[논문]딥러닝 연구동향에 대한 계량서지적 분석

이재윤

문제 정의

이 연구에서는 딥러닝과 같이 현재 연구가 활발한 분야에 대한 자아 문헌집합을 설정하는 새로운 접근을 시도해보았다. 딥러닝 연구인용 정체성 문헌 집합에 대한 동시인용 분석을 실시하고 차별 인용 키워드를 분석해보았다.

제안 방법

이 연구에서는 자아 중심 주제 인용분석(이재윤, 2012)의 개념을 활용하여 딥러닝 관련 최근 연구 문헌에 대한 계량서지적 분석을 시도해보았다. 자아 중심 주제 인용분석은 연구자를 대상으로 하는 자아 중심 인용분석 기법을 특정 주제 분야에 적용하도록 응용한 기법이다.
자아 중심 주제 인용분석은 연구자를 대상으로 하는 자아 중심 인용분석 기법을 특정 주제 분야에 적용하도록 응용한 기법이다. 특정한 주제와 관련된 연구문헌들을 자아 문헌집합(ego documents)으로 설정하고 이들이 인용한 주요 문헌들로 주제 인용 정체성(topic citation identity)을 구성한다.
이 연구에서는 딥러닝과 같이 현재 연구가 활발한 분야에 대한 자아 문헌집합을 설정하는 새로운 접근을 시도해보았다. 딥러닝 연구인용 정체성 문헌 집합에 대한 동시인용 분석을 실시하고 차별 인용 키워드를 분석해보았다. 분석 도구로는 WNet과 CitNetExplorer(Van Eck & Waltman, 2014)을 활용하였고, 클러스터링 기반 네트워크 CBNet 알고리즘(이재윤, 2007)을 사용하였다.
1차적으로 Web of Science에서 core collection을 대상으로 "deep learning"으로 topic 검색을 시도해보았으나, 결과에는 전혀 다른 주제인 교육학 분야의 ‘심층 학습’에 해당하는 논문이 상당수 포함되어 있었다. 이들을 일괄 제거하기는 어려우므로 50회 이상 인용된 논문 중 인공지능의 딥러닝에 해당하는 논문 15건을 핵심문헌으로 일단 선정하였다.
2007건의 현행 연구문헌 집합의 서지사항과 참고문헌 정보를 다운로드한 후 CitNetExplorer 프로그램(Van Eck & Waltman, 2014)으로 참고문헌을 일괄 추출하고 출현 횟수가 높은 참고문헌을 중심으로 동일 참고문헌의 이표기를 전거처리하였다.
2,007건의 현행 문헌들로부터 191건의 인용 정체성 문헌이 동시인용된 횟수를 코사인 계수로 정규화한 후, 크기가 191×191인 동시인용 행렬에 대해서 집단간 평균연결 군집화를 실시하고 군집기반 네트워크 CBNet(이재윤, 2007)을 생성하였다.
딥러닝 현행 연구문헌들로부터 20회 이상 인용된 인용 정체성 문헌 191건을 대상으로 주요 연구주제를 밝히기 위한 동시인용 분석을 실시하였다. 2,007건의 현행 문헌들로부터 191건의 인용 정체성 문헌이 동시인용된 횟수를 코사인 계수로 정규화한 후, 크기가 191×191인 동시인용 행렬에 대해서 집단간 평균연결 군집화를 실시하고 군집기반 네트워크 CBNet(이재윤, 2007)을 생성하였다.
각 문헌에 대해서 지역 중심성인 이웃 중심성(이재윤, 2015)을 측정한 후, 15개 소군집별로 이웃 중심성이 높은 상위 문헌을 대표 문헌으로 선정하였다. 대표 문헌의 수가 군집 크기에 비례하도록 정하기 위해서 군집 크기의 제곱근을 취한 후 소숫점 이하를 버린 정수값을 해당 군집의 대표 문헌 개수로 삼았다
각 군집의 연구 주제를 상세히 파악하기 위해서 군집 대표 문헌 이외에 차별 키워드를 조사하였다. 주제 키워드는 인용 정체성 문헌 191건을 인용하고 있는 현행 연구문헌 2,007건으로부터 추출하였다.
주제 키워드는 인용 정체성 문헌 191건을 인용하고 있는 현행 연구문헌 2,007건으로부터 추출하였다. 각 논문의 저자 키워드와 WoS 부여 키워드를 추출하여 통합한 후, 특정 키워드가 출현한 현행 연구문헌이 인용 정체성 소군집 소속 문헌을 인용한 횟수를 합산한 것을 키워드의 군집 인용점수로 삼았다. 군집 인용점수의 KL-다이버전스가 높은 키워드를 해당 군집의 차별 인용 키워드로 선정하였다
각 문헌에 대해서 지역 중심성인 이웃 중심성(이재윤, 2015)을 측정한 후, 15개 소군집별로 이웃 중심성이 높은 상위 문헌을 대표 문헌으로 선정하였다. 대표 문헌의 수가 군집 크기에 비례하도록 정하기 위해서 군집 크기의 제곱근을 취한 후 소숫점 이하를 버린 정수값을 해당 군집의 대표 문헌 개수로 삼았다

대상 데이터

2007건의 현행 연구문헌 집합의 서지사항과 참고문헌 정보를 다운로드한 후 CitNetExplorer 프로그램(Van Eck & Waltman, 2014)으로 참고문헌을 일괄 추출하고 출현 횟수가 높은 참고문헌을 중심으로 동일 참고문헌의 이표기를 전거처리하였다. 그 결과 2,007건의 현행 문헌들로부터 20회 이상 인용된 191건의 참고문헌을 딥러닝 연구의 인용 정체성 집합으로 선정하게 되었다.
각 군집의 연구 주제를 상세히 파악하기 위해서 군집 대표 문헌 이외에 차별 키워드를 조사하였다. 주제 키워드는 인용 정체성 문헌 191건을 인용하고 있는 현행 연구문헌 2,007건으로부터 추출하였다. 각 논문의 저자 키워드와 WoS 부여 키워드를 추출하여 통합한 후, 특정 키워드가 출현한 현행 연구문헌이 인용 정체성 소군집 소속 문헌을 인용한 횟수를 합산한 것을 키워드의 군집 인용점수로 삼았다.
각 논문의 저자 키워드와 WoS 부여 키워드를 추출하여 통합한 후, 특정 키워드가 출현한 현행 연구문헌이 인용 정체성 소군집 소속 문헌을 인용한 횟수를 합산한 것을 키워드의 군집 인용점수로 삼았다. 군집 인용점수의 KL-다이버전스가 높은 키워드를 해당 군집의 차별 인용 키워드로 선정하였다

이론/모형

분석 도구로는 WNet과 CitNetExplorer(Van Eck & Waltman, 2014)을 활용하였고, 클러스터링 기반 네트워크 CBNet 알고리즘(이재윤, 2007)을 사용하였다.

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

[국내논문] 딥러닝 연구동향에 대한 계량서지적 분석
A bibliometric analysis on deep learning research trends 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 딥러닝 연구동향에 대한 계량서지적 분석 A bibliometric analysis on deep learning research trends 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 딥러닝 연구동향에 대한 계량서지적 분석
A bibliometric analysis on deep learning research trends 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper