DOI QR코드

DOI QR Code

Text Mining Driven Content Analysis of Ebola on News Media and Scientific Publications

텍스트 마이닝을 이용한 매체별 에볼라 주제 분석 - 바이오 분야 연구논문과 뉴스 텍스트 데이터를 이용하여 -

  • 안주영 (연세대학교 문헌정보학과) ;
  • 안규빈 (연세대학교 문헌정보학과) ;
  • 송민 (연세대학교 문헌정보학과)
  • Received : 2016.05.03
  • Accepted : 2016.05.12
  • Published : 2016.05.30

Abstract

Infectious diseases such as Ebola virus disease become a social issue and draw public attention to be a major topic on news or research. As a result, there have been a lot of studies on infectious diseases using text-mining techniques. However, there is no research on content analysis of two media channels that have distinct characteristics. Accordingly, in this study, we conduct topic analysis between news (representing a social perspective) and academic research paper (representing perspectives of bio-professionals). As text-mining techniques, topic modeling is applied to extract various topics according to the materials, and the word co-occurrence map based on selected bio entities is used to compare the perspectives of the materials specifically. For network analysis, topic map is built by using Gephi. Aforementioned approaches uncovered the difference of topics between two materials and the characteristics of the two materials. In terms of the word co-occurrence map, however, most of entities are shared in both materials. These results indicate that there are differences and commonalties between social and academic materials.

에볼라 바이러스(Ebola virus disease)와 같은 전염병들은 사회적으로 큰 이슈가 되어 언론의 관심을 받으며 동시에 많은 연구의 대상이 되기도 한다. 이에 따라 국내외로 전염병과 관련된 텍스트 마이닝 연구가 활발하게 진행되고 있으나, 텍스트 마이닝 기법을 사용하여 상이한 특성을 가진 매체 간 주제를 분석한 연구는 아직까지 진행되지 않고 있다. 따라서 본 연구에서는 전염병 중 하나인 에볼라를 키워드로 하여 사회적 특성을 지닌 뉴스 기사와 바이오 분야의 전문적 특성을 지닌 연구 논문 간의 주제 분석을 진행하였다. 텍스트 분석에는 매체별 문헌 데이터로부터 다양한 토픽들을 추출하기 위해 토픽모델링 기법을 적용하였고, 매체 간의 구체적인 내용 분석을 위해 중요 개체를 선정하고 이를 중심으로 동시출현 단어 네트워크 분석을 수행하였다. 또한 각 매체별로 등장하는 주제를 시각적으로 표현하기 위해 토픽맵을 구축하였다. 분석 결과, 두 매체에서 다루는 주제의 차이점과 공통점을 발견할 수 있었으며 동시 출현 주제의 시계열 분석을 통해 매체 간 특성의 차이를 찾을 수 있었다. 본 연구를 통해 상이한 특성을 지닌 매체들의 주제와 개체들을 함께 제시하고, 매체 간의 공통점과 차이점을 보여줌으로써 매체별 정보 생산자들이 연구 및 현상 분석을 진행하는 데 있어 관점의 다양성을 제공할 수 있을 것이다.

Keywords

References

  1. 김은경 외. 2013. 전염병의 경로 추적 및 예측을 위한 통합 정보 시스템 구현. 인터넷정보학회논문지, 14(5): 69-76. (Kim, Eungyeong et al. 2013. "Implementation of Integrated Monitoring System for Trace and Path Prediction of Infectious Disease." Journal of Korean Society for Internet Information, 14(5): 69-76.) https://doi.org/10.7472/jksii.2013.14.5.69
  2. 최정실. 2008. 법정전염병 감염관리를 위한 정보시스템 개발 및 효과. 기본간호학회지, 15(3): 371-379. (Choi, Jeong Sil. 2008. "Development and Evaluation of a Legal Communicable Disease Electronic System for Infection Control." Journal of Korean Academy of Fundamentals of Nursing, 15(3): 371-379.)
  3. 황교상, 이태식, 이현록. 2014. 센서스 데이터를 기반으로 만든 전염병 전파 시뮬레이션 모델. 대한산업공학회지, 40(2): 163-171. (Hwang, Kyosang, Lee, Taesik and Lee, Hyunrok. 2014. "Epidemic Disease Spreading Simulation Model Based on Census Data." Journal of the Korean Institute of Industrial Engineers, 40(2): 163-171. ) https://doi.org/10.7232/JKIIE.2014.40.2.163
  4. Bastian, M., Heymann, S. and Jacomy, M. 2009. "Gephi: An Open Source Software for Exploring and Manipulating Networks." In Proceedings of International AAAI Conference on Weblogs and Social Media, May 17-20, 2009, San Jose, CA: 8: 361-362.
  5. Blei, D. M., Andrew Y. N. and Michael I. J. 2003. "Latent Dirichlet Allocation." Journal of Machine Learning Research, 3: 993-1022.
  6. Blondel, V. D. et al. 2008. "Fast Unfolding of Communities in Large Networks." Journal of Statistical Mechanics: Theory and Experiment. [online] [cited 2016. 4. 20.]
  7. Ding, Y. et al. 2013. "Entitymetrics: Measuring the Impact of Entities." PLoS ONE, 8(8): 1-14, e71416. [online] [cited 2016. 4. 20.]
  8. Househ, M. 2015. "Communicating Ebola through Social Media and Electronic News Media Outlets: A Cross-Sectional Study." Health informatics journal. Advance online publication. [online] [cited 2016. 4. 20.]
  9. Kim, E. H. J. et al. 2015. "Topic-based Content and Sentiment Analysis of Ebola Virus on Twitter and in the News." Journal of Information Science. Advance online publication. [online] [cited 2016. 4. 20.]
  10. Lee, D., Kim, W. C. and Song, M. 2015. "Finding the Differences between the Perceptions of Experts and the Public in the Field of Diabetes." In Proceedings of the 24th International Conference on World Wide Web Companion, May 18-22, 2015, Florence, Italy: 57-58.
  11. Manning, C. D. et al. 2014. "The Stanford CoreNLP Natural Language Processing Toolkit." In Proceedings of 52nd Annual Meeting of the Association for Computational Linguistics: System Demonstrations, June 22nd-27th, 2014, Baltimore, Maryland: 55-60.
  12. Mimno, D. and McCallum, A. 2012. "Topic Models Conditioned on Arbitrary Features with Dirichlet-multinomial Regression." arXiv preprint arXiv: 1206.3278. [online] [cited 2016. 4. 20.]
  13. Pesquita, C. et al. 2014. "The Epidemiology Ontology: An Ontology for the Semantic Annotation of Epidemiological Resources." J. Biomedical Semantics, 5(4): 1-7. [online] [cited 2016. 4. 20.] https://doi.org/10.1186/2041-1480-5-1
  14. Salathe, M. et al. 2012. "Digital Epidemiology." PLoS Comput Biol, 8(7): 1-5. [online] [cited 2016. 4. 20.]
  15. Seltzer, E. K. et al. 2015. "The Content of Social Media's Shared Images about Ebola: A Retrospective Study." Public Health, 129(9): 1273-1277. https://doi.org/10.1016/j.puhe.2015.07.025
  16. Towers, S. et al. 2015. "Mass Media and the Contagion of Fear: The Case of Ebola in America." PLoS ONE, 10(6): e0129179. [online] [cited 2016. 4. 20.]