부동산 정책 관련 트위터 게시물 분석을 통한 대중 여론 이해
Understanding Public Opinion by Analyzing Twitter Posts Related to Real Estate Policy
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
본 연구는 시간의 흐름에 따른 부동산 정책의 주제 동향과 부동산 정책에 대한 대중의 감성 여론을 파악하고자 하였다. 부동산 정책 관련 키워드(‘부동산정책’, ‘부동산대책’)를 이용하여 2008년 2월 25일부터 2021년 8월 31일까지 13년 6개월 동안 작성된 총 91,740개의 트위터 게시물을 수집하였다. 데이터를 전처리하고 공급, 부동산세, 금리, 인구 분산으로 범주화 하여 총 18,925개의 게시물에 대하여 감성 분석과 다이나믹 토픽 모델 분석을 진행하였다. 범주별 키워드는 공급 범주(임대주택, 그린벨트, 신혼부부, 무주택자, 공급, 재건축, 분양), 부동산세 범주(종부세, 취득세, 보유세, 다주택자, 투기), 금리 범주(금리), 인구 분산 범주(세종, 신도시)와 같다. 감성 분석 결과, 한 명이 평균 하나 또는 두 개의 긍정 의견을 게시한 걸로 확인되었고, 부정, 중립 의견의 경우, 한 명이 두 개 또는 세 개의 게시물을 게시한 걸로 확인되었다. 또한 일부 대중들은 부동산 정책에 일관된 감정을 가지고 있지 않고 긍정, 부정, 중립의 의견을 모두 표현하는 것을 유추할 수 있었다. 다이나믹 토픽 모델링 결과, 부동산 투기 세력, 불로소득 주제에 대한 부정적인 반응이 꾸준히 파악되었으며, 긍정적인 주제로는 주택 공급 확대와 무주택자들의 부동산 구입 혜택에 대한 기대감을 확인할 수 있었다. 본 연구는 기존 선행연구들이 특정 부동산 정책의 변화와 평가에 초점을 맞춰 분석한 것과는 달리, 소셜미디어 플랫폼 중 하나인 트위터에서 게시물을 수집하고 감성 분석, 다이나믹 토픽 모델링 분석을 활용하여 부동산 정책 평가자인 대중의 감성과 여론을 알아보고 시간의 흐름에 따른 부동산 정책에 관한 잠재적 주제와 동향을 파악했다는 것에 학술적 의의가 있다. 또한, 본 연구를 통해 부동산 정책에 대한 대중의 여론에 기반한 새로운 정책 제정에 도움을 주려고 한다.
Abstract
This study aims to understand the trends of subjects related to real estate policies and public’s emotional opinion on the policies. Two keywords related to real estate policies such as “real estate policy” and “real estate measure” were used to collect tweets created from February 25, 2008 to August 31, 2021. A total of 91,740 tweets were collected and we applied sentiment analysis and dynamic topic modeling to the final preprocessed and categorized data of 18,925 tweets. Sentiment analysis and dynamic topic model analysis were conducted for a total of 18,925 posts after preprocessing data and categorizing them into supply, real estate tax, interest rate, and population variance. Keywords of each category are as follows: the supply categories (rental housing, greenbelt, newlyweds, homeless, supply, reconstruction, sale), real estate tax categories (comprehensive real estate tax, acquisition tax, holding tax, multiple homeowners, speculation), interest rate categories (interest rate), and population variance categories (Sejong, new city). The results of the sentiment analysis showed that one person posted on average one or two positive tweets whereas in the case of negative and neutral tweets, one person posted two or three. In addition, we found that part of people have both positive as well as negative and neutral opinions towards real estate policies. As the results of dynamic topic modeling analysis, negative reactions to real estate speculative forces and unearned income were identified as major negative topics and as for positive topics, expectation on increasing supply of housing and benefits for homeless people who purchase houses were identified. Unlike previous studies, which focused on changes and evaluations of specific real estate policies, this study has academic significance in that it collected posts from Twitter, one of the social media platforms, used emotional analysis, dynamic topic modeling analysis, and identified potential topics and trends of real estate policy over time. The results of the study can help create new policies that take public opinion on real estate policies into consideration.
