 1월부터 2022년 7월까지의 총 10,599편의 COVID-19 관련 논문 정보를 LDA 토픽 모델링으로 분석한 결과를 제시하였다. 총 8개의 토픽, Industray & Economy, Government Policy, Education, Heath, Information Service Technology, Medical Treatment, Life & Society, Impact Analysis이 도출되었다.
사회과학 분야에서 전체 논문의 43.7%에 해당하는 총 4,637개의 COVID-19 논문을 발표하였고, 연구된 토픽은 Government Policy, Education, Industry & Economy, Impact Analysis, Information Service technology, Health, Life & Community, Medical Treatment 순으로 연구가 이루어졌다

데이터처리

학술연구자들이 자신의 관심 연구분야의 토픽을 쉽게 파악할 수 있도록 토픽 모델링의 결과를 주요 연구 카테고리별로 분석하였고, 토픽별로 연구가 많이 이루어지는 세부 연구 카테고리 정보를 분석하여 제시했다. 또한 시계열 분해를 사용하여 토픽들의 추세(trend)를 분석하였다. 분석 결과 Government Policy와 Life & Society 토픽은 2020년까지 증가 추세였으나 2021년도에는 정체성을 보였고, 다른 6개의 토픽은 2021년까지 상승세를 보였다.

성능/효과

Medical Treatment’가 많은 비중을 차지하며 각각 14.63%와 13.49%의 논문이 해당 토픽으로 분류되었다.
분석 결과 Government Policy와 Life & Society 토픽은 2020년까지 증가 추세였으나 2021년도에는 정체성을 보였고, 다른 6개의 토픽은 2021년까지 상승세를 보였다
총 8개의 토픽, Industray & Economy, Government Policy, Education, Heath, Information Service Technology, Medical Treatment, Life & Society, Impact Analysis이 도출되었다
따라서 본 논문에서는 2020년 1월부터 2022년 7월까지 2년 7개월간 발표된 논문 정보를 월별로 수집하였다. 추후 확인한 결과, 논문 정보를 수집한 2022년 8월 2일에는 2022년 7월에 발행된 논문이 많이 누락된 것을 확인하였다. 따라서 2022월 7월 논문정보는 시계열 분석에 적합하지 않다고 판단하여 제외시키고, 2020년 1월부터 2022년 6월까지 30개월의 데이터를 시계열 분석에 사용한다.

후속연구

향후 COVID-19 관련 국내 논문뿐만 아니라, 국외 논문, 언론 뉴스 기사 등을 추가로 분석하여 COVID-19 관련 연구 토픽에 영향을 미치는 요인과 상관관계 등을 분석하는 연구가 필요하다. 이러한 향후 연구는 연구자들이 COVID-19 관련 연구 토픽의 동향을 다각도로 이해하고, 파악하여 연구 주제를 찾는데 더 도움이 될 것으로 기대한다.
향후 COVID-19 관련 국내 논문뿐만 아니라, 국외 논문, 언론 뉴스 기사 등을 추가로 분석하여 COVID-19 관련 연구 토픽에 영향을 미치는 요인과 상관관계 등을 분석하는 연구가 필요하다. 이러한 향후 연구는 연구자들이 COVID-19 관련 연구 토픽의 동향을 다각도로 이해하고, 파악하여 연구 주제를 찾는데 더 도움이 될 것으로 기대한다.

참고문헌 (12)

David M. Blei, Andrew Y. Ng, Michael I. Jordan, "Latent Dirichlet Allocation", Journal of Machine Learning Research, Vol. 3, pp. 993-1022, 2003.
Sang-Mi Kim, "Analysis of Press Articles in Korean Media on Online Education related to COVID-19", Journal of Digital Contents Society, 21(6), pp.1091-1100, 2020.

상세보기
Yoon Young Mi, Kim Seong Kwang, Kim Hye Kyeong, Kim Eun Joo, Jeong Yuneui, "Comparison of Topics Related to Nurse on the Internet Portals and Social Media Before and During the COVID-19 era Using Topic Modeling", Journal of Muscle and Joint Health, 27(3), pp.255-267, 2020.
Jinsol Kim, Donghoon Shin, Hee-Woong KIM, "Analysis of Major COVID-19 Issues Using Unstructured Big Data", Knowledge Management Research, 22(2), pp.145-165, 2021.
Seong-Min Heo, Ji-Yeon Yang, "Analysis of Research Topics and Trends on COVID-19 in Korea Using Latent Dirichlet Allocation (LDA)", Journal of The Korea Society of Computer and Information, 25(12), pp.83-91, 2020.
Seong-Min Heo, Ji-Yeon Yang, "A Convergence Study on the Topic and Sentiment of COVID19 Research in Korea Using Text Analysis", Journal of the Korea Convergence Society,12(4), pp.31-42, 2021.
Kci, https://www.kci.go.kr/
Eunhoe Kim, Yu Hwa Suh, "A Method of Calculating Topic Keywords for Topic Labeling", Journal of The Korea Society of Digital Industry and Information Management, 16(3), pp. 25-36, 2020.
Carson Sievert and Kenneth E. Shirley, "LDAvis: A method for visualizing and interpreting topics", Proceedings of the Workshop on Interactive Language Learning, Visualization, and Interfaces, Baltimore, Maryland, USA, pp. 63-70, June 27, 2014.
Time series decompose, https://otexts.com/fppkr/decomposition.html
Time Series analysis tsa, https://www.statsmodels.org/stable/tsa.html
Cleveland, R. B., Cleveland, W. S., McRae, J. E., Terpenning, I. J, "STL: A seasonal-trend decomposition procedure based on loess", Journal of Official Statistics, 6(1), pp. 3-33. 1990.

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