일본 IT정책 텍스트 분석을 위한 텍스트 전처리 및 임베딩에 관한 연구

김민호; 최상옥

추천

검색

자료유형: 학술저널

저자정보: 김민호 (고려대학교) 최상옥 (고려대학교)

저널정보: 정보통신정책학회 정보통신정책연구 정보통신정책연구 제31권 제1호

발행연도: 2024.3

수록면: 53 - 74 (22page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 논문은 자연어로 작성된 일본 IT전략을 분석데이터로 변환하고 텍스트 네트워크로 구축하는 방법을 연구하며, 일본 IT정책 텍스트 분석에 적합한 텍스트 전처리 방법과 단어 임베딩 알고리즘 탐색을 목적으로 한다. 본 연구는 텍스트 전처리 방법과 임베딩 알고리즘을 평가하기 위해 다중분류 성능평가를 실시하였다. 실험결과, 일본 IT정책 텍스트의 특징으로 인해, 형태소분석, 불용어제거, 단어 인코딩을 수행하지 않은 경우, 다중분류 평가지표가 낮게 나타났다. 또한, Skip-gram 알고리즘이 CBOW 알고리즘에 비해 상대적으로 높은 성능을 보였다. 형태소분석, 불용어제거, 단어 인코딩 등이 제대로 수행되지 않는다면 중심단어가 주변단어와 적절하게 상호작용되지 않고 모델이 부적절 하게 학습된다고 볼 수 있다. 실험결과를 종합하면, 일본어로 작성된 IT정책 텍스트를 대상으로 텍스트 분석을 하는 경우에는 텍스트의 언어적 특성과 일본식 한자와 히라가나⋅가타카나가 혼합된 문장(Kanji-Kana mixed sentence)으로 구성된 점 등을 고려하여 적절한 텍스트 전처리 방법과 임베딩 알고리즘을 선택하고 활용해야 함을 알 수 있다.

The research focuses on constructing Japan’s IT strategy, written in natural language, through text networks and transforming it into analytical data. Additionally, it explores suitable text preprocessing and word embedding methods for text analysis in Japan’s IT strategy. In this study, We measured the Classification Evaluation Metrics on the Japan’s IT strategy after undergoing the text preprocessing process. The experimental results indicated that due to the characteristics of Japan’s IT policy texts, Classification Evaluation Metrics appeared lower when morphological analysis, stopword removal, and word encoding were not conducted. Japan’s IT strategy consists of a significant number of words composed in Japanese Kanji characters. However, when integrating policy texts spanning long periods, differences in the encoding methods of Japanese Kanji characters across texts have resulted in computers failing to recognize identical words, leading to errors. Furthermore, it was noted that without performing morphological analysis and stopword removal, the Classification Evaluation Metrics showed low performance. These outcomes are deemed to stem from the characteristics of word embedding algorithms. If morphological analysis, stopword removal, and word encoding are not properly performed, it can be considered that the given central word does not appropriately interact with surrounding words, leading to inadequate model training. Additionally, Skip-gram algorithm demonstrated relatively higher performance compared to CBOW algorithm. For Japan’s IT strategy, it is determined that Skip-gram algorithm can better discern the semantic similarity between words compared to CBOW algorithm. Consequently, this leads to higher performance in Classification Evaluation Metrics. These findings highlight the significance of selecting an appropriate word embedding algorithm based on text type. Summarizing the experimental results, when conducting text analysis on IT policy documents written in Japanese, the linguistic characteristics of the document and the fact that it is composed of Japanese Kanji-Kana mixed sentences are taken into consideration. Therefore, appropriate text preprocessing and embedding algorithms methods should be selected and utilized.

#일본 IT전략 #자연어처리 #텍스트 전처리 #단어 임베딩 #분류평가지표 #Japan's IT strategy #Natural Language Processing #Text Preprocessing #Word Embedding #Classification Evaluation Metrics

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

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 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)