인공신경망 기반 자연어처리를 적용한 연도별 정책내용 변화 분석에 관한 연구: 일본 IT신전략 (2018-2020)을 대상으로 (Changes in Policy Content by Year Assessed by Natural Language Processing with Artificial Neural Networks: Japan's New IT Strategy (2018-2020))

서지정보

· 발행기관 : 정보통신정책학회
· 수록지 정보 : 정보통신정책연구 / 28권 / 1호 / 1 ~ 27페이지
· 저자명 : 김민호, 윤호열, 최상옥

초록

본 연구는 인공신경망 기반 자연어처리를 적용하여 시간에 따른 정책내용 변화를 확인하고자 하였다. 비정형 텍스트인 일본 IT신전략(2018-2020)에 단어 임베딩 학습모형인 Word2Vec알고리즘을 적용하여 다차원 공간에 추출한 단어들을 벡터화하였으며, 두 벡터 간의 사잇각을 구하는 코사인 유사도(cosine similarity)를 이용하여 단어 유사도(word similarity)를 측정하였다. Word2Vec알고리즘, 코사인 유사도를 이용하여 비정형 텍스트를 수치화하였고, 수치화된 값을 이용하여 정책문서 안에서 단어 간의 중요도와 유사도를 객관적으로 분석하고자 하였다. 또한, 정책문서의 번역과 해석에 의해서는 알기 힘들었던 의미들을 발견하고자 하였다.
분석 결과, 코사인 유사도의 증감을 통해 연관단어의 중요성이 어떻게 변화하고 있는지 확인할 수 있었다. 그리고 코사인 유사도를 통해 도출된 연관단어의 연도별 변화와 단어 유사도를 통해 정책내용 변화의 성격을 알 수 있었다.

영어초록

This study aims to confirm changes in policy content over time by applying the method of Natural Language Processing with Artificial Neural Networks. To apply this method to the unstructured data for Japan's new IT strategy, data preprocessing was performed allowing a computer to recognize the unstructured data. Words were vectorized in multidimensional space using the Word2Vec algorithm, and word similarity was approximated using the cosine similarity approach. Using these approaches, we quantified the originally unstructured data and were able to compare and analyze the importance of various words for the policy document.
Relying on the cosine similarity, we confirmed that the relatedness of words varied even when words were same. The importance of the related words varied through the increase or decrease of the cosine similarity. We could thus infer the nature of the change in policy content from the yearly changes in the related words and from word similarity, as inferred from the cosine similarity approach.

참고자료

· 없음