군사학은 급변하는 안보환경과 국제정세의 변화, 4차산업혁명시대의 무기체계 발전과 저출산에 따른 병역제도 등의 사회적 관심이 증대되 고 있다. 따라서 본 연구는 빅데이터를 활용한 텍스트마이닝 기법으로 군사학의 학술연구 동향과 사회적 인식을 분석하여 시사점을 제시하는 데 있다. 연구 결과 학술연구 동향은 주변국 관계, 무기체계, 방위산업, 인공지능 등이 중점을 이루었지만, 사회적 인식은 대학교와 군사학과, 장교 등의 관심으로 차이점을 보였다. 군사학 발전을 위해 연구 중심의 역량과 환경을 구축하고, 융·복합적 연구와 지역사회와 연계한 산학협 력 체계구축 및 국민 참여를 통한 학술 세미나 및 통합연구 등이 요구 되었다.

This research proposes a novel approach to tackle the challenge of categorizing unstructured customer complaints in the automotive industry. The goal is to identify potential vehicle defects based on the findings of our algorithm, which can assist automakers in mitigating significant losses and reputational damage caused by mass claims. To achieve this goal, our model uses the Word2Vec method to analyze large volumes of unstructured customer complaint data from the National Highway Traffic Safety Administration (NHTSA). By developing a score dictionary for eight pre-selected criteria, our algorithm can efficiently categorize complaints and detect potential vehicle defects. By calculating the score of each complaint, our algorithm can identify patterns and correlations that can indicate potential defects in the vehicle. One of the key benefits of this approach is its ability to handle a large volume of unstructured data, which can be challenging for traditional methods. By using machine learning techniques, we can extract meaningful insights from customer complaints, which can help automakers prioritize and address potential defects before they become widespread issues. In conclusion, this research provides a promising approach to categorize unstructured customer complaints in the automotive industry and identify potential vehicle defects. By leveraging the power of machine learning, we can help automakers improve the quality of their products and enhance customer satisfaction. Further studies can build upon this approach to explore other potential applications and expand its scope to other industries.

지능형 컴퓨팅의 등장으로 빅데이터를 활용한 패션 브랜드 의미 마이닝과 가치 홍보에 초점을 맞춘 새로운 연구 트렌드가 등장하였다. 본 연구의 목적은 인기 여성복 브랜드 5개를 대상으로 다양한 종류의 의류에 대한 소비자 감성 트렌드를 조사하는 것이다. 유니클로, 에이치스타일, 베로모다, 피스버드, 온리. 이를 위해 총 93,550건의 소비자 평가를 수집하고, 키스멧 감성 분석 엔진을 활용하여 의류 유형별 감성 극성도를 분석하였 다. 그 결과, 브랜드에 따라 감정 극성이 크게 다르다는 것을 알 수 있었으며, HSTYLE 후드티, ONLY 니트웨 어, 피스버드 순면, 유니클로 니트가 각각 소비자들에게 가장 강한 긍정적 감정을 불러일으켰다. 또한 이번 연 구에서는 각 브랜드에서 가장 인기 있는 의류 유형과 착용 효과를 밝혀 패션 기업이 효과적인 마케팅 전략을 수립하고 제품 제공을 강화하는 데 중요한 인사이트를 제공했다. 이러한 연구 결과를 바탕으로 게임 업계에서 는 감성 분석을 적용하여 다양한 게임 브랜드, 장르, 게임 플레이에 대한 플레이어의 감정 반응을 이해하고 게임 프로모션 전략과 제품 디자인 개발에 도움을 줄 수 있다. 전반적으로 이 연구 결과는 디자인 분야에서 빅데이터의 잠재력을 입증하고 업계에서 경쟁 우위를 확보하기 위해 빅데이터를 활용하는 것이 중요하다는 점을 강조할 수 있다.

