KR20170025454A - 소셜 미디어 데이터의 시공간 분석 시스템 및 방법 - Google Patents

Abstract

소셜 미디어 데이터의 시공간 분석 시스템 및 방법이 개시된다.
소셜 미디어 데이터의 시공간 분석 시스템은 소셜 미디어 데이터를 수집하는 데이터 수집부, 소셜 미디어의 텍스트 부분에 대하여 단어들을 추출하고 주제 카테고리 별로 분류하는 텍스트 분석부, 소셜 미디어의 위치정보와 장소명 정보를 활용하여 점데이터로 변환하는 공간자료 변환부, 특정 주제 카테고리에 따라 추출된 소셜 미디어 데이터에 대하여 시공간 클러스터링 분석과 핫스팟 분석, 여타 자료와의 상관성 분석을 적용시키는 시공간 분석부, 시공간 분석 결과(클러스터링, 핫스팟 등)를 배경지도 위에 시각화시키는 분석결과 표시부를 포함할 수 있다.

Description

소셜 미디어 데이터의 시공간 분석 시스템 및 방법{SYSTEM AND METHOD FOR SPACE-TIME ANALYSIS OF SOCIAL MEDIA DATA}

본 발명은 소셜 미디어 데이터의 텍스트 정보와 위치 정보, 시간 정보를 이용하여 다양한 주제 카테고리 별로 분류하고 시공간적 클러스터와 핫스팟을 탐지하고 기존 자료와의 상관성을 분석하는 시스템에 관한 것으로, 텍스트 마이닝을 통해 특정 주제와 관련된 소셜 미디어 객체들만을 추출한 후, 시공간 분석 기법을 통해 추출된 소셜 미디어 객체들의 시공간적 분포 특성을 파악하는 시스템에 관한 것이다.

트위터, 페이스북, 구글 트랜드, 블로그, 까페, 신문기사 등 소셜 미디어 데이터는 공통적으로 특정한 사건에 대한 텍스트 형식의 내용과 위치 관련 정보, 작성 시간에 대한 정보 등을 담고 있다. 이러한 소셜 미디어 데이터를 활용하기 위해서는 기본적으로 특정 주제에 해당하는, 또는 관련되어 있는 텍스트를 담고 있는 객체들만을 추출하는 텍스트 마이닝 과정, 그리고 그러한 객체들이 공간적으로 분포하고 있는 특성을 분석하는 공간 분석 과정이 요구된다. 텍스트 마이닝 과정은 일반적으로 단어들을 추출하는 형태소 분석, 단어들의 문서내 출현 빈도수를 계산하여 상대적 중요도를 산출하는 과정 등으로 구성되어 있다. 공간 분석 과정을 일반적으로 공간 자료 간의 중첩 분석, 버퍼(Buffer) 분석, 내삽(Interpolation), 공간적 클러스터링, 핫스팟 분석, 공간적 상관성/연관성 분석 등으로 구성되어 있다.

종래의 소셜 미디어 데이터 분석 및 활용기술은 일반적으로 소셜 미디어에 포함된 텍스트 부분을 분석해서 특정 주제 분야 또는 감정관련 키워드가 출현하는 빈도를 계산하거나 이에 대한 시계열적 추이를 살피는 기술이 주를 이루고 있다. 또한, 소셜 미디어의 네트워크 관계 속성을 이용하여 네트워크 분석을 통해 사람과 사람간의 연결관계 특성을 파악하는 기술이 주를 이루고 있다. 그러나, 소셜 미디어에서 담고 있는 위치정보 또는 장소와 관련된 정보에 대한 추출 및 시공간적 분포 패턴의 분석 기술은 상당히 유용한 정보를 제공해 줄 수 있음에도 불구하고 아직 개발이 미진한 측면이 있다. 즉, 어떤 특정 시간대에 어떤 특정 위치에서 특정한 메시지가 소셜 미디어 상에 표현되는가에 대한 정보를 파악하기 위해서는 소셜 미디어가 담고 있는 텍스트 정보뿐만 아니라 위치 및 장소 정보, 시간적 정보까지 동시에 분석할 수 있는 분석 프로세스 정립이 필요하다. 그리고 이를 위해서는 소셜 미디어 데이터의 공간자료 변환 기법과 시공간 분석 기법, 지도 상에 분석결과를 시각화하는 기법 등이 필요하다.

본 발명은 종래의 소셜 미디어 분석 기술에 있어서 텍스트 정보와 위치 정보, 시간 정보를 동시에 분석하지 못하는 문제점을 해결하기 위해 텍스트 마이닝 기법과 공간자료 변환 기법, 시공간 분석 기법, 그리고 분석결과를 배경지도상에 시각화하는 기능을 포함하는 분석 시스템을 개발하는데 목적이 있다.

