KR20190047938A - Method and apparatus for collecting and analyzing text data with user interface for data analysis - Google Patents

Method and apparatus for collecting and analyzing text data with user interface for data analysis Download PDF

Info

Publication number
KR20190047938A
KR20190047938A KR1020170142346A KR20170142346A KR20190047938A KR 20190047938 A KR20190047938 A KR 20190047938A KR 1020170142346 A KR1020170142346 A KR 1020170142346A KR 20170142346 A KR20170142346 A KR 20170142346A KR 20190047938 A KR20190047938 A KR 20190047938A
Authority
KR
South Korea
Prior art keywords
word
text data
analysis
article
unit
Prior art date
Application number
KR1020170142346A
Other languages
Korean (ko)
Other versions
KR102023489B1 (en
Inventor
김의직
권정혁
차민기
Original Assignee
한림대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한림대학교 산학협력단 filed Critical 한림대학교 산학협력단
Priority to KR1020170142346A priority Critical patent/KR102023489B1/en
Publication of KR20190047938A publication Critical patent/KR20190047938A/en
Application granted granted Critical
Publication of KR102023489B1 publication Critical patent/KR102023489B1/en

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/951Indexing; Web crawling techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/338Presentation of query results

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

The present invention relates to a method for collecting and analyzing text data, which comprises the following steps: receiving input related to a keyword and period information; calculating the number of articles posted on a web including the keyword on the basis of the keyword and the period information; calculating the number of web pages which can be crawled based on the number of the articles; providing the calculated number of the web pages; receiving an input related to a range of the web pages to be crawled; crawling the web pages including the articles including the keyword within the received range of the web pages; collecting text data of the articles included in the crawled web pages; pre-processing the collected text data on the basis of a preset dictionary-defined word; and performing text data analysis on the basis of a preprocessed result.

Description

데이터 분석을 위한 유저 인터페이스를 포함하는 텍스트 데이터 수집 및 분석 방법 및 장치 {METHOD AND APPARATUS FOR COLLECTING AND ANALYZING TEXT DATA WITH USER INTERFACE FOR DATA ANALYSIS} [0001] METHOD AND APPARATUS FOR COLLECTING AND ANALYZING TEXT DATA WITH USER INTERFACE FOR DATA ANALYSIS [

본원은 데이터 분석을 위한 유저 인터페이스를 포함하는 텍스트 데이터 수집 및 분석 방법 및 장치에 관한 것이다.The present invention relates to a text data collection and analysis method and apparatus including a user interface for data analysis.

최근 민원 분석, 뉴스 큐레이션, 선호도 조사, 추천 등의 지능형 서비스에 대한 수요가 급증하고 있다. 이러한 서비스들은 대부분 필요한 정보를 사용자에게 제공하기 위해 웹 게재기사 또는 게시글에 포함된 텍스트 데이터를 수집하고, 이를 분석한다. Recently, demand for intelligent services such as civil affairs analysis, news curation, preference survey, and recommendation is increasing rapidly. Most of these services collect and analyze textual data contained in web publishing articles or posts to provide users with the necessary information.

