문단 (context)
주제어 빈도 분석은 정책 단계에 따라 어떠한 주제어가 출현하고 사라졌는지에 대한 변화를 효과적으로 보여주지만, 단어의 존재 유무만으로는 표현되지 않는 쟁점을 드러내는 데에는 한계가 있다(박종희, 박은정, 조동준, 2015). 이러한 상황에서 토픽 분석은 단어들의 배치를 통해 숨겨진 토픽의 수와 내용을 추정하기 때문에 쟁점 분석시 유용하다. 토픽 분석에서는 문서에 나타나는 토픽들을 모두 추출할지, 아니면 지배적으로 나타나는 제한된 수의 토픽을 엄선할지를 고려해야 하는데, Ding & Chen(2014)은 선행연구 고찰을 통해 토픽의 개수를 설정하는 방법을 ① 여러 가지 경우의 수를 고려하여 토픽 분석을 실시한 후 용어 분류의 정확성이 높은 결과를 선택하는 방법(Griffiths & Steyvers, 2004), ② 비교적 많은 수의 토픽을 설정하여 LDA를 실시한 후 유사한 토픽들을 결합하여 최종 결과를 생성하는 방법(Song, 2010; Yu, 2014), ③ 토픽 모델링의 기반이 되는 확률모델을 최적화하여 적절한 수의 토픽을 비모수적으로 추정하는 방법(Teh et al., 2012)으로 분류하였다(유소영, 2015 재인용).
기계독해 질의응답 4건
| question_id | 질문 | 답변 불가 | 정답 |
|---|---|---|---|
| 937101 | 누가 선행연구 고찰을 통해 토픽의 개수를 설정하는 방법을 분류하였지 | 가능 | Ding & Chen |
| 937102 | 선행연구 고찰을 통해 토픽의 개수를 설정하는 방식을 분류한 사람이 누구니 | 가능 | Ding & Chen |
| 937103 | 어떤 사람이 토픽의 개수를 정하는 방법을 선행연구 고찰을 통해 나눴어 | 가능 | Ding & Chen |
| 937104 | 누가 설문조사를 통해 토픽의 개수를 설정하는 방식을 분류했을까 | 불가 | Ding & Chen |