본 발명의 일실시예에 따른 소셜 미디어 데이터의 시공간 분석 시스템은 소셜 미디어 데이터를 수집하는 데이터 수집부, 소셜 미디어의 텍스트 부분에 대하여 단어들을 추출하고 주제 카테고리 별로 분류하는 텍스트 분석부, 소셜 미디어의 위치정보와 장소명 정보를 활용하여 점데이터로 변환하는 공간자료 변환부, 특정 주제 카테고리에 따라 추출된 소셜 미디어 데이터에 대하여 시공간 클러스터링 분석과 핫스팟 분석, 여타 자료와의 상관성 분석을 적용시키는 시공간 분석부, 시공간 분석 결과(클러스터링, 핫스팟 등)를 배경지도 위에 시각화시키는 분석결과 표시부를 포함할 수 있다.

본 발명을 통해 트위터, 페이스북, 구글 트랜드, 블로그, 신문기사 등 다양한 형태의 소셜 미디어 데이터로부터 특정한 주제 분야의 메시지가 포함된 데이터들만을 추출해서 시공간적인 분포 패턴을 보다 쉽고 정확하게 파악할 수 있는 효과가 있다. 또한, 이를 통해 소셜 미디어 상에서 특정한 주제 분야의 메시지들이 언제, 어디에서 주로 나타나는지에 대한 경향을 종합적으로 분석할 수 있는 효과가 있다.

부수적으로는 이러한 종합적인 소셜 미디어 분석을 통해 특정 키워드와 관련된 메시지들의 시공간적인 분포 패턴을 파악함으로써 국가 정책의 파급효과 또는 기업의 제품 마케팅 효과에 대한 분석을 보다 효과적으로 수행할 수 있다.

도 1은 본 발명의 일실시예에 따른 소셜 미디어 데이터의 시공간 분석 시스템이다.
도 2는 본 발명의 일실시예에 따른 소셜 미디어 데이터의 시공간 분석 시스템의 서버군의 구조이다.
도 3은 본 발명의 일실시예에 따른 소셜 미디어 데이터의 시공간 분석 시스템의 텍스트 분석부의 구조이다.
도 4는 본 발명의 일실시예에 따른 소셜 미디어 데이터의 시공간 분석 시스템의 공간자료 변환부의 동작을 나타내는 플로우차트이다.
도 5는 본 발명의 일실시예에 따른 소셜 미디어 데이터의 시공간 분석 시스템의 시공간 분석부의 구조이다.
도 6은 본 발명의 일실시예에 따른 소셜 미디어 데이터의 시공간 분석 시스템에서 적용한 발명 흐름도이다.
도 7은 트윗 데이터와 시군구 행정구역경계, 및 격자망 데이터셋을 크기별로 중첩시킨 결과의 일례이다.
도 8은 주택매매가격지수의 격자화된 데이터의 공간적 분포의 일례이다.
도 9는 주택전세가격지수의 격자화된 데이터의 공간적 분포의 일례이다.
도 10은 격자화된 트윗 데이터에 대한 Hotspot 분석 결과의 일례이다.
도 11은 격자화된 주택매매가격지수 데이터에 대한 Hotspot 분석 결과의 일례이다.
도 12는 격자화된 주택전세가격지수 데이터에 대한 Hotspot 분석 결과의 일례이다.
도 13은 본 발명의 일실시예에 따른 소셜 미디어 데이터의 시공간 분석 시스템에서 적용한 발명 흐름도이다.
도 14는 서울시 강남구를 중심으로 한 영역에 분포된 트윗 데이터의 일례이다.
도 15는 도 14의 트윗 데이터가 음식 카테고리로 재분류된 결과의 일례이다.
도 16은 도 14의 트윗 데이터가 엔터테인먼트 카테고리로 재분류된 결과의 일례이다.
도 17은 도 14의 트윗 데이터가 업무 및 공부 카테고리로 재분류된 결과의 일례이다.
도 18은 음식 카테고리에 대하여 도 14의 트윗 데이터에 클러스터링을 적용한 결과의 일례이다.
도 19는 엔터테인먼트 카테고리에 대하여 도 14의 트윗 데이터에 클러스터링을 적용한 결과의 일례이다.
도 20은 업무 및 공부 카테고리에 대하여 도 14의 트윗 데이터에 클러스터링을 적용한 결과의 일례이다.

이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

본 발명의 구성은 다음과 같다.