예시적으로, 휴대전화, 태블릿 PC, Wi-Fi 등 생활 무선기기 및 무선통신기술이 대중화 되면서, 이들로부터 방출되는 전자파의 인체 유해성에 대한 국민들의 우려가 급증하고 있다. 전 세계적으로 전자파 관련 민원 및 소송 사례가 증가하고 있는 추세이며, 이에 따른 민원의 원인 분석 및 효율적인 대응책 마련이 시급한 실정이다. 그러나, 기존의 전자파 관련 민원 대응방안은 지역적으로 발생하는 민원에 대한 대응만을 고려하거나 전자파에 대한 일반론적인 인체유해성 만을 고려하기 때문에, 현재 사회적으로 이슈가 되고 있는 전자파 관련 민원에 대한 신속한 대응이 어려우며, 적절한 대응방안이 되지 못할 수 있다. 이러한 문제점을 해결하기 위해서는 현재 이슈가 되고 있는 전자파 관련 민원에 대한 내용분석이 반영된 대응책이 필수적으로 마련되어야 한다. 하지만, 기존 민원 분석은 전문가에 의존적이기 때문에 긴 시간이 소요될 수 있으며, 전문가의 숙련도에 따라 정확한 분석결과를 도출해 내지 못 할 수 있다. 때문에, 고조된 국민들의 불안감을 해소하는데 오랜 기간과 많은 비용 및 인력이 소모될 뿐 아니라, 부정확한 분석결과로 인해 민원 대응에 실패할 수도 있다.For example, people's concerns about the human health hazards of electromagnetic waves emitted from mobile phones, tablet PCs, Wi-Fi, and living wireless devices and wireless communication technologies are rapidly increasing. Cases and lawsuits related to electromagnetic waves are increasing worldwide, and it is urgent to analyze the causes of complaints and to provide effective countermeasures. However, the existing countermeasures for civil complaints related to electromagnetic waves are difficult to respond quickly to electromagnetic wave related civil complaints, which are currently a social issue, because only the responses to local complaints are taken into consideration or only the general harmfulness to electromagnetic waves is considered. It may not be a suitable countermeasure. In order to solve these problems, countermeasures that reflect the content analysis of civil affairs related to the current issue should be essential. However, existing civil affairs analysis may take a long time because it depends on the experts, and it may not be possible to derive accurate analysis results according to the proficiency of the experts. As a result, it may take a long time, a lot of money and manpower to solve the anxiety of raised people, and it may fail to respond to complaints due to inaccurate analysis results.

이에, 원활한 지능형 서비스를 제공하기 위해서는 웹에 게재된 다양한 종류의 기사를 실시간으로 분석하고, 텍스트 데이터를 수집하는 웹 크롤링 기술과 수집된 데이터를 분석하는 빅데이터 분석 기술이 필수적으로 요구된다.In order to provide a seamless intelligent service, it is essential to analyze various kinds of articles displayed on the web in real time, to provide web crawling technology for collecting text data, and to provide a big data analysis technique for analyzing collected data.

본원의 배경이 되는 기술은 한국공개특허공보 제2010-0094263(공개일: 2010.08.26)호에 개시되어 있다.The background technology of the present invention is disclosed in Korean Patent Laid-Open Publication No. 2010-0094263 (published on Aug. 26, 2010).

본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 사용자로부터 키워드를 입력받고, 웹 크롤링을 이용하여 입력 키워드 관련 인터넷 개제 기사를 수집하고, 입력 키워드 관련 텍스트 데이터 분석을 수행하며, 수집된 기사 및 분석결과를 저장 및 출력할 수 있는 데이터베이스를 포함하는 텍스트 데이터 수집 및 분석 방법을 제공하고자 한다. The present invention has been made to solve the above-mentioned problems of the conventional art, and it is an object of the present invention to provide a method and apparatus for receiving a keyword from a user, collecting articles on internet related to input keywords using web crawling, And to provide a method of collecting and analyzing text data including a database capable of storing and outputting analysis results.

또한, 본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 사용자로부터 입력받은 키워드에 기반하여 키워드 텍스트 데이터 수집 및 분석 결과를 다양한 형태로 시각화하여 사용자에게 제공할 수 있는 텍스트 데이터 수집 및 분석 방법을 제공하고자 한다. According to another aspect of the present invention, there is provided a text data collecting and analyzing method for visualizing a keyword text data collection and analysis result in various forms and providing the same to a user based on a keyword input from a user, .

또한, 본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 텍스트 데이터 수집 기술과 데이터 분석 기술을 모두 고려하는 통합 프레임워크를 제공하고자 한다.It is another object of the present invention to provide an integrated framework that considers both text data collection technology and data analysis technology.

다만, 본원의 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들도 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.It should be understood, however, that the technical scope of the embodiments of the present invention is not limited to the above-described technical problems, and other technical problems may exist.