This study was conducted to explore the change in the market issues on HMR (Home Meal Replacements) using local foods after the COVID-19 outbreak. Online text data were collected from internet news, social media posts, and web documents before (from January 2016 to December 2019) and after (from January 2020 to November 2022) the COVID- 19 outbreak. TF-IDF analysis showed that ‘Trend’, ‘Market’, ‘Consumption’, and ‘Food service industry’ were the major keywords before the COVID-19 outbreak, whereas ‘Wanju-gun’, ‘Distribution’, ‘Development’, and ‘Meal-kit’ were main keywords after the COVID-19 outbreak. The results of topic modeling analysis and categorization showed that after the COVID-19 outbreak, the ‘Market’ category included ‘Non-face-to-face market’ instead of ‘Event,’ and ‘Delivery’ instead of ‘Distribution’. In the ‘Product’ category, ‘Marketing’ was included instead of ‘Trend’. Additionally, in the ‘Support’ category, ‘Start-up’ and ‘School food service’ appeared as new topics after the COVID-19 outbreak. In conclusion, this study showed that meaningful change had occurred in market issues on HMR using local foods after the COVID-19 outbreak. Therefore, governments should take advantage of such market opportunity by implementing policy and programs to promote the development and marketing of HMR using local foods.

전세계적으로 대퇴사 시대를 겪으며 조직 구성원을 유지하는 것이 실무 및 현장의 중요한 주제가 되었 다. 본 연구는 텍스트 마이닝 분석 방법의 일환인 토픽 모델링 및 키워드 네트워크 분석을 활용하여 국내 외 다양한 기업 구성원의 퇴사 원인을 밝히고 조직이 인재를 유지할 수 있는 전략을 제시하고자 한다. 기업은 조직의 성장을 위하여 필요한 인재를 유지하기 위한 노력을 지속하고 있으나 평생 고용의 개념이 사라진 오늘날 구성원들의 퇴사가 빈번하다. 그리고 생산가능인구 감소에 따라 기업에 조직 구성원 유입 이 제한될 것으로 예측할 때 인재 유지 주제와 관련한 연구의 중요성은 더욱 강조된다. 또한 COVID-19 팬데믹을 경험하며 구성원들의 일에 대한 관점이 변화함에 따라 이에 대응하여 기업의 인재 유지를 가능 하게 하는 주요 요소를 밝혀내는 것이 매우 중요하다. 본 연구는 국내외 소셜 미디어 서비스인 잡플래닛 과 글래스도어의 데이터를 토픽 모델링 분석하여 조직 구성원들이 인식하는 기업의 주요 장단점을 살펴봤다. 그리고 키워드 네트워크 분석을 통해 해당 요인을 시각화하여 조직에서 인재를 유지하는 요인을 규명하였다. 본 연구는 방대한 양의 데이터를 텍스트 마이닝 기법으로 분석하여 국내 기존 연구에서 아직 다루지 못한 대퇴사 시대의 주요 원인을 밝혔다는 점에서 이론적 함의를 갖는다. 또한 본 연구 결과를 바탕으로 최근 현장 및 학계에서 중요하게 대두되는 대퇴사 시대의 인재 유지 대응 전략을 제시한다는 점에서 실무적 의의가 있다.

The purpose of this paper is to understand the key factors for efficient maintenance of rapidly aging facilities. Therefore, the safety inspection/diagnosis reports accumulated in the unstructured data were collected and preprocessed. Then, the analysis was performed using a text mining analysis method. The derived vulnerabilities of tunnel facilities can be used as elements of inspections that take into account the characteristics of individual facilities during regular inspections and daily inspections in the short term. In addition, if detailed specification information and other inspection results(safety, durability, and ease of use) are used for analysis, it provides a stepping stone for supporting preemptive maintenance decision-making in the long term.

People write reviews of numerous products or services on the Internet, in their blogs or community bulletin boards. These unstructured data contain important emotions and opinions about the author's product or service, which can provide important information for future product design or marketing. However, this text-based information cannot be evaluated quantitatively, and thus they are difficult to apply to mathematical models or optimization problems for product design and improvement. Therefore, this study proposes a method to quantitatively extract user’s opinion or preference about a specific product or service by utilizing a lot of text-based information existing on the Internet or online. The extracted unstructured text information is decomposed into basic unit words, and positive rate is evaluated by using existing emotional dictionaries and additional lists proposed in this study. This can be a way to effectively utilize unstructured text data, which is being generated and stored in vast quantities, in product or service design. Finally, to verify the effectiveness of the proposed method, a case study was conducted using movie review data retrieved from a portal website. By comparing the positive rates calculated by the proposed framework with user ratings for movies, a guideline on text mining based evaluation of unstructured data is provided.

