다이나믹 토픽 모델을 활용한 D(Data)ㆍN(Network)ㆍA(A.I) 중심의 연구동향 분석
Investigation of Research Trends in the D(Data)ㆍ N(Network)ㆍA(A.I) Field Using the Dynamic Topic Model
1
조회
0
다운로드
12
인용
0
참고문헌
키워드
초록
최근 디지털 사회의 도래로 다양한 데이터가 폭발적으로 증가하고, 그중 문헌 내 주제어를 도출하는 토픽 모델링에 관한 연구가 활발히 진행되고 있다. 본 논문의 연구목표는 토픽 모델링 방법 중 하나인 DTM(Dynamic Topic Model) 모델을 적용해 D.N.A.(Data, Network, A.I) 분야에 대한 연구동향을 탐색하는데 있다. 실험 데이터는 최근 6년간(2015∼2020) ICT(Information and Communication Technology) 분야 중 기술대분류가 SWㆍAI에 해당하는 연구과제 1,519개 사업에 대해 DTM 모델을 적용하였다. 실험결과로, D.N.A. 분야의 기술 키워드 Big data, Cloud, Artificial Intelligence와 확장된 의미의 기술 키워드 Unstructured, Edge Computing, Learning, Recognition 등이 매년 연구에 표출되었으며, 해당 키워드 들이 특정 연구과제에 종속되지 않고 다른 연구과제에서도 포괄적으로 연구되고 있음을 확인하였다. 끝으로 본 논문의 연구결과는 향후 D.N.A. 분야에 대한 정책기획ㆍ과제기획 등 연구개발 기획 과정과 기업의 기술 확보전략ㆍ마케팅 전략 등 다양한 곳에 활용될 수 있을 것으로 기대한다.
Abstract
The Topic Modeling research, the methodology for deduction keyword within literature, has become active with the explosion of data from digital society transition. The research objective is to investigate research trends in D.N.A.(Data, Network, Artificial Intelligence) field using DTM(Dynamic Topic Model). DTM model was applied to the 1,519 of research projects with SWㆍA.I technology classifications among ICT(Information and Communication Technology) field projects between 6 years(2015∼2020). As a result, technology keyword for D.N.A. field; Big data, Cloud, Artificial Intelligence, extended keyword; Unstructured, Edge Computing, Learning, Recognition was appeared every year, and accordingly that the above technology is being researched inclusively from other projects can be inferred. Finally, it is expected that the result from this paper become useful for future policyㆍR&D planning and corporation’s technologyㆍmarketing strategy.
참고문헌 (24)
- H. J. Lee, "Technology Trends of AI for Big Data Knowledge Processing", Electronics and Telecommunications Trends, 29(4), pp.30~38 (2014)[DOI]
- T. K. Kang, "Research Trend in Ultra-Low Latency Networking for Fourth Industrial Revolution", Electronics and Telecommunications Trends, 34(6), pp.108~122 (2019)[DOI]
- J. Y. Lee, "Suggestions for Nurturing Ecosystem to Spur Artificial Intelligence Industry", Electronics and Telecommunications Trends, 31(2), pp.51~62 (2016)[DOI]
- David M. Blei, "Latent Dirichlet allocation", Journal of Machine Learning Research, 3, pp.993~1022 (2003)[DOI]
- David M. Blei, "Dynamic Topic Models", Proceedings of the 23rd international conference on Machine learning, pp.113~120 (2006)
- Michal Rosen Zvi, "The Author-Topic Model for Authors and Documents", Proceedings of the 20th conference on Uncertainty in artificial intelligence, pp.487~494 (2004)
- Wei Li, "Pachinko Allocation : DAG-Structured Mixture Models of Topic Correlations", Proceedings of the 23rd international conference on Machine learning, pp.577~584 (2006)
- Xuerui Wang, "Topics over time : a non-Markov continuous-time model of topical trends", Proceedings of the 12th ACM SIGKDD international conference on Knowledge discovery and data mining, pp.424~433 (2006)
- Hamed Jelodar, "Latent Dirichlet allocation (LDA) and topic modeling: models, applications, a survey", Multimedia Tools and Applications, 78(11), pp.15169~15211 (2019), Springer Science and Business Media LLC[DOI]
- 김태종, "뉴스 빅데이터를 활용한 코로나19 언론보도 분석 :토픽모델링 분석을 중심으로", 한국콘텐츠학회 논문지, 20(5), pp.457~466 (2020), 한국콘텐츠학회[DOI]
- 이현출, "국회 회의록 토픽분석을 통한 상임위원회 갈등구조 분석: 제20대 국회 전반기 보건복지위를 중심으로", 한국정당학회보, 19(2), pp.131~167 (2020), 한국정당학회[DOI]
- 김갑철, "토픽모델링을 활용한 국내 지역지리교육 연구 동향 분석", 사회과교육, 58(4), pp.49~68 (2019), 한국사회과교육연구학회[DOI]
- 이왕재, "인공지능 기술 랜드스케이프 : 기술 구조와 기업별 경쟁우위", 기술혁신학회지, 22(3), pp.340~361 (2019), 한국기술혁신학회[DOI]
- 조경원, "텍스트 마이닝을 이용한 4차 산업 연구 동향 토픽 모델링", 한국정보통신학회논문지, 23(7), pp.764~770 (2019), 한국정보통신학회[DOI]
- 황서이, "국내 인공지능분야 연구동향 분석 –토픽모델링과 의미연결망분석을 중심으로-", 디지털콘텐츠학회논문지, 20(9), pp.1847~1855 (2019), 한국디지털콘텐츠학회[DOI]
- Scott Deerwester, "Indexing by latent semantic analysis", Journal of the American Society for Information Science, 41(6), pp.391~407 (1990)[DOI]
- Thomas Hofmann, "Unsupervised learning by probabilistic latent semantic analysis", Machine Learning, 42(1, pp.2) (2001), 177~196[DOI]
- Arnab Bhadury, "Scaling up Dynamic Topic Models", WWW ’16 :Proceedings of the 25th International Conference on World Wide Web, pp.381~390 (2016)
- Lin Liu, "An overview of topic modeling and its current applications in bioinformatics", SpringerPlus, 5(1) (2016), Springer Science and Business Media LLC[DOI]
- Derek Greene, "Exploring the Political Agenda of the European Parliament Using a Dynamic Topic Modeling Approach", Political Analysis, 25(1), pp.77~94 (2017), Cambridge University Press (CUP)[DOI]
- Allen H. Huang, "Analyst Information Discovery and Interpretation Roles: A Topic Modeling Approach", Management Science, 64(6), pp.2833~2855 (2018), Institute for Operations Research and the Management Sciences (INFORMS)[DOI]
- Andra-Selina Pietsch, "Topic modeling for analyzing open-ended survey responses", Journal of Business Analytics, 1(2), pp.93~116 (2018), Informa UK Limited[DOI]
- Paulo Bicalho, "A general framework to expand short text for topic modeling", Information Sciences, 393, pp.66~81 (2017), Elsevier BV[DOI]
- Pooja Kherwa, "Topic Modeling: A Comprehensive Review", ICST Transactions on Scalable Information Systems, 0(0), pp.159623~ (2018), European Alliance for Innovation n.o.[DOI]