상기한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본원의 일 실시예에 따르면, 텍스트 데이터 수집 및 분석 방법은, 키워드 및 기간 정보에 관한 입력을 수신하는 단계. 상기 키워드 및 상기 기간 정보에 기초하여 상기 키워드를 포함하는 웹에 게재된 기사의 수를 계산하는 단계, 상기 기사의 수에 기초하여 크롤링 가능한 웹 페이지의 수를 계산하는 단계, 상기 계산된 웹 페이지 수를 제공하는 단계, 크롤링을 수행할 웹 페이지의 범위에 관한 입력을 수신하는 단계, 입력 받은 웹 페이지의 범위 내에서 상기 키워드를 포함하는 기사가 포함된 웹 페이지를 크롤링(crawling)하는 단계, 상기 크롤링된 웹 페이지에 포함된 기사의 텍스트 데이터를 수집하는 단계, 상기 수집한 텍스트 데이터에 대하여 미리 설정된 사전 정의 단어에 기초하여 전처리하는 단계 및 상기 전처리된 결과에 기초하여 텍스트 데이터 분석을 수행하는 단계를 포함할 수 있다. According to one embodiment of the present invention, a method for collecting and analyzing text data includes receiving input regarding keyword and period information. Calculating the number of articles displayed on the web including the keyword based on the keyword and the period information, calculating the number of crawlable web pages based on the number of articles, Receiving an input relating to a range of a web page to be crawled, crawling a web page including an article containing the keyword within the range of the input web page, Collecting text data of an article included in the web page, pre-processing based on a predefined word set for the collected text data, and performing text data analysis based on the pre-processed result can do.

본원의 일 실시예에 따르면, 상기 기간 정보는 기사의 게재 기간일 수 있다. According to one embodiment of the present invention, the period information may be a publication period of an article.

본원의 일 실시예에 따르면, 크롤링된 웹 페이지에 포함된 기사의 텍스트 데이터를 수집하는 단계는 입력 받은 웹 페이지의 범위 내에서 상기 웹 페이지의 크롤링이 반복하여 수행될 수 있다. According to an embodiment of the present invention, the step of collecting text data of an article included in the crawled web page can be performed by repeatedly crawling the web page within the range of the inputted web page.

본원의 일 실시예에 따르면, 상기 전처리하는 단계는, 상기 미리 설정된 사전 정의 단어에 관한 입력을 수신하는 단계, 상기 미리 설정된 사전 정의 단어를 포함하는 기사와 상기 미리 설정된 사전 정의 단어를 포함하지 않는 기사를 분류하는 단계 및 상기 미리 설정된 사전 정의 단어를 포함하는 기사의 텍스트 데이터 중에서 미리 설정된 제거 텍스트 요소를 제거하는 단계를 포함할 수 있다. According to one embodiment of the present application, the preprocessing step includes the steps of: receiving an input relating to the predefined predefined word; comparing an article containing the predefined predefined word with an article that does not include the predefined predefined word And removing the predetermined removed text element from the text data of the article including the predetermined predefined word.

본원의 일 실시예에 따르면, 텍스트 데이터 수집 및 분석 방법은, 단어 빈도수 순위에 관한 입력을 수신하는 단계 및 상기 전처리된 텍스트 데이터에 기초하여 텍스트 데이터 분석에 사용될 기반 데이터 셋트를 형성하는 단계를 더 포함하고, 상기 기반 데이터 셋트는 상기 전처리된 텍스트 데이터에 포함된 체언 집합, 상기 체언 집합에 포함된 단어 중에서 상기 단어 빈도수 순위 이내의 빈발 단어 집합 및 각 기사의 빈발 단어 포함 여부에 관한 정보인 매트릭스 데이터 셋트를 포함할 수 있다. According to one embodiment of the present application, a method for collecting and analyzing text data further comprises receiving an input regarding a word frequency ranking and forming a base data set to be used for text data analysis based on the preprocessed text data Wherein the base data set includes a cognate set included in the preprocessed text data, a frequent word set within the word frequency rank among the words included in the cognate set, and a matrix data set . ≪ / RTI >

본원의 일 실시예에 따르면, 상기 텍스트 데이터 분석을 수행하는 단계는 기사에서 사용된 단어들의 빈도수 분석 및 기사 내 단어들 간의 연관규칙 분석을 포함할 수 있다. According to one embodiment of the present invention, the step of performing the text data analysis may include analyzing the frequency of the words used in the article and analyzing association rules between words in the article.

