• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.164-169
• /
• 2022

토픽 모델링은 비즈니스 분석이나 기술 동향 파악 등 다방면에서 많이 사용되고 있는 기술이다. 하지만 대표적인 방법인 LDA와 같은 비지도학습의 경우, 그 알고리즘 구조상 문서의 수가 많을 때 토픽 모델링이 가능하다. 본 논문에서는 문서의 수가 적은 경우도, 키워드 및 키프레이즈를 이용한 군집화를 통해 토픽 모델링을 하고 감성분석을 통해 토픽에 대한 분석도 제시하였다. 이에 필요한 데이터 제작 및 키워드 추출, 키워드 기반 감성분석, 키워드 임베딩 및 군집화를 구현하였고, 결과를 정성적으로 보았을 때 유의미한 분석이 되는 것을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.11a
• /
• pp.223-226
• /
• 2006

가상현실 기술은 3 차원 가상공간 및 물체를 시각화하는데 중점을 두고 있다. 이는 사용자가 3 차원으로 데이터를 충분히 활용하지 못하고, 시각자료로만 사용하게 되는 요인이 된다. 이를 보완하기 위해 시각 정보뿐만 아니라 구조 및 관계에 대한 정보까지도 효과적으로 활용 할 수 있는 연구가 필요하다. 따라서 본 연구에서는 외형뿐만 아니라 내부적인 구조와 관계에도 의미를 부여하기 위하여 3 차원 건축물에 XML 기반의 토픽맵을 적용하였다. 전통 건축물의 공포 부분을 모델링하고, 각각의 객체가 사용자에 의해 조작이 가능하도록 하였으며, 객체들의 구조와 연결관계를 분석하고, 정의된 구조 및 관계를 토대로 토픽맵을 작성하였다. 작성된 토픽맵은 모델링 데이터에 적용 가능하도록 DOM 을 이용하여 변환하였다. 이 연구를 통해 아무리 복잡한 구조물이라도 그에 대한 구조 정보를 쉽게 파악할 수 있었고, 계층적 연결 관계도 쉽게 파악 할 수 있었다.

• Journal of Service Research and Studies
• /
• v.14 no.3
• /
• pp.188-205
• /
• 2024

The food truck business, which involves selling various types of food from mobile vehicles, has gained significant popularity in urban centers and at events. These food trucks have rapidly expanded due to their relatively low initial investment and high flexibility, attracting customers with unique menus and personalized services. However, as competition increases, the need to manage service quality to boost customer satisfaction and encourage repeat visits has become more critical. Despite this growing importance, there has been limited empirical research on the topic. This study aims to analyze customer experiences with food truck services to gain strategic insights for improving service quality. By applying structural topic modeling to customer review data, the study identified 50 key topics. The process included a comprehensive evaluation of model diagnostics and interpretability to determine the optimal number of topics, ultimately selecting the most relevant ones related to service experiences. The impact of these identified topics on overall customer satisfaction was empirically tested using regression analysis. The results showed that aspects such as "Food Taste," "Friendly Staff," and "Positive Emotion" had a positive influence on customer satisfaction, whereas "Delayed Service," "Negative Emotion," and "Beverage Service" had a negative impact. Based on this analysis, the study proposes concrete methods for food truck operators to systematically analyze customer feedback and use it to drive service improvements and innovation. This research highlights the importance of data-driven decision-making in small business environments like food trucks and contributes to expanding the application of topic modeling in the service industry.

• The Journal of the Convergence on Culture Technology
• /
• v.7 no.2
• /
• pp.367-375
• /
• 2021

This study aimed to identify the knowledge structure of researches on 'untact' and derived implications for directions for the studies using text mining. The study included network analysis and topic modelling of keywords and abstracts from 171 thesis published until October 2020. Centrality analysis showed that 'untact' studies had been focused on service, usage, consumption, technology and online. From the topic modelling, 6 topics such as 'COVID-19 and socio-technological change', 'needs and utilization of education contents', 'technology and service for user convenience', 'product marketing and sales', 'service design of the company', 'influence factors of usage and consumption' were extracted. Keywords that connect each topic were technology, service, usage, consumption, needs and factor. Exploratory analysis of 'untact' researches using text mining provides useful results for development of 'untact' studies.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.329-331
• /
• 2021

본 연구에서는 코로나19 관련 연구논문의 연구주제를 탐색하고 동향을 검토하고 있다. 또한 감성분석을 통해 부정적인 어조가 강한 경고가 되는 주제들을 알아본다. 잠재 디리슐레 할당(LDA)를 이용하여 총 8개의 토픽을 발견하 였고, 이를 구조적 토픽 모델링(STM)과 비교하여 비교적 안정적인 결과임을 확인하였다. 또한 k-means 군집 알고리즘을 통해 각 토픽별로 세부 연구주제를 발견하였고 주성분 분석을 이용하여 이를 시각적으로 표현하였다. 감성분석을 통해 각 토픽별 긍정적, 부정적인 단어들을 살펴보고 감성점수를 계산하여 연구논문의 주된 어조를 파악하였는데, 특히 생물 의학 관련, 국제적 역학관계, 심리적 영향과 관련된 연구에서 부정적인 어조가 강한 것으로 나타나 해당 부문에 대해서 주의와 관심이 요구된다. 향후 연구자들이 연구의 방향성을 탐색하고 정책결정자들이 연구지원 사업을 결정하는데 기초자료로 활용될 수 있을 것이다.

