부산 지역의 코로나 19 감염양상 이해를 위한 언론 텍스트 분석

• 영문명: An Analysis of Media Text for Understanding the Infection Patterns of COVID-19 in Busan
• 발행기관: 한국자료분석학회
• 저자명: 권성미(Sungmi Kwon) 문형빈(Hyung Bin Monn) 박윤진(Yoonjin Park) 김윤희(Yun Hee Kim) 이운식(Woon Seeok Lee) 노맹석(Maengseok Noh)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.24 No.1, 57~65쪽, 전체 9쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2022.02.28

국문 초록

본 연구의 목적은 텍스트 마이닝 기법을 활용해 코로나 19 관련 언론 텍스트를 분석하여 코로나 19 감염양상과 관련해 어떠한 이슈가 지역사회 부산에 팽배해 있는지, 또 대중의 관점에서 어떠한 논의가 쟁점화되고 있는지를 기술함으로써, 코로나 19에 대한 지역사회의 인식을 파악하고, 코로나 19에 대한 선제 대응 방안 개발을 위한 기초 자료를 제공하는 것이다. 연구를 위해, 본고는 먼저 기사 검색 포털인 빅카인즈를 사용해 2020년 1월부터 2021년 9월까지 ‘코로나 19와 부산’에 관한 기사, 1,979개를 수집했다. 그리고 수집된 기사문 텍스트를 자연어 처리를 통해 통계 분석이 가능한 데이터로 변환하고 정제한 후, 토픽 모델링과 의미연결망 분석을 실행하였다. 조사 결과는 다음과 같이 나타났다. 첫째, 3개월을 한 단위로 한 7개 분기별 워드 클라우드를 분석한 결과, 분기별 고빈도 단어에 뚜렷한 차이를 보였다. 둘째, 임베딩을 활용해 탐색적 분석을 실시한 결과, ‘발생 장소’, ‘발생 추이’, ‘치료 병상 현황’, ‘경제적인 영향’ 등의 주제를 가진 단어들이 대표 주제어 부류들로 나타났다. 셋째, 토픽 모델링을 실행한 결과, ‘발생 현황’, ‘산업 현황’, ‘방역 및 백신’, ‘생활 영향’과 같은 4개의 주요 토픽으로 기사가 분류되었다.

영문 초록

The purposes of the study were to analyze the media texts related to COVID-19 using text mining techniques based on natural language processing to find out what issues are prevalent in the community and what discussions are being made from the public s point of view and to provide the basic data for the development of preemptive measures for the community to respond to COVID-19. For the research, the paper, first, collected 1,979 articles about ‘COVID-19 and Busan’ through Big Kinds, an article search web portal, and conducted topic modeling and semantic network analysis after converting and refining the collected article texts into data that can be analyzed statistically with natural language processing. The results were as follows. First, as a result of analyzing word clouds of seven quaters, there was a clear difference in the high frequency words for each quarter. Second, exploratory analysis using embedding revealed that words with themes such as ‘situation of occurrence’, ‘occurrence trend’, ‘capacity of care beds’, and ‘economic effect’ were found as representative keyword classes. Third, as a result of topic modeling, articles were classified into four main topics: ‘situation of occurrence’, ‘effects on industry’, ‘quarantine and vaccine’, and ‘effects on daily life’.

목차

1. 서론

2. 연구 방법

3. 연구 결과

4. 결론

References

키워드

코로나 19 지역사회 감염양상 임베딩 토픽모델링 Covid-19 community infection patterns embedding topic modeling