본원의 일 실시예에 따르면, 상기 텍스트 데이터 분석을 수행하는 단계는, 상기 매트릭스 데이터 셋트 내의 빈발 단어들로 만들 수 있는 단어 조합을 포함하는 제1단어 집합을 결정하는 단계, 상기 빈발 단어 집합 중 적어도 하나의 단어를 포함하는 제2단어 집합에 관한 입력을 수신하는 단계 및 상기 제1단어 집합에 포함된 단어 조합이 기사에 포함되면 상기 제2단어 집합에 포함된 단어도 기사에 포함되는지에 관한 연관규칙을 결정하는 단계를 포함할 수 있다. According to one embodiment of the present disclosure, the step of performing the text data analysis comprises the steps of: determining a first word set that includes word combinations that can be made up of frequent words in the matrix data set, Comprising the steps of: receiving an input relating to a second set of words comprising a word; and, if the word combination contained in the first set of words is included in an article, And determining a rule.

본원의 일 실시예에 따르면, 상기 텍스트 데이터 분석을 수행하는 단계는, 상기 연관규칙에 관한 최소 지지도 및 최소 신뢰도에 관한 입력을 수신하는 단계 및 상기 결정된 연관규칙 중 상기 최소 지지도 및 최소 신뢰도 이상의 지지도 및 신뢰도를 가지는 연관규칙에 관한 분석 결과를 출력하는 단계를 더 포함할 수 있다. According to one embodiment of the present application, the step of performing the text data analysis may include receiving an input regarding minimum support and minimum reliability for the association rule, and receiving support for at least the minimum support and minimum reliability among the determined association rules. And outputting an analysis result of the association rule having reliability.

본원의 일 실시예에 따르면, 상기 텍스트 데이터 분석을 수행하는 단계는, 최소 빈도수에 관한 입력을 수신하는 단계 및 상기 체언 집합에 포함된 단어 중에서 상기 최소 빈도수 이상의 단어를 결정하여 빈도수 분석을 수행하는 단계를 포함할 수 있다. According to an embodiment of the present invention, the step of performing the text data analysis may include receiving an input regarding a minimum frequency, performing frequency analysis by determining words of the minimum frequency among the words included in the cognitive sets, . ≪ / RTI >

본원의 일 실시예에 따르면, 텍스트 데이터 수집 및 분석 장치는, 키워드 및 기간 정보에 관한 입력을 수신하고, 크롤링을 수행할 웹 페이지의 범위에 관한 입력을 수신하는 유저 인터페이스부, 상기 키워드 및 상기 기간 정보에 기초하여 상기 키워드를 포함하는 웹에 게재된 기사의 수를 계산하고, 상기 기사의 수에 기초하여 크롤링 가능한 웹 페이지의 수를 계산하고, 상기 계산된 웹 페이지 수를 상기 유저 인터페이스부에 제공하며, 상기 유저 인터페이스부가 입력 받은 웹 페이지의 범위 내에서 상기 키워드를 포함하는 기사가 포함된 웹 페이지를 크롤링(crawling)하는 웹 크롤러부 및 상기 크롤링된 웹 페이지에 포함된 기사의 텍스트 데이터를 수집하고, 상기 수집한 텍스트 데이터에 대하여 미리 설정된 사전 정의 단어에 기초하여 전처리하고, 상기 전처리된 결과에 기초하여 텍스트 데이터 분석을 수행하는 데이터 분석부를 포함할 수 있다. According to one embodiment of the present application, a text data collection and analysis apparatus includes a user interface unit for receiving an input relating to a keyword and period information and receiving an input relating to a range of a web page to be crawled, Calculating the number of articles displayed on the web including the keyword based on the information, calculating the number of crawlable web pages based on the number of articles, providing the calculated number of web pages to the user interface unit A web crawler unit for crawling a web page including an article including the keyword within a range of a web page inputted by the user interface unit and a text data of an article included in the crawled web page is collected , Preprocessing the collected text data on the basis of a predefined word set in advance, And a data analysis unit for analyzing the text data based on the preprocessed result.

