클러스터링 모델 기반의 체육 분야 공공 데이터 분석 및 고찰 (Analysis and Discussion of Public Sports Data based on Clustering Model)

서지정보

· 발행기관 : 사단법인 한국융합기술연구학회
· 수록지 정보 : 아시아태평양융합연구교류논문지 / 10권 / 2호 / 25 ~ 34페이지
· 저자명 : 홍서빈, 김봉현

초록

본 논문은 현대 사회에서 빠르게 증가하는 데이터의 양과 다양성으로 인해 효과적인 분석과 이해가 중요한 과제로 부각되고 있는 상황에서, 공공데이터의 클러스터링을 통해 데이터 품질과 일관성에 대한 문제점을 도출하고 개선 방안을 모색하는 것을 목표로 하였다. 데이터는 data.go.kr에서 제공되는 체육 분야의 공공데이터를 사용하며 텍스트 데이터에서 명사를 추출하고 TF-IDF 벡터화를 사용하여 클러스터링을 수행하였다. K-means, DBSCAN, GMM 알고리즘과 키워드 추출 방법을 비교하여 성능을 평가하고, 데이터의 일관성과 품질에 대한 문제점을 분석하였다. 연구 결과, 불용어 처리와 키워드 추출 방법의 선택이 클러스터링 결과에 큰 영향을 미침을 확인하였다. 또한 데이터의 길이, 형식, 키워드 품질 등이 클러스터링의 성능에 영향을 미치는 것으로 나타났다. 데이터의 불균형과 일관성 부재, 표준 부재 등이 클러스터링 결과에 영향을 미칠 수 있으며, 향후에는 이러한 문제를 해결하기 위한 표준화된 가이드라인과 연구가 필요하다는 결론을 도출하였다. 클러스터링을 통해 데이터의 다양성을 파악하고, 이를 통해 데이터 수집과 분석 전략을 개선하는 방안을 제시하며, 공공데이터의 효과적인 활용을 위해 데이터의 품질 향상과 클러스터링 기법의 적극적 활용이 중요하다는 점을 강조한다.

영어초록

In a situation where effective analysis and understanding are emerging as important tasks due to the rapidly increasing amount and diversity of data in modern society, this paper identifies problems with data quality and consistency through clustering public data and seeks ways to improve them. The data used was general in physical education provided by data.go.kr. Nouns were extracted from text data and clustering was performed using TF-IDF vectorization. Performance was evaluated by comparing K-means, DBSCAN, and GMM algorithms and keyword extraction methods, and problems with data consistency and quality were analyzed. As a result of the study, it was confirmed that stopword processing and choice of keyword extraction method had a significant impact on clustering results. Additionally, data length, format, and keyword quality affect clustering performance. It was concluded that data imbalance, lack of consistency, and lack of standards can affect clustering results and that standardized guidelines and research are needed to solve these problems. We identify the diversity of data through clustering, suggest ways to improve data collection and analysis strategies through this, and emphasize the importance of improving data quality and active use of clustering techniques for the effective use of public data.

참고자료

· 없음