본 발명은 소셜 미디어 데이터의 텍스트 정보와 위치 정보를 이용하여 다양한 주제 카테고리 별로 분류하고 공간적 클러스터와 핫스팟을 탐지하는 시스템에 관한 것으로, (a) 소셜 미디어 데이터를 수집하는 데이터 수집부, (b) 소셜 미디어의 텍스트 부분에 대하여 단어들을 추출하고 주제 카테고리 별로 분류하는 텍스트 분석부, (c) 소셜 미디어의 위치정보와 장소명 정보를 활용하여 점데이터로 변환하는 공간자료 변환부, (d) 특정 주제 카테고리에 따라 추출된 소셜 미디어 데이터에 대하여 시공간 클러스터링 분석과 핫스팟 분석, 여타 자료와의 상관성 분석을 적용시키는 시공간 분석부, (e) 시공간 분석 결과(클러스터링, 핫스팟 등)를 배경지도 위에 시각화시키는 분석결과 표시부로 구성됨으로써 원하는 주제 카테고리에 해당하는 텍스트 정보에 포함하고 있는 소셜 미디어 데이터를 자동으로 추출하고 시공간적 분포 특성을 살펴보는 과정을 자동으로 수행할 수 있고, 자료의 분석비용과 시간의 절감 효과를 기대할 수 있다.

이때, 서버군은 도 2와 같은 구조로 구성될 수 있다. 또한, 텍스트 분석부는 도 3과 같은 구조로 구성될 수 있다. 그리고, 공간자료 변환부는 도 4와 같은 플로우차트에 따라 동작할 수 있다. 또한, 시공간 분석부는 도 5와 같은 구조로 구성될 수 있다.

본 발명은 소셜 미디어를 활용하는 모든 분야에서 활용이 가능하며 특히 국가기관이나 공공기관에서 정책 홍보 및 모니터링, 민간 기업에서 특정 제품이나 서비스에 대한 마케팅, 음식점이나 상점에서의 소셜 미디어를 활용한 마케팅 등의 분야에서 활용이 가능하다.

본 기술은 소셜 미디어 분야뿐만 아니라 소셜 미디어와 같이 텍스트 정보와 위치 관련 정보, 시간 관련 정보를 담고 있는 유사한 형태의 정보 서비스 분야에서도 활용이 가능하다.

본 발명의 대상 데이터는 지오태그 정보를 포함하고 있는 트윗(Tweet) 데이터를 주요 대상 데이터로 하였고 부동산 가격 정보로는 행정구역(시군구) 단위의 주택가격지수(매매지수, 전세지수)를 보조 데이터로 하였다. 두 대상 데이터의 시간적 범위는 2013년 8월 한 달 간 수집된 자료로 한정하였고 공간적 범위는 서울특별시를 중심으로 하여 일산, 분당, 과천 등 주요 신도시들을 포함하는 수도권으로 하였다.

위치기반 소셜 미디어 정보와 부동산 가격 정보와의 공간적 관련성을 분석하기 위한 방법론으로 본 발명에서는 두 자료의 격자 자료화(Rasterization)를 통한 데이터 통합, 각 대상 데이터의 공간적 분포를 시각적으로 확인하기 위한 Hotspot 분석, 그리고 공간시차를 고려한 상관계수 분석으로 구성된 일련의 방법론을 도 6과 같이 적용해 보았다.

본 발명의 대상 데이터는 소셜 미디어 데이터와 부동산 가격지수 데이터이다. 먼저, 소셜 미디어 데이터로는 지오태그 정보를 포함하고 있는 트윗 데이터를 주요 대상 데이터로 하였다. 트윗 데이터는 2013년 8월 한 달간 수집된 자료로 한정하였고 공간적 범위는 서울특별시를 중심으로 하여 일산, 분당, 과천 등 주요 신도시들을 포함하는 수도권으로 하였다. 즉, 트윗 데이터의 위치값에 대하여 사각형 형태의 공간질의(Spatial Query)를 적용하였는데, 범위는 좌상단 (176778.7, 472112.8), 우하단 (218778.7, 432112.8)으로 하였다.

부동산 가격 정보로는 한국감정원에서 구축, 제공하고 있는 행정구역(시군구) 단위의 주택가격지수(매매지수, 전세지수)를 보조 대상 데이터로 하였으며, 시간적 범위는 2013년 8월로 한정하고 공간적 범위는 트윗 데이터의 수집범위에 맞게 서울특별시(25개 구), 인천광역시(계양구, 부평구, 남동구의 3개 구), 경기도(고양시, 부천시, 안양시, 성남시 등) 일부지역을 포함하여 총 51개 시군구에 대한 주택가격지수를 수집하였다.

1. 데이터 공간자료화

본 발명에서는 위치 태그를 가진 트윗 데이터를 수집하기 위해, 트위터 공개 API를 활용하여 위치 태그를 가진 트윗 데이터 중 대상 범위 내에 포함되는 트윗 데이터만을 자동으로 추출하였다.