본원의 일 실시예에 따르면, 유저 인터페이스부가 수신한 상기 기간 정보는 기사의 게재 기간일 수 있다. According to an embodiment of the present invention, the period information received by the user interface unit may be a publication period of an article.

본원의 일 실시예에 따르면, 상기 웹 크롤러부는 상기 유저 인터페이스부가 입력 받은 웹 페이지의 범위 내에서 상기 웹 페이지의 크롤링이 반복하여 수행할 수 있다. According to an embodiment of the present invention, the web crawler unit can repeatedly perform the crawling of the web page within the range of the web page received by the user interface unit.

본원의 일 실시예에 따르면, 유저 인터페이스부는 상기 미리 설정된 사전 정의 단어에 관한 입력을 수신하고, 상기 데이터 분석부는, 상기 미리 설정된 사전 정의 단어를 포함하는 기사와 상기 미리 설정된 사전 정의 단어를 포함하지 않는 기사를 분류하고 상기 미리 설정된 사전 정의 단어를 포함하는 기사의 텍스트 데이터 중에서 미리 설정된 제거 텍스트 요소를 제거하여, 상기 수집한 텍스트 데이터에 대하여 전처리를 수행하는 전처리부를 포함할 수 있다. According to one embodiment of the present invention, the user interface unit receives an input relating to the predetermined predefined word, and the data analyzing unit includes an article including the predefined predefined word, And a preprocessing unit for classifying articles and eliminating predetermined absent text elements from the text data of the articles including the predetermined dictionary words to perform preprocessing on the collected text data.

본원의 일 실시예에 따르면, 상기 유저 인터페이스부는 단어 빈도수 순위에 관한 입력을 수신하고, 상기 데이터 분석부는, 상기 전처리된 텍스트 데이터에 기초하여 텍스트 데이터 분석에 사용될 기반 데이터 셋트를 형성하는 데이터 형성부를 포함하고, 상기 기반 데이터 셋트는 상기 전처리된 텍스트 데이터에 포함된 체언 집합, 상기 체언 집합에 포함된 단어 중에서 상기 단어 빈도수 순위 이내의 빈발 단어 집합 및 각 기사의 빈발 단어 포함 여부에 관한 정보인 매트릭스 데이터 셋트를 포함할 수 있다. According to an embodiment of the present invention, the user interface unit receives an input regarding a word frequency ranking, and the data analysis unit includes a data forming unit that forms a base data set to be used for text data analysis based on the preprocessed text data Wherein the base data set includes a cognate set included in the preprocessed text data, a frequent word set within the word frequency rank among the words included in the cognate set, and a matrix data set . ≪ / RTI >

본원의 일 실시예에 따르면, 상기 데이터 분석부는, 상기 기반 데이터 셋트에 기초하여 기사에서 사용된 단어들의 빈도수 분석 및 기사 내 단어들 간의 연관규칙 분석을 수행하는 분석부를 포함할 수 있다. According to an embodiment of the present invention, the data analysis unit may include an analysis unit for analyzing frequency of words used in an article based on the base data set and analyzing association rules between words in an article.

본원의 일 실시예에 따르면, 상기 유저 인터페이스부는, 상기 빈발 단어 집합 중 적어도 하나의 단어를 포함하는 제2단어 집합에 관한 입력을 수신하고, 상기 분석부는, 상기 매트릭스 데이터 셋트 내의 빈발 단어들로 만들 수 있는 단어 조합을 포함하는 제1단어 집합을 결정하고, 상기 제1단어 집합에 포함된 단어 조합이 기사에 포함되면 상기 제2단어 집합에 포함된 단어도 기사에 포함되는지에 관한 연관규칙을 결정할 수 있다. According to an embodiment of the present invention, the user interface unit receives an input relating to a second word set including at least one word of the frequent word set, and the analyzing unit generates the frequent words in the matrix data set Determining a first word set including a word combination that can be included in the second word set if the word combination included in the first word set is included in the article, .