참고문헌 (40)
- 강현주, "부동산정책과 부동산시장가격 사이의 단기 인과성에 관한 실증연구", 지역산업연구, 44(2), pp.123~143 (2021), 산업경영연구소[DOI]
- "임대차 제도 개선 주요 내용" (2021), 국토교통부[URL]
- "인구․가구구조 변화에 따른 주택시장 영향과 정책방향" (2012), 기획재정부[URL]
- 김다니, "부동산 정책에 대한 시민 인식 구조와 그 시기별 변동에 관한 트위터 분석: 토픽모델링 기법을 활용하여", 융합사회와 공공정책, 15(1), pp.33~63 (2021), 융합사회연구소
- 김사경, "양도소득세 제도의 문제점 및 개선방안에 관한 연구", 석사, 법무학과, pp.2021
- 김선덕, "박근혜 정부의 부동산 정책", 도시정보, (375), pp.3~22 (2013)
- 김영선, "주택 금융환경이 주택가격에 미치는 영향에 관한 연구 -수도권을 중심으로-", 경영과 정보연구, (25), pp.321~337 (2008), 대한경영정보학회[DOI]
- 김원재, "문재인 정부의 주택정책이 서울 아파트 매매가에 미치는 영향", 석사, 부동산투자금융전공, pp.2020
- 김종호, "이명박정부의 주택시장 분석 및 정책 평가", 부동산학보, (50), pp.194~205 (2012), 한국부동산학회[DOI]
- 김택, "정부의 부동산 정책 문제점과 개선방안", 문화기술의 융합, 7(1), pp.256~263 (2021), 국제문화기술진흥원
- 김현지, "조현병과 정신분열병에 대한 뉴스 프레임 분석을 통해 본 사회적 인식의 변화", 한국문헌정보학회지, 53(4), pp.285~307 (2019), 한국문헌정보학회[DOI]
- 박상민, "Bi-LSTM 기반의 한국어 감성사전 구축 방안", 지능정보연구, 24(4), pp.219~240 (2018), 한국지능정보시스템학회
- 박서정, "A Deep Learning-based Depression Trend Analysis of Korean on Social Media", 정보관리학회지, 39(1), pp.91~117 (2022), 한국정보관리학회[DOI]
- 박은정, "KoNLPy : 쉽고 간결한 한국어 정보처리 파이썬 패키지", 제26회 한글 및 한국어정보처리 학술대회 논문집, pp.133~136 (2014)
- 백두산, "노무현, 이명박, 박근혜 대통령의 정책 프레임을 통한 주택정책 설계 분석", 한국정책학회보, 30(2), pp.73~109 (2021), 한국정책학회[DOI]
- 백소정, "정부신뢰와 부동산가격의 관계에 대한 연구", 석사, 공기업정책학과, pp.2019
- 서하림, "소셜미디어를 통한 우울 경향 이용자 담론 주제 분석", 정보관리학회지, 36(4), pp.207~226 (2019), 한국정보관리학회[DOI]
- "LH 직원들, 신도시 100억 땅투기 의혹…2년간 집중 매입" (2021)[URL]
- 오정석, "부동산정책이 부동산가격에 미치는 영향", 부동산학보, (24), pp.88~98 (2005), 한국부동산학회
- 오찬희, "네이버 뉴스 댓글을 이용한 산업 분야별 담론의 감성에 기반한 주제 트렌드 및 여론의 변화와 주가 흐름의 연관성 분석", 정보관리학회지, 39(1), pp.257~280 (2022), 한국정보관리학회[DOI]
- 윤성진, "토픽 모델링을 활용한부동산 대책 및 사회적 이슈 분석", 부동산정책연구, 22(1), pp.15~37 (2021), 한국부동산정책학회[DOI]
- 윤정중, "행복주택건설의 의미와 해외사례 및 시사점", 도시정보, (376), pp.3~24 (2013)
- "‘착한 분양가' 맞다고?" (2021)[URL]
- 장재석, "문재인 정부 부동산 정책의 문제점 및 개선방안", 석사, 행정학과, pp.2021
- 전해정, "토픽 모형을 이용한 코로나-19 이후 부동산시장 동향", 인문사회 21, 12(4), pp.1821~1832 (2021), 인문사회 21
- 정우진, "트위터 게시물 분석을 통한 코로나바이러스감염증-19 백신에 대한 의견 탐색", 정보관리학회지, 38(4), pp.113~128 (2021), 한국정보관리학회[DOI]
- 정의철, "이명박 정부 정책평가 및 선진화 과제-부동산정책", 한국경제연구원 세미나자료, pp.250~289 (2010)
- 정주희, "박근혜 정부의 서민주거안정화 정책 수단과 관련 법제에 대한 소고", 토지공법연구, 74, pp.83~109 (2016), 한국토지공법학회
- 조명래, "MB 정부의 주택부동산정책 평가", 월간 복지동향, (162), pp.47~51 (2012)
- 주영준, "페이스북 그룹 게시물 분석을 통한 우울증 관련 주제에 대한 고찰", 한국문헌정보학회지, 53(4), pp.171~187 (2019), 한국문헌정보학회[DOI]
- "강남 아파트 값 3.3㎡당 3300만원 넘었다…재건축發 오름세 ‘확산'" (2016)[URL]
- 최지황, "부동산 정책의 효과에 관한 연구 : 10·29", 8·31, 8·29 대책에 따른 주택매매가격 변동을 중심으로, pp.석사, 서울대학교 행정대학원[DOI]
- "행정자료를 활용한 ｢2020년 주택소유통계｣ 결과" (2021), 통계청[URL]
- "주택담보대출 규제 왜 하나요" (2015)[URL]
- Blei, D. M, "Probabilistic topic models", communications of the ACM, 55(4), pp.77~84 (2010)[DOI]
- Blei, D. M., "Dynamic Topic Models", Proceedings of the 23rd international conference on Machine learning, ACM Other conferences (2006)
- "snscrape 0.3.4" (2020)[URL]
- Linton M., "Applied Quantitative Finance. Statistics and Computing" (2017), Springer
- Michael, W. B., "Survey of Text Mining: Clustering, Classification and Retrieval" (2007), Springer
- Rehurek, R., "Gensim--python framework for vector space modelling", NLP Centre, Faculty of Informatics, Masaryk University, 3(2) (2011)