이때, 키워드 필터링을 적용하였는데, 부동산 관련 키워드(부동산, 주택가격, 집값, 아파트 시세, 실거래가, 주택매매, 전세, 월세, 아파트 분양, 양도소득세 등)를 포함한 트윗 데이터들을 필터링하였다. 총 193,831개의 트윗 데이터 중 키워드 필터링을 통해 250개 데이터가 추출되었다. 트윗 데이터 지오태그 상의 위치정보는 경위도 좌표로 되어 있어 좌표변환을 통해 경위도 좌표를 TM(Transverse Mercator)좌표체계로 변환하였으며, 이를 위해 국토지리정보원의 NGIpro(Ver. 2.53) 소프트웨어를 활용하였다.

다음으로, 주택가격지수(매매지수, 전세지수) 데이터는 행정경계(시군구) 폴리곤 데이터를 활용하여 공간조인(Spatial Join)을 통해 공간자료화 하였다.

2. 격자 데이터화(Rasterization)

트윗 데이터와 주택가격지수 데이터는 각각 포인트 데이터와 폴리곤 데이터 형태이기 때문에 데이터의 형식에도 차이가 있지만 공간적 세밀도에서도 차이를 보인다. 이러한 데이터 차이가 있어 두 데이터의 공간적 분포를 비교하기 위해서는 통합된 형태의 데이터를 구축할 필요가 있다(Liao et al. 2010).

이에 본 발명에서는 격자 데이터셋 형태로 두 데이터를 변환시킴으로써 공간적 분포의 비교분석과 공간적 상관성 분석을 보다 용이하게 하고자 하였다.

격자형 데이터셋의 구축을 위해 우선, ArcMap Toolbox 중 'Create Fishnet' 기능을 적용하여 격자망 데이터를 생성하였다. 격자망 데이터셋의 범위는 트윗 데이터를 추출한 범위와 동일하게 설정하였다.

적절한 격자의 크기를 도출하는데 있어서, 일반적인 방격분석(Quadrat Analysis)에서 사용하는 점 자료 수 대비 대 상면적 비율, 대상지역 내 시군구 최소면적 등을 종합적으로 고려하여 2km×2km 격자크기를 적용하였다(Yu, 1998).

이러한 격자망 데이터셋에 트윗 데이터를 중첩시켜 각 격자 내에 포함된 트윗 데이터의 개수를 세어 격자의 속성정보로 입력하였다. 주택가격지수 역시 격자망 데이터셋과 중첩하여 각 격자에 대한 가격지수를 재계산 하여 입력하였다.

이때 한 격자 내에 다수의 행정경계 폴리곤이 만날 경우에는 각 폴리곤의 격자 내 포함 비율을 계산하여 면적 비율을 가중치로 한 주택가격지수의 가중평균합을 구하였다(Shin, 2004; Jung et al.,2009).

3. Hotspot 분석

본 발명에서는 소셜 미디어인 트윗 데이터와 주택가격지수 데이터의 전반적인 공간적 분포를 비교하기 위해 Hotspot 분석을 실시하였다. Hotspot 분석은 데이터 셋의 각 사상(Feature)에 대해 Getis-Ord Gi* 통계량을 계산하고 z값과 p값을 이용하여 높은 값 혹은 낮은 값의 사상이 공간적으로 군집을 이루는지를 탐색해준다(Kim and Park, 2013).

본 발명에서는 ArcMapToolbox 중, 'Hotspot Analysis' 도구를 이용하여 격자화된 트윗 데이터와 주택가격지수 데이터 각각에 대한 국지적 공간 클러스터링을 탐색하여 시각적으로 비교하였다.

4. 공간적 상관성 분석

공간적 상관성 분석은 트윗 데이터와 주택가격지수 데이터의 공간적인 분포 패턴이 어느 정도의 유사성 또는 상관성을 가지는지를 수치적으로 파악하기 위한 과정이다. 이를 위해 본 발명에서는 이변량 공간 상관성 측도로, 공간시차를 적용한 피어슨 상관계수를 적용하였다(Lee, 2001).

이 상관계수는 일반적인 상관분석에서 쓰이는 피어슨 상관계수에 공간시차(Spatial Lag)를 적용한 것으로, 여기서 공간시차란 공간가중치 행렬(Spatial Weight Matrix)에 의해 정의된 이웃들의 가중 평균합이다. 트윗 데이터와 주택가격지수의 격자 데이터에 대하여 수학식 1과 같이 공간적 상관계수(Spatial Correlation Coefficient, SCC)를 계산하였다(Lee,2014).

여기서 SCC_AB는 A, B 데이터 간의 공간적 상관계수, i는 각 격자, n은 격자의 개수,

는 i번째 격자에서 A 데이터의 공간시차에 의한 격자값,

는 i번째 격자에서 B 데이터의 공간시차에 의한 값이다. 이에 대한 결과값은 -1과 1사이의 범위를 갖게 되며, 양수는 양의 상관성, 음수는 음의 상관성을 나타내고 절대값이 클수록 상관성의 정도가 크다는 것을 나타낸다(Lee,2014).

