자연어 처리 및 머신러닝 기술을 활용한 디지털 ODA 분석 및 연구
Analysis of Digital ODA : Utilizing Natural Language Processing and Machine Learning Technologies
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 ‘디지털 분야 공적개발원조(ODA)’에 대한 공신력 있는 국내·국제적 기준이 부재한 상황에서, 자연어 처리와 머신러닝 기술을 활용하여 디지털 ODA에 대한 분류를 실시하고, 통계를 생성하였다. 머신러닝 모형 학습을 위한 분석 대상으로 국무조정실에서 발표하는 공적개발원조실적통계(승인번호 : 102002호)를 활용하였고, 모형 학습을 위해 한국국제협력단(KOICA)이 2023년도 실시한 ‘디지털 ODA 마커’를 기준으로 삼았다. ‘사업명’, ‘사업목적’, ‘사업내용’의 영문 비정형 텍스트 데이터를 자연어 처리하여, 단어가방 모형 중 TF-IDF 가중치와, 구글뉴스를 사전 학습한 Word2Vec 모형의 임베딩 가중치를 적용하였으며, CRS 목적코드를 변수에 추가하여 머신러닝 분류모형 중 랜덤포레스트를 활용하였다. 학습 대상이 된 기간은 KOICA의 2018~2023년으로 6개년의 사업이며, 분류 대상기간은 2023년도 공적개발원조실적통계의 통계치 확정 전인 시점을 감안하여, 2018~2022년 5개년이었다. 분류 결과, 본 연구에서 수행한 머신러닝 기법을 통한 분류 결과가 기존 KOICA 실적 통계 결과와의 유사성을 확인할 수 있어 OECD 연구의 수작업 방법에 비해 현저한 성능의 우위가 확인되었다. 또한, 머신러닝 기법에 의해 수행되는 통계자료로써 객관성이 높고, 물적·시간적 비용을 절감할 수 있어, 향후 국제적 통계로의 발전 가능성을 확인할 수 있었다.
Abstract
This study addresses the lack of credible domestic and international standards regarding ‘Digital Official Development Assistance (Digital ODA)’ by employing natural language processing and machine learning technologies. The data used for machine learning is the ‘Official Development Assistance Performance Statistics’ compiled for OECD Creditor Reporting System (CRS) statistics reporting published by the Office for Government Policy Coordination in Korea, and used the ‘Digital ODA Marker’ established by the Korea International Cooperation Agency (KOICA) in 2023. English text data like ‘project titles’, ‘project objectives’, and ‘project descriptions’ were processed using natural language processing techniques to derive TF-IDF weights from the bag-of-words model and embedding weights from the pre-trained Word2Vec model based on Google News. Additionally, CRS purpose codes were incorporated as other independent variables, and the Random Forest algorithm was employed for the machine learning classification model. The training data period for the model encompassed six years of KOICA’s projects from 2018 to 2023, while the classification target period spanned five years from 2018 to 2022, considering that the statistics of year 2023 is not yet finalized. The results demonstrated a significant performance advantage of the machine learning techniques used in this study over the manual screening methods employed in the previous studies. Furthermore, the objectivity and cost-effectiveness provided by the machine learning-generated statistical data suggest the potential for further development into international statistics.