빅데이터 분석을 통한 기업 경영환경에 대한 이해와 통찰을 구하고자 하는 요구가 산업 및 기업 경영 전반에 증가하고 있다. 이러한 사회적 요구에 따라 산업의 이해와 기업 경영의 이해를 위하여 기업의 경영실적 및 향후 계획을 포괄적으로 담고 있는 기업공시정보를 활용한 연구가 주목을 받고 있다. 이러한 기업공시정보는 대표적인 비정형 데이터로써 텍스트마이닝 방법론을 적용하여 그 범위와 수준에 대한 다양한 접근을 통하여 산업 수준 및 기업 수준에서 다양한 활용이 가능하다. 그러나 아직은 이러한 기업공시자료를 활용한 산업 및 기업 레벨에서 적용가능한 수준의 분석모델이 부족한 것으로 파악된다. 따라서 본 연구에서는 실제 활용 가능한 공개데이터를 활용한 산업 및 기업 수준의 분석모델을 제안하고자 한다. 미국상장기업의 공시자료인 미국 SEC EDGAR 자료를 기반으로 텍스트마이닝 알고리즘을 적용하여 산업 및 기업 수준의 경영주제(토픽)에 대한 추이분석이 가능한 모델을 제안하고자한다. SEC EDGAR의 10-K 문서를 대상으로 LDA 토픽 모델링을 통하여 산업 수준에서 전체 산업의 주제분야 분류를 파악하였고, 산업간 비교 측면에서 소프트웨어 산업과 하드웨어 산업 분야의 사례를 통해 최근 20년간의 토픽추이를 비교분석 하였다. 또한 최근 20년간의 기업의 경영주제 변화를 소프트웨어 산업에 속한 2개 기업을 중심으로 살펴보았다. 이를 통해 산업 및 기업 수준에서의 경영주제의 추이 변화를 파악하여 쇠퇴 및 성장 추세에 있는 경영주제를 확인 할 수 있었다. 한편 word2vec 워드 임베딩 모델과 주성분분석을 통한 차원 축약을 통해 소프트웨어 산업분야의 기업 및 특정 제품(혹은 서비스)에 대한 매핑을 통해 유사한 경영주제(토픽)를 가지는 기업 및 제품(서비스)을 사례를 통해 파악하였으며, 이를 시간적 흐름에 따른 변화 양상도 관찰할 수 있었다. 본 연구의 목적이 공개데이터를 활용한 산업 및 기업 수준의 분석모델을 개발하기 위한 방법론을 제안한 측면에서, 해외 데이터를 사용하여 산업의 경영주제 변화 추이, 기업의 경영주제 변화 추이를 거시적으로 조망할 수 있는 실무적인 방법론의 제안에서 의의가 있을 수 있다. 한편 기업의 기술경영전략 측면에서 기업의 경영토픽의 잦은 변화, 경영주제의 변화의 속도 등 다양한 변화 양상의 차이에 따른 기업의 매출 등의 경영성과와의 연관성 분석, 실제 기업의 제품포트폴리오의 구성에 따른 기업 간의 경쟁상황 등을 파악하는 미시적 모델 제안을 위한 추가 연구가 요구된다.

최근 들어 VR 산업의 성장을 위한 양질의 VR 콘텐츠에 대한 필요성이 꾸준히 제기되고 있다. 이에 본 연구는 VR 콘텐츠 중에서 가장 큰 주목을 받고 있는 VR 게임의 사용자의 관심요소에 대해 연구하였다. 연구 수행을 위해 스팀(STEAM)의 사용자 리뷰 데이터를 활용하였고 리뷰 데이터에 텍스트마이닝과 네트워크 분석을 적용한 결과 VR 게임 사용자의 관심요소는 '현존감', '1인칭 시점 게임', '청각적 요소', '상호작용' 으로 확인되었다. 본 연구는 양질의 VR 게임 개발을 위한 사용자 관점의 연구를 수행하고 사용자 관점의 연구를 리뷰을 통해 시도한 초기 연구라는 것에 대해 그 의의가 있다.