5. 데이터 격자화 및 통합

도 7는 트윗 데이터와 시군구 행정구역경계, 그리고 격자망 데이터셋을 크기별로 중첩시킨 결과를 나타낸다.

도 8, 도 9는 각각 주택매매가격지수와 주택전세가격지수의 격자화된 데이터의 공간적 분포를 나타낸다.

도 8에 따르면 주택매매가격지수의 경우 과천시 지역이 높은 값을 나타내고 있으며, 파주시와 고양시 일산동구, 양주시 지역 등이 낮은 값을 나타내고 있다. 또한, 도 9에 따르면 주택전세가격지수의 경우 과천시와 의왕시 지역이 높은 값을 나타내고 있으며, 고양시 덕양구, 양주시, 성남시 수정구, 종로구 등 지역이 낮은 값을 나타내고 있다.

6. Hotspot 분석 결과

도 10, 도 11, 및 도 12는 각각 격자화한 트윗 데이터와 주택가격지수 데이터에 대한 Hotspot 분석 결과를 나타낸다.

도 10, 도 11, 및 도 12를 통해 세 데이터에 대한 Hotspot 지역과 Coldspot 지역을 비교 분석해본 결과는 다음과 같다.

트윗 데이터에 대한 Hotspot 지역은 마포구와 서대문구, 강북구, 서초구 등 지역에서 탐색되었다. 주택매매가격지수 데이터에 대한 Hotspot 지역은 과천시를 중심으로 하여 관악구, 서초구, 성남시 중원구 등의 지역에서 가장 두드러지게 나타났으며, 부천시 지역에서도 약한 Hotspot 지역이 탐색되었다. 고양시 지역은 전체적으로 Coldspot 지역으로 탐색되었다.

주택전세가격지수 데이터에 대한 Hotspot 지역은 매매가격지수와 마찬가지로 과천시가 강한 Hotspot 지역으로 나타났으며, 안양시 동안구까지 Hotspot 지역이 나타났다.

결과적으로, 서초구는 트윗 데이터와 주택매매가격지수 데이터에서 공통적인 Hotspot 지역으로 나타났으며, 주택전세지수 데이터와 트윗 데이터 간에는 뚜렷한 공간적 상관성이 나타나지 않았다.

7. 공간적 상관성 분석 결과

트윗 데이터와 주택가격지수 데이터의 공간적 상관성을 분석하기 위해 격자화된 트윗 데이터와 매매지수, 전세지수 데이터 간의 SCC를 측정하였다. 표1은 측정된 SCC값을 정리한 표이다.

표 1에 따르면 전체적으로 주택가격지수 데이터의 공간적 분포는 트윗 데이터의 공간적 분포와 음의 상관성을 띄는 것을 확인할 수 있고 특히 주택전세가격지수보다는 주택매매가격지수가 음의 상관성이 더 뚜렷한 것으로 나타났다.

이것은 주택가격지수의 공간적 분포를 설명하는데 있어서 트윗 데이터를 활용하였을 때, 일부 지역에 대해서는 유사한 분포를 탐지할 수 있으나 전체적인 경향을 비교하였을 때에는 상관성이 높지 않은 것으로 해석할 수 있다. 따라서 소셜 미디어 데이터를 활용하여 주택가격지수의 패턴을 분석, 예측하기 위해서는 보다 다양한 요소를 고려할 필요가 있을 것으로 판단된다.

도 13은 본 발명의 일실시예에 따른 소셜 미디어 데이터의 시공간 분석 시스템에서 적용한 발명 흐름도이다.

도 13은 도 6과는 다른 발명을 적용한 실시예의 발명 흐름도이다.

이때, 본 발명에서는 위치기반 소셜미디어 데이터로부터 중요한 키워드들을 텍스트 마이닝 기법을 통해 추출하고 이를 카테고리화 함으로써 대상지역에 대한 키워드들이 가지는 지역적 의미를 살펴보고자 하였다. 또한, 이들 키워드들의 공간적 분포 패턴을 살펴보고 이를 통해 특정 지역에서 어떤 키워드들이 주로 소셜 미디어 데이터 상에 나타나는지를 파악하고 이러한 분석패턴이 그 지역의 주요한 벤치마크와 어떠한 연관성이있는지 비교할 수 있는 일련의 분석방법론을 적용해보고자 하였다.

