토픽 모델링을 이용한 범죄 관련 소설과 범죄 실화의 비교 분석

김지효; 고언숙

doi:https://doi.org/10.29403/LI.22.3.6

추천

검색

자료유형: 학술저널

저자정보: 김지효 (조선대학교) 고언숙 (조선대학교)

저널정보: 한국언어정보학회 언어와 정보 언어와 정보 제22권 제3호

발행연도: 2018.11

수록면: 109 - 134 (26page)

DOI: https://doi.org/10.29403/LI.22.3.6

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Jihyo Kim and Eon-Suk Ko. 2018. A comparative analysis of crime fiction and crime nonfiction using topic modeling. Language and Information, 22.3, 109-134. This paper analyzes topics in crime fiction, detective fiction, mystery fiction, and crime nonfiction by applying topic modeling methods using the program R. We constructed a corpus from books related to crime in the fiction bookshelf and the crime bookshelf of Project Gutenberg. The corpus included a total of 13,119,073 words from 141 writing pieces of 56 authors. The results indicate that crime nonfiction tends to use more specific, direct, and specialized terms as compared to crime fiction. The three subcategories of crime fiction shared many topics and frequently used words expected of a novel dealing with crime, though there were subtle variations between them. We additionally compared the texts with regard to the gender of the authors. It seems that female authors of detective fiction and crime nonfiction tend to develop their stories centered around the characters, often directly referring to their names(e.g. Halsey). In comparison, male authors tend to develop the plot focusing on criminal activities and the process of resolution, and their reference to the characters often rely on relational terms(e.g. father) rather than actual names.

#corpus #topic modeling #Latent Dirichlet Allocation #Project Gutenberg

참고문헌 (16)

참고문헌 신청

김동성 / 2018 / 프로젝트 구텐베르크를 활용한 텍스트 시각화 및 용례 검색 / 언어와 정보 22(2):81~104

Blei, David / 2006 / Dynamic topic models / Proceedings of the 23rd International Conference on Machine Learning :113~120

Blei, David / 2012 / Probabilistic topic models: surveying a suite of algorithms that offer a solution to managing large document archives / Communications of the ACM 55(4):77~84

DiMaggio, P. / 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

Feinerer, Ingo / tm: Text mining package. R package version 0.7-5

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김지효

소속기관 조선대학교

주요연구분야 인문학 > 어문학 > 언어학 일반

논문수 1 이용수 8

Eon-Suk Ko

소속기관 조선대학교

주요연구분야 인문학 > 어문학 > 언어학 일반 TOP 5%

논문수 12 이용수 720

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (16)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)