초록 ▼

본 발명은 KeyplayerRank를 이용한 소셜 미디어상의 주제별 키플레이어 탐지 방법에 관한 것으로, (a) 뉴스 데이터 수집 모듈이 특정 범주와 관련있는 뉴스 기사를 수집하고, 뉴스 데이터 전처리 모듈이 수집된 뉴스 기사를 전처리 단계와; (b) 기사 텍스트 분류 모듈이 훈련 데이터를 통해 SVM을 훈련하고, 훈련된 SVM 모델을 통해 텍스트를 분류하는 단계와; (c) 주제 추출 모듈이 특정 범주와 관련 있는 것으로 나온 데이터에 대해 LDA를 수행하여 주제와 주제별 키워드들을 추출하는 단계와; (d) 트위터 데이터 수집 모듈

본 발명은 KeyplayerRank를 이용한 소셜 미디어상의 주제별 키플레이어 탐지 방법에 관한 것으로, (a) 뉴스 데이터 수집 모듈이 특정 범주와 관련있는 뉴스 기사를 수집하고, 뉴스 데이터 전처리 모듈이 수집된 뉴스 기사를 전처리 단계와; (b) 기사 텍스트 분류 모듈이 훈련 데이터를 통해 SVM을 훈련하고, 훈련된 SVM 모델을 통해 텍스트를 분류하는 단계와; (c) 주제 추출 모듈이 특정 범주와 관련 있는 것으로 나온 데이터에 대해 LDA를 수행하여 주제와 주제별 키워드들을 추출하는 단계와; (d) 트위터 데이터 수집 모듈이 트위터 데이터를 수집하고, 트위터 데이터 전처리 모듈이 수집된 트위터 데이터 중에서 주제별 키워드를 포함하는 트위터 데이터들을 전처리 단계와; (e) 트위터 텍스트 분류 모듈이 훈련 데이터를 통해 SVM을 훈련하고, 주제별 키워드를 포함하는 트위터 데이터를 테스트 데이터로 하여 훈련된 SVM 모델을 통해 텍스트를 분류하는 단계와; (f) 사용자 분류 모듈이 주제와 관련 있는 것으로 나온 데이터에 대해 사용자 분류를 하는 단계와; (g) 영향력 지수 및 주제 유사도 산정 모듈이 영향력 지수와 주제 유사도를 산정하는 단계, 및 (h) 키플레이어 탐지 모듈이 상기 영향력 지수와 주제 유사도를 이용하여 주제별 키플레이어로 선정하는 단계로 이루어짐으로써, 영향력 지수와 주제 유사도를 동시에 고려하여 각 주제별 가장 유력한 키플레이어를 추출할 수 있는 효과가 있다.

대표청구항 ▼

(a) 뉴스 데이터 수집 모듈(11)이 크롤링을 통해 뉴스 데이터 DB로부터 지정된 특정 범주와 관련있는 뉴스 기사를 수집하고, 뉴스 데이터 전처리 모듈(12)이 수집된 뉴스 기사의 ‘TEXT’ 필드에서 불용어 제거하고 형태소 분석하여 명사를 추출하는 전처리 단계(S10)와;(b) 기사 텍스트 분류 모듈(13)이 뉴스 기사 텍스트 분류를 위한 분석에 이용될 특징을 선정하고, 특징 가중치로 특징을 표현하는 텍스트 인덱싱을 한 뒤, 상기 단계(a)에서 명사를 추출한 기사 텍스트를 일정한 비율로 훈련 데이터와 테스트 데이터로 나누어 훈련

(a) 뉴스 데이터 수집 모듈(11)이 크롤링을 통해 뉴스 데이터 DB로부터 지정된 특정 범주와 관련있는 뉴스 기사를 수집하고, 뉴스 데이터 전처리 모듈(12)이 수집된 뉴스 기사의 ‘TEXT’ 필드에서 불용어 제거하고 형태소 분석하여 명사를 추출하는 전처리 단계(S10)와;(b) 기사 텍스트 분류 모듈(13)이 뉴스 기사 텍스트 분류를 위한 분석에 이용될 특징을 선정하고, 특징 가중치로 특징을 표현하는 텍스트 인덱싱을 한 뒤, 상기 단계(a)에서 명사를 추출한 기사 텍스트를 일정한 비율로 훈련 데이터와 테스트 데이터로 나누어 훈련 데이터를 통해 SVM을 훈련하고, 훈련된 SVM 모델을 통해 텍스트를 분류하는 단계(S20)와;(c) 주제 추출 모듈(14)이 상기 단계(b)에서의 SVM 모델을 통한 텍스트 분류에 의해 특정 범주와 관련 있는 것으로 나온 데이터에 대해 LDA를 수행하여 주제와 주제별 키워드들을 추출하는 단계(S30)와;(d) 트위터 데이터 수집 모듈(15)이 트위터 데이터 DB로부터 상기 뉴스 기사 수집 기간과 동일한 기간의 트위터 데이터를 수집하고, 트위터 데이터 전처리 모듈(16)이 수집된 트위터 데이터 중에서 상기 LDA를 통해 추출된 주제별 키워드를 포함하는 트위터 데이터들만의 ‘text’필드에서 불용어 제거하고 형태소 분석하여 명사를 추출하는 전처리 단계(S40)와;(e) 트위터 텍스트 분류 모듈(17)이 일정 개수의 기사 데이터에 트위터 데이터를 추가한 훈련 데이터를 통해 SVM을 훈련하고, 상기 단계(d)에서의 주제별 키워드를 포함하는 트위터 데이터를 테스트 데이터로 하여 훈련된 SVM 모델을 통해 텍스트를 분류하는 단계(S50)와;(f) 사용자 분류 모듈(18)이 상기 단계(e)에서의 SVM 모델을 통한 텍스트 분류에 의해 주제와 관련 있는 것으로 나온 데이터에 대해 사용자 분류를 하는 단계(S60)와;(g) 영향력 지수 및 주제 유사도 산정 모듈(19)이 상기 사용자 분류에 의한 속성 정보를 이용하여 영향력 지수를 산정하고, ‘Jaccard Index’를 사용하여 주제 유사도를 산정하는 단계(S70), 및(h) 키플레이어 탐지 모듈(20)이 상기 영향력 지수와 주제 유사도를 이용하여 사용자 중에서 가장 높은 KpRank값을 가지는 사용자를 주제별 키플레이어로 선정하는 단계(S80)로 이루어지는 것을 특징으로 하는, KeyplayerRank를 이용한 소셜 미디어상의 주제별 키플레이어 탐지 방법.