본원의 일 실시예에 따르면, 상기 유저 인터페이스부는, 상기 연관규칙에 관한 최소 지지도 및 최소 신뢰도에 관한 입력을 수신하고, 상기 분석부는, 상기 결정된 연관규칙 중 상기 최소 지지도 및 최소 신뢰도 이상의 지지도 및 신뢰도를 가지는 연관규칙에 관한 분석 결과를 출력할 수 있다. According to an embodiment of the present invention, the user interface unit receives an input relating to a minimum support degree and a minimum reliability degree of the association rule, and the analyzing unit compares the support degree and reliability of the minimum support degree and the minimum reliability among the determined association rules You can output the analysis results of association rules.

본원의 일 실시예에 따르면, 상기 유저 인터페이스부는, 최소 빈도수에 관한 입력을 수신하고, 상기 분석부는, 상기 체언 집합에 포함된 단어 중에서 상기 최소 빈도수 이상의 단어를 결정하여 빈도수 분석을 수행할 수 있다. According to an embodiment of the present invention, the user interface unit receives an input relating to a minimum frequency, and the analyzing unit may perform frequency analysis by determining words of the minimum frequency among the words included in the cognitive sets.

본원의 일 실시예에 따르면, 텍스트 데이터 수집 및 분석 시스템은, 텍스트 데이터 수집 및 분석 장치 및 상기 텍스트 데이터 수집 및 분석 장치에 키워드 및 기간 정보에 관한 입력을 제공하고, 상기 텍스트 데이터 수집 및 분석 장치로부터 텍스트 데이터 분석의 결과를 수신하여 출력하는 사용자 단말을 포함할 수 있다. According to one embodiment of the present application, a text data collection and analysis system comprises a text data collection and analysis device and an input for the text data collection and analysis device about keywords and duration information, And a user terminal for receiving and outputting the result of the text data analysis.

상술한 과제 해결 수단은 단지 예시적인 것으로서, 본원을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 추가적인 실시예가 존재할 수 있다.The above-described task solution is merely exemplary and should not be construed as limiting the present disclosure. In addition to the exemplary embodiments described above, there may be additional embodiments in the drawings and the detailed description of the invention.

전술한 본원의 과제 해결 수단에 의하면, 사용자로부터 키워드를 입력받고, 웹 크롤링을 이용하여 입력 키워드 관련 인터넷 개제 기사를 수집하고, 입력 키워드 관련 텍스트 데이터 분석을 수행하며, 수집된 기사 및 분석결과를 저장할 수 있는 데이터베이스를 포함하는 텍스트 데이터 수집 및 분석 방법을 제공할 수 있다.According to an embodiment of the present invention, a keyword is input from a user, an Internet-related article related to an input keyword is collected using a web crawl, a text data analysis related to an input keyword is performed, And providing a text data collection and analysis method that includes a database that can be stored in a database.

또한, 전술한 본원의 과제 해결 수단에 의하면, 사용자로부터 입력받은 키워드에 기반하여 키워드 텍스트 데이터 수집 및 분석 결과를 다양한 형태로 시각화하여 사용자에게 제공할 수 있는 텍스트 데이터 수집 및 분석 방법을 제공할 수 있다. According to the present invention, there is provided a method of collecting and analyzing keyword text data and analyzing results of the keyword text data in various forms and providing the same to a user based on the keyword received from the user .

또한, 전술한 본원의 과제 해결 수단에 의하면, 웹 게제 한글 텍스트 데이터를 수집할 수 있고, 데이터 분석 자동화를 통한 분석 시간 절감 및 텍스트 데이터 수집 및 분석을 통한 통합 프레임워크를 획득할 수 있다. In addition, according to the task resolution means of the present invention, it is possible to collect the Korean text data of the web site, and to obtain the integrated framework through the analysis time reduction through the data analysis automation and the text data collection and analysis.

