시계열분석과 인공신경망을 이용한 실시간검색어 변화 예측
Predicting changes of realtime search words using time series analysis and artificial neural networks
1
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
실시간검색어는 지금 바로 이슈가 되는 검색어의 검색 증가율이 단기간에 급상승하는 것을 중심으로 하기 때문에 일정기간 지속적으로 관심도를 유지하고 있는 이슈를 나타내지 못하고 이들이 가까운 미래에 어떤 변화를 보이는지에 대한 것도 알 수 없는 한계를 가지고 있다. 본 논문에서는 이러한 한계를 극복할 수 있도록 일정기간 동안 상위 10위 안에 속한 적이 있는 실시간검색어에 대해 일자별, 시간별 지속성을 평가하여 꾸준히 관심을 받는 검색어를 추출한다. 그런 다음, 이들 중 상위에 속하는 검색어의 관심도가 어떻게 변화하는지를 알 수 있게 하는 시계열 분석과 신경망을 이용하는 방법을 제시하고 이를 통해 도출한 실제 예를 통해 가까운 미래의 변화량을 예측한 결과를 보인다. 일자별로는 시계열 분석을, 시간별로는 인공신경망의 학습을 통해 예측하는 것이 좋은 결과를 보인다는 것을 알 수 있다.
Abstract
Since realtime search words are centered on the fact that the search growth rate of an issue is rapidly increasing in a short period of time, it is not possible to express an issue that maintains interest for a certain period of time. In order to overcome these limitations, this paper evaluates the daily and hourly persistence of the realtime words that belong to the top 10 for a certain period of time and extracts the search word that are constantly interested. Then, we present the method of using the time series analysis and the neural network to know how the interest of the upper search word changes, and show the result of forecasting the near future change through the actual example derived through the method. It can be seen that forecasting through time series analysis by date and artificial neural networks learning by time shows good results.
참고문헌 (21)
- Min Chen, "Big Data : A Survey", Mobile Netw Appl, 19, pp.171~209 (2014)
- Ibrahim Abaker Targio Hashem, "The rise of big data on cloud computing : Review and open research issues", Information Systems, 47, pp.98~115 (2015)
- 남수현, "Knowledge Creation Structure of Big Data Research Domain", 디지털융복합연구, 13(9), pp.129~136 (2015), 한국디지털정책학회[DOI]
- 김신곤, "빅데이터 유통 생태계에 기반한 단계별 빅데이터 유통 모델 개발에 관한 연구", 디지털융복합연구, 14(5), pp.95~106 (2016), 한국디지털정책학회[DOI]
- "Realtime hot searches" (2015)[URL]
- "Realtime hot issues" (2016)[URL]
- 정민영, "실시간 검색어 연관 분석을 통한 핵심 이슈 선정", 디지털융복합연구, 13(12), pp.161~169 (2015), 한국디지털정책학회[DOI]
- 정민영, "포털사이트 실시간 검색키워드의 주간 핵심 이슈 선정 및 차이 분석", 디지털융복합연구, 14(12), pp.237~243 (2016), 한국디지털정책학회[DOI]
- 최경호, "빅데이터 분석을 통한 문학치료의 대중적 인지도 분석 - 국문학과 통계학의 융합적 측면", 디지털융복합연구, 13(4), pp.395~404 (2015), 한국디지털정책학회[DOI]
- Matthew A. Russell, "Mining the Social Web:Data Mining Facebook, Twitter, LinkedIn, Google+, GitHub and More", pp.411~ (2013), O'Reilly Media, Inc.
- Xiao Fang, "Designing a better web portal for digital government: a web-mining based approach", Proceedings of the 2005 national conference on Digital government research, pp.277~278 (2005), Digital Government Society of North America
- The fourth validation report about realtime hot searches of Naver, "KISO Validation Committee", ~ (2015)
- Simon Dennis, "Web Searching : A Process-Oriented Experimental Study of Three Interactive Search Paradigms", Journal of the American Society for Information Science and Technology, 53(2), pp.120~133 (2002)
- 이성훈, "빅데이터의 국내･외 활용 고찰 및 시사점", 디지털융복합연구, 11(2), pp.229~233 (2013), 한국디지털정책학회
- Jon Starkweather, "Introduction to basic Text Mining in R", pp.10~ (2014), University of North Texas
- George E. P. Box, "Time Series Analysis:Forecasting and Control" (2016), John Wiley & Sons
- Alysha M De Livera, "Forecasting time series with complex seasonal patterns using exponential smoothing", Journal of the American Statistical Association, 106, pp.1513~1527 (2011)
- Guoqiang Zhang, "Forecasting with artificial neural networks : The state of the art", International Journal of Forecasting, 14, pp.35~62 (1998)
- Frauke Günther, "neuralnet : Training of Neural Networks", The R Journal, 2(11), pp.30~38 (2010)
- 정윤수, "헬스케어 정보 수집을 위한 딥 러닝 기반의 서브넷 구축 기법", 디지털융복합연구, 15(3), pp.221~228 (2017), 한국디지털정책학회[DOI]
- 최은정, "SNS의 관심도가 선거결과에 미치는 영향 분석", 디지털융복합연구, 15(2), pp.191~197 (2017), 한국디지털정책학회[DOI]