본 발명에서는 위치태그를 포함하는 트위터 데이터를 대상으로 하여 서울시 강남지역(강남구, 서초구 등)에 대한 주요 키워드를 추출하고 키워드들을 카테고리화한 후, 각 카테고리에 해당하는 트윗 데이터의 공간적인 분포를 분석하고, 이러한 분포와 그 지역의 주요한 벤치마크 POI(Point of Interest)와 어떠한 연관이 있는지 살펴보고자 하였다.

이를 위하여 본 발명에서는 도 13에 도시된 바와 같이 먼저, 위치태그를 포함한 트윗 데이터들에 대해 텍스트 마이닝을 통해 트윗 데이터에 전체적으로 포함되어 있는 주요 키워드들을 도출하고 이를 '음식', '엔터테인먼트', '업무 및 공부'의 세 개 카테고리로 분류하였으며, 각 카테고리의 키워드들을 포함하는 트윗 데이터들을 그룹화한 후, 각 카테고리별 트윗 데이터 소그룹의 공간적 분포 패턴에 대해 클러스터링을 실시하였다. 클러스터링된 지역을 지도상에 표시한 후, 기존의 건물 및 주요 POI들과 중첩하여 각 클러스터의 지역적 특성과 비교해 보았다.

8. 대상데이터

본 발명에서는 위치기반 소셜미디어 데이터에 대해 경위도 속성정보를 지닌 트윗 데이터를 트위터 서비스에서 자체적으로 제공하는 인터페이스4)를 통해 2013년 8월 한달 간 수집한 데이터5)를 대상으로 하였다.

대상 지역의 공간적 범위는 좌상단 TM좌표와 우하단 TM 좌표를 각각 (198950.9, 448231.7), (209530.1, 441079.0)으로 하는 사각형 범위이다. 이 지역은 서울시 강남구를 중심으로 서초구, 송파구, 용산구, 성동구, 광진구 일부를 포함하는 지역이며, 이 지역은 주거지역, 상업지역, 업무지역 등이 모두 존재하는 지역이다. 대상 데이터인 트윗 데이터의 개수는 총 35,533개이며, 전체적인 분포는 도 14와 같이 번화가 지역(강남역, 신사역, 압구정역, 코엑스, 이태원, 건대입구역, 신천 등)을 중심으로 몰려있는 현상을 발견할 수 있다.

본 발명에서는 트윗 데이터의 텍스트 정보들에 대하여 텍스트 마이닝 기법을 적용함으로써 주요한 키워드를 도출하고 카테고리화하였다. 본 발명에서 적용한 텍스트 마이닝 기법은 발명자가 직접 Java와 Matlab을 통해 구현한 프로그램 코드에 의해 실행되었다.

9. 키워드 추출

본 발명에서 적용한 키워드 추출 프로세스는 다음과 같다. 먼저, 위치 태그된 트윗 데이터들에 대해 코멘트에 해당하는 텍스트 부분만을 모두 추출한 다음, 텍스트에 포함된 모든 단어들을 자연어 처리(Natural Language Processing) 기술을 통해 수집한다. 수집된 단어들에 대해 조사나 동사의 활용형 등을 제거하고 단어의 기본 원형으로 변환한다. 여기서 문장부호, 숫자, 대명사, 일상에서 흔히 사용되는 일반적인 단어들을 제거한다. 이러한 과정을 통해 추출된 단어들에 대해 전체 텍스트 내에서의 출현 빈도를 계산하였다. 아래의 표 2는 단어들 중 가장 출현빈도가 높은 단어순으로 나열한 결과이다.

10. 키워드 카테고리화

9절에서 추출된 키워드들은 여러 가지의 카테고리로 분류할 수 있다. 가장 주요한 카테고리로는 '음식', '엔터테인먼트(유흥, 스포츠, 문화예술, 취미활동등)', '업무 및 공부', '사람', '동물', '날씨 및 기후', '지명', '시간', '이동', '기타 일상행위' 등이 있었다.

이러한 카테고리들 중, '음식', '엔터테인먼트', '업무 및 공부'의 카테고리는 단어의 빈도수가 높은 동시에 지역적 특성을 가장 잘 표현할 수 있는 주요한 카테고리이며, 나머지 카테고리들은 지역적 의미와는 관련성이 높지 않은 일상적인 단어들로 판단된다. 따라서 본 발명에서는 '음식', '엔터테인먼트', '업무 및 공부' 이 세 가지 카테고리만을 분석의 대상으로 선택하였으며, 이들 카테고리에 해당하는 단어들을 재분류하였다. 이러한 카테고리의 분류와 주요 카테고리의 선정은 발명의 목적에 따라 발명자가 달리 적용할 수 있을 것으로 판단된다.

표 3은 본 발명에서 선택한 세 가지 카테고리와 각 카테고리에 포함된 단어들을 나열한 것이다.