• Korean Journal of Forensic Psychology
• /
• v.13 no.1
• /
• pp.23-52
• /
• 2022

In this study, focused group interviews with 24 incumbent judges were conducted on how they conceptualize public opinion and what attitude they take toward it in relation to judicial trials. The contents of the interviews were analyzed through grounded theory and topic modeling (STM). According to the grounded theory results, judges distinguished concepts such as social rules, socially accepted ideas, legal emotion, and public mood from public opinion, and subdivided public opinion into temporary and emotional reactions to specific legal cases and consistent attitudes toward law and policies. In addition, it was found that judges' attitudes toward public opinion and social norms differed depending on the type of cases or legal issues. Topic modeling results significantly corresponded to the grounded theory results. In this model, the effects of the types of cases dedicated to participants on topical prevalence were statistically significant.

• Journal of the Korean Society for information Management
• /
• v.39 no.4
• /
• pp.23-48
• /
• 2022

The purpose of this study is to investigate the flow of domestic information literacy education research using keyword network analysis and topic modeling and to explore the direction of information literacy education in the future. For this reason, 306 academic papers related to information literacy education published in academic journals of the library and information science field in Korea were chosen. And through the preprocessing process for abstracts of the paper, total keyword appearance frequency, keyword appearance frequency by period, and keyword simultaneous occurrence frequency were analyzed. Subsequently, keyword network analysis analyzed the degree centrality, between centrality, and eigenvector centrality of keywords. Using structural topic modeling analysis, 15 topics -curriculum, information literacy effect, contents of information literacy education, school library education, information media literacy, information literacy ability evaluation index, library anxiety, public library program, health information literacy ability, digital divide, library assisted instruction improvement, research trend, information literacy model, and teacher role-were derived. In addition, the trend of topics by year was analyzed to confirm the change in relative weight by topic. Based on these results, the direction of information literacy education and the suggestions for follow-up research were presented.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2015.07a
• /
• pp.195-198
• /
• 2015

최근 TV 서비스의 가입자 및 TV 프로그램 콘텐츠의 급격한 증가에 따라 빅데이터 처리에 적합한 추천 시스템의 필요성이 증가하고 있다. 본 논문은 사용자들의 간접 평가 데이터 기반의 추천 시스템 디자인 시, 누적된 사용자의 과거 이용내역 데이터를 저장하지 않고 새로 생성된 사용자 이용내역 데이터를 학습하는 효율적인 알고리즘이면서, 시간 흐름에 따라 사용자들의 선호도 변화 및 TV 프로그램 스케줄 변화의 추적이 가능한 토픽 모델링 기반의 알고리즘을 제안한다. 빅데이터 처리를 위해서는 분산처리 형태의 알고리즘을 피할 수 없는데, 기존의 연구들 중 토픽 모델링 기반의 추론 알고리즘의 병렬분산처리 과정 중에 핵심이 되는 부분은 많은 데이터를 여러 대의 기계에 나누어 병렬분산 학습하면서 전역변수 데이터를 동기화하는 부분이다. 그런데, 이러한 전역데이터 동기화 기술에 있어, 여러 대의 컴퓨터를 병렬분산처리하기위한 하둡 기반의 시스템 및 서버-클라이언트간의 중재, 고장 감내 시스템 등을 모두 고려한 알고리즘들이 제안되어 왔으나, 네트워크 대역폭 한계로 인해 데이터 증가에 따른 동기화 시간 지연은 피할 수 없는 부분이다. 이에, 본 논문에서는 빅데이터 처리를 위해 사용자들을 클러스터링하고, 클러스터별 제안 알고리즘으로 전역데이터 동기화를 수행한 것과 지역 데이터를 활용하여 추론 연산한 결과, 클러스터별 지역별 TV프로그램 시청 토큰 별 은닉토픽 할당 테이블을 유지할 때 추천 성능이 더욱 향상되어 나오는 결과를 확인하여, 제안된 구조의 추천 시스템 디자인의 효율성과 합리성을 확인할 수 있었다.

• Journal of the Korea Convergence Society
• /
• v.12 no.4
• /
• pp.31-42
• /
• 2021

The purpose of this study was to explore research topics and examine the trend in COVID19 related research papers. We identified eight topics using latent Dirichlet allocation and found acceptable validity in comparison with the structural topic model. The subtopics have been extracted using k-means clustering and plotted in PCA space. Additionally, we discovered the topics bearing negative tones and warning signs by sentiment analysis. The results flagged up the issues of the topics, Biomedical Related, International Dynamics and Psychological Impact. The findings could serve as a guideline for researchers who explore new research directions and policymakers who need to make decisions about which research projects to support.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.24 no.6
• /
• pp.640-645
• /
• 2014

Many people use social network services as to communicate, to share an information and to build social relationships between others on the Internet. Twitter is such a representative service, where millions of tweets are posted a day and a huge amount of data collection has been being accumulated. Social mining that extracts the meaningful information from the massive data has been intensively studied. Typically, Twitter easily can deliver and retweet the contents using the following-follower relationships. Topic modeling in tweet data is a good tool for issue tracking in social media. To overcome the restrictions of short contents in tweets, we introduce a notion of reply graph which is constructed as a graph structure of which nodes correspond to users and of which edges correspond to existence of reply and retweet messages between the users. The LDA topic model, which is a typical method of topic modeling, is ineffective for short textual data. This paper introduces a topic modeling method that uses reply graph to reduce the number of short documents and to improve the quality of mining results. The proposed model uses the LDA model as the topic modeling framework for tweet issue tracking. Some experimental results of the proposed method are presented for a collection of Twitter data of 7 days.