TF-IDF 가중치 모델을 이용한 주택시장의 변화특성 분석

• 영문명: Analysis of Changes in the Housing Market Using TF-IDF Weight Model
• 발행기관: 한국부동산학회
• 저자명: 박종영(Park, Jong Young) 서충원(Suh, Chung Won)
• 간행물 정보: 『부동산학보』不動産學報 第63輯, 46~58쪽, 전체 13쪽
• 주제분류: 경제경영 > 경제학
• 파일형태: PDF
• 발행일자: 2015.12.18

국문 초록

최근 전 세계적으로 빅데이터에 대한 관심과 활용에 대한 이야기들이 흥미로운 소재를 안고 소개되고 있다. 사회 현상에 대한 복잡하고 다양한 데이터를 통계적 사고와 마이닝적 관찰을 통해 얻어내는 패턴의 발견인 것이다. 빅데이터 분석 방법 중 텍스트마이닝은 텍스트 문서의 복잡한 특성을 전처리과정을 통해 정제한 후 문서가 전달하고자 하는 메시지를 분석하여 의미를 찾는 기법이다. 본 연구는 부동산 뉴스기사를 수집하여 주택시장과 관련된 단어를 빈도수, N-gram 순열, TF-IDF 가중치를 구하여 시기별로 다루어지는 핵심 단어를 발견하므로서 당시의 주택시장 상황을 파악하고 연구에 적용된 분석기법을 소개하고자 한다. 텍스트 문서 분석에 중요한 역할을 하고 있는 빈도수, N-gram, TF-IDF 가중치 모델을 적용해 보면서 부동산학에서의 활용방안을 제시해보고 이를 통해 텍스트마이닝 기법이 부동산 연구 분야에 적극적으로 활용될 수 있도록 그 관심이 점차 커지길 기대해본다.

영문 초록

1. CONTENTS (1) RESEARCH OBJECTIVES The purpose of this study is to look for the changing characteristics of the housing market by analyze the news story by using the TF-IDF weight models. (2) RESEARCH METHOD Data were collected for 280 of articles using Naver and Google from 2012 to 2014. The collected data underwent a preprocessing to remove stopwords. It used Textom Solution to analyze Word frequency and N-gram. (3) RESEARCH FINDINGS The 2012 housing market's primary keywords was slump and acquisition tax, capital gains tax, reconstruction, small-sized apartments. The 2013 primary keywords was Auction, remodeling, presidential election, reconstruction, unsold house. 2014 main keywords was rising, recovery, Rental deposit, Monthly rent. 2. RESULTS The Presidential Election is providing a diverse policy. Acquisition tax cuts and abolition of capital gains tax on reviving the sagging housing market sentiment continued contributions, and the takeover and housing market is fizzing. Reconstruction and contributed in revitalizing the price to increase and ease. Rent is up and tenants took part in a market is leading. Therefore, real estate measures play an important role in the housing market.

목차

Ⅰ. 서 론

1. 연구배경과 목적

2. 연구범위와 방법

Ⅱ. 관련 이론

1. 데이터마이닝 이론

2. 분석 모형

3. 선행 연구

Ⅲ. 분석 결과

Ⅸ. 결론

<참고문헌>

키워드

Housing market Word frequency N-gram TF-IDF Text Mining 주택시장 텍스트마이닝 빈도분석 엔-그램 역문서빈도