11. 공간적 클러스터링 분석

본 발명은 위에서 도출된 세 가지 카테고리 별 키워드들을 포함하는 트윗 데이터들을 재분류하고, 공간적 클러스터링 기법을 적용함으로써 각 카테고리 별 주요 클러스터를 탐지하였다. 트윗 데이터 재분류 및 공간 클러스터링 기법의 구현 및 시각화는 ArcGIS SW (Ver. 10.3)에서 제공하는 분석기능들과 지도 시각화 기능들을 활용하였다.

12. 트윗 데이터 카테고리별 재분류

본 발명은 위의 3장에서 추출된 키워드들을 포함하는 트윗 데이터들을 탐색하여 카테고리별로 트윗 데이터를 재분류하였다. 분류 결과, '음식' 카테고리에 포함된 트윗 데이터는 총 3,781개로 전체 트윗 데이터의 약 10.6%를 차지하였으며, '엔터테인먼트' 카테고리에 포함된 트윗 데이터는 4,425개로 전체의 12.5% 정도를 차지하였다. 또한, '업무 및 공부' 카테고리에 포함된 트윗 데이터는 2,356개로, 전체의 6.6%를 차지하는 것으로 나타났다. 도 15, 도 16 및 도 17은 각각 세 가지 카테고리별로 재분류된 트윗 데이터들을 나타낸다.

카테고리별로 재분류된 트윗 데이터들의 공간적 분포를 살펴보면 전체적으로 약간의 차이가 있음을 발견할 수 있다. '음식' 카테고리의 트윗 데이터들은 주로 이태원, 가로수길, 압구정 로데오거리, 강남역 지역에 집중적으로 분포하고 있으며, '엔터테인먼트' 카테고리의 트윗 데이터들은 주로 코엑스몰, 잠실 종합운동장, 예술의 전당 지역에 집중적으로 분포하고 있다. '업무 및 공부' 카테고리의 트윗 데이터들은 반포 지역에 약간 모여 있는 것 외에는 전체적으로 골고루 분포하고 있었다.

13. 공간적 클러스터링

위에서 재분류된 트윗 데이터들에 대하여 공간적 클러스터링을 실시하였다. 공간적 클러스터링 기법에는 계층적 클러스터링, 비계층적 클러스터링, 밀도 기반의 클러스터링, 격자기반 클러스터링 등 다양한 기법들이 개발되어 왔다(Kang et al., 2004). 본 발명에서는 격자기반 클러스터링 기법을 적용하였는데 클러스터링 과정은 다음과 같다.

첫째, 대상지역을 격자로 나누고 각 격자 내에 포함되는 카테고리별 트윗 데이터의 개수를 구한다. 이때 격자의 크기는 대상지역의 범위(120.5㎢)와 트윗 데이터의 개수(35,533개)를 고려하여 50m로 결정하였다.

둘째, 격자 내 트윗 데이터 개수에 대한 핫스팟 분석을 실시한다.

셋째, 핫스팟 분석결과로부터 신뢰수준 90% 이상의 핫스팟 지역으로 선정된 지역을 잘라낸다.

넷째, 잘라낸 지역에 대해 버퍼를 적용하여 핫스팟 지역에 대한 폴리곤 데이터를 형성한다. 이때 버퍼의 크기는 실험적으로 40m를 적용하였다. 이 40m 수치는 인접한 핫스팟들을 합쳐주는 동시에 두 격자 이상 떨어진 핫스팟은 분리시키는 수준으로 결정되었다.

다섯째, 일정면적 이하의 핫스팟 폴리곤은 제거하였다. 이때 핫스팟 폴리곤의 최소면적 기준은 35,000㎡을 적용하였는데 이 수치는 두개 이하의 격자 그룹으로 구성된 핫스팟을 제거할 수 있는 수준으로 결정되었다.

마지막으로, 격자형태의 핫스팟을 부드러운 곡선으로 변환하기 위해 선형 단순화 기법을 적용하였다. 이때 적용한 선형 단순화 기법은 곡선의 형태보존에 우수한 Bend Simplify 기법(Wang and Muller,1998)이며 임계치는 전체적인 형상을 변형시키지 않는 범위 내에서 핫스팟 폴리곤을 곡선화 할 수 있도록 실험적으로 300m를 적용하였다.

도 18, 도19 및 도 20은 각각 세 가지 카테고리에 대하여 클러스터링을 적용한 결과이다. 클러스터링의 위치를 나타내기 위해 건물 및 도로 중심선과 중첩해서 시각화하였다.

14. 건물 및 벤치마크 POI와 클러스터링 결과 비교

위에서 도출된 각 카테고리별 클러스터링 결과와 해당지역의 건물 및 주요 벤치마크 POI를 비교해본 결과는 아래와 같다.

첫째, '음식' 카테고리에 해당하는 트윗 클러스터는 총 33개이며, 방배역 주변지역, 양재역 주변지역, 매봉역 4번 출구 지역, 도곡동 타워펠리스 인근, 교대역 주변지역, 신반포역 4번 출구 지역, 역삼역 주변, 선릉역,선정릉, 포스코 사거리, 삼성동 코엑스몰을 연결하는 대규모 음식점 지역, 강남역, 교보타워 사거리, 우성아파트 사거리를 연결하는 대규모 상가밀집지역, 잠실운동장 신천역 지역, 잠실 롯데월드, 석촌호수 남쪽, 강남구청역 주변, 신사역과 가로수길, 압구정동, 청담동을 아우르는 대규모 상가지역, 이태원 지역 등의 상가지역과 일치하였다. 그러나 한남 오거리, 르네상스호텔 사거리, 서초3동 사거리, 잠실학원 사거리, 동부간선도로와 올림픽대로 교차지점 등 음식점이 많지 않은 지역과 일치하는 클러스터도 있었다.

둘째, '엔터테인먼트' 카테고리에 해당하는 트윗 클러스터는 총 7개이며, 예술의 전당, 강남역 극장가, 코엑스몰, 잠실운동장과 일치하였으나 문화시설이 없는 신반포역 4번출구 지역과 일치하는 클러스터도 있었다.

셋째, '업무 및 공부' 카테고리에 해당하는 트윗 클러스터는 총 29개로, 양재역 인근 지역, 교대역 주변 지역, 강남구청역 인근지역, 선정릉역 인근 지역, 테헤란로 인근의 고층빌딩 지역, 신사역과 가로수길 인근 지역, 청담동 패션거리, 잠실역 교차로 인근 지역과 같은 업무관련 건물 밀집지역들과 일치하였다. 또한, 방배동 학원거리, 신반포역 인근 학원지역, 예술의 전당 인근지역, 고속터미널 내 대형서점, 개포동 경기여고 주변지역, 압구정 현대아파트 주변지역, 잠실학원 사거리 주변지역 등과 같이 공부에 관련된 지역들과도 일치하였다. 특히 강남역과 교보타워 사거리를 아우르는 클러스터는 업무와 공부 관련 건물이 혼재하는 지역이라고 할 수 있다. 그러나 잠실운동장 주변지역과 같이 업무 또는 공부와 관련이 없는 지역과 일치한 클러스터도 있었다.

본 발명에서는 위치기반 소셜 미디어 데이터로부터 텍스트 정보를 분석함으로써, 주요한 키워드를 도출하고, 이러한 키워드들을 담고 있는 메시지들이 공간적으로 어떻게 분포하고 있는지 살펴보고자 하였다. 이에 대한 결론은 다음과 같다.

1. '음식' 카테고리의 트윗 데이터들로부터 도출한 클러스터는 음식점 밀집지역을 포함하는 대규모 상가지역들과 일치하였다.

2. '엔터테인먼트' 카테고리의 클러스터들은 극장, 공연장, 경기장 등 주요한 문화 및 여가 관련 POI와 일치하였다.

3. '업무 및 공부' 카테고리의 클러스터들은 학원 밀집지역, 사무용 빌딩 밀집지역들과 대부분 일치하는 결과를 나타내었다. 그러나 몇몇의 클러스터들은 실세계의 건물 또는 POI와 일치하지 않는 경우도 있었다.

본 발명은 소셜 미디어 데이터에 대한 텍스트 마이닝과 공간분석 기법을 접목하고 이러한 분석결과와 실제건물 및 POI들과의 관련성을 살펴보았다는 측면에서 의의가 있다고 할 수 있다. 이러한 노력들은 향후 소셜 미디어 데이터를 이용한 다양한 공간 빅데이터 분석 모델을 개발하는 데 활용될 수 있으며, 정책 의사결정 지원 시스템 또는 위치기반 마케팅 분야에 있어서도 유용하게 활용될 수 있을 것으로 예상된다.

이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.

그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.

Claims (1)

1. 소셜 미디어 데이터를 수집하는 데이터 수집부;
   소셜 미디어의 텍스트 부분에 대하여 단어들을 추출하고 주제 카테고리 별로 분류하는 텍스트 분석부;
   소셜 미디어의 위치정보와 장소명 정보를 활용하여 점데이터로 변환하는 공간자료 변환부;
   특정 주제 카테고리에 따라 추출된 소셜 미디어 데이터에 대하여 시공간 클러스터링 분석과 핫스팟 분석, 여타 자료와의 상관성 분석을 적용시키는 시공간 분석부; 및
   시공간 분석 결과(클러스터링, 핫스팟 등)를 배경지도 위에 시각화시키는 분석결과 표시부
   를 포함하는 소셜 미디어 데이터의 시공간 분석 시스템.
   

Images