도 1은 본원의 일 실시예에 따른 텍스트 데이터 수집 및 분석 시스템의 개략적인 구성을 나타낸 도면이다.
도 2는 본원의 일 실시예에 따른 텍스트 데이터 수집 및 분석 장치의 개략적인 구성을 나타낸 블록도이다.
도3은 본원의 일 실시예에 따른 텍스트 데이터 수집 및 분석 방법을 개략적으로 나타낸 흐름도이다.
도4는 본원의 일 실시예에 따른 기사의 정보를 획득하는 단계를 개략적으로 나타낸 흐름도이다.
도5는 본원의 일 실시예에 따른 기사의 텍스트 데이터를 수집하는 단계를 개략적으로 나타낸 흐름도이다.
도6는 본원의 일 실시예에 따른 수집한 텍스트 데이터 셋트를 예시적으로 나타낸 도면이다.
도7은 본원의 일 실시예에 따른 수집한 텍스트 데이터 전처리 단계를 개략적으로 나타낸 흐름도이다.
도8은 본원의 일 실시예에 따른 텍스트 데이터 분류 과정을 예시적으로 나타낸 도면이다.
도9은 본원의 일 실시예에 따른 미리 설정된 제거 텍스트 요소를 제거하는 과정을 예시적으로 나타낸 도면이다.
도10은 본원의 일 실시예에 따른 기반 데이터 셋트를 형성하는 단계를 개략적으로 나타낸 흐름도이다.
도 11은 본원의 일 실시예에 따른 매트릭스 데이터 셋트를 개략적으로 나타낸 도면이다.
도 12는 본원의 일 실시예에 따른 텍스트 데이터 분석을 수행하는 단계를 개략적으로 나타낸 흐름도이다.
도 13은 본원의 일 실시예에 따른 결정된 최소 빈도수 이상의 단어를 빈도수에 따라 출력 위치, 출력 크기 및 출력 색을 결정하여 워드 클라우드 형태로 출력한 예를 나타낸 도면이다.
도14는 본원의 일 실시예에 따른 제 1단어 집합과 상기 제 2 단어 집합 간의 연관성을 매트릭스 형태로 출력하는 그룹 매트릭스 출력의 예를 나타낸 도면이다.
도15는 본원의 일 실시예에 따른 제 1단어 집합에 속한 단어와 제 2단어 집합에 속한 단어 간의 연관성을 네트워크 그래프 형태로 출력하는 그래프 출력의 예를 나타낸 도면이다.
도16은 본원의 일 실시예에 따른 결정된 연관규칙의 분포를 그래프로 출력하는 분포도 출력의 예를 나타낸 도면이다.
도17은 본원의 일 실시예에 따른 추출 빈도 및 추출 확률을 포함하는 그래프의 예를 나타낸 도면이다.
도18은 본원의 일 실시예에 따른 requestFlag 값에 따른 요청 목적을 개략적으로 나타낸 도면이다.
1 is a diagram showing a schematic configuration of a text data collection and analysis system according to an embodiment of the present invention.
2 is a block diagram showing a schematic configuration of a text data collection and analysis apparatus according to an embodiment of the present invention.
3 is a flowchart schematically illustrating a text data collection and analysis method according to an embodiment of the present invention.
FIG. 4 is a flowchart schematically illustrating the step of acquiring information of an article according to an embodiment of the present invention.
5 is a flow chart schematically illustrating collecting text data of an article according to one embodiment of the present application.
6 is an exemplary diagram illustrating a collected text data set according to one embodiment of the present application.
FIG. 7 is a flow chart outlining the collected text data preprocessing step according to one embodiment of the present application.
FIG. 8 is a diagram illustrating a text data classification process according to an embodiment of the present invention.
FIG. 9 is a diagram illustrating a process of removing a predetermined removed text element according to an embodiment of the present invention.
FIG. 10 is a flow chart schematically illustrating the steps of forming a base data set according to one embodiment of the present application.
11 is a schematic representation of a matrix data set according to one embodiment of the present invention.
12 is a flowchart schematically illustrating a step of performing text data analysis according to an embodiment of the present invention.
FIG. 13 is a diagram illustrating an example of outputting a word having a minimum frequency determined according to an embodiment of the present invention in word cloud form by determining output position, output size, and output color according to the frequency.
14 is a diagram illustrating an example of a group matrix output for outputting a relation between a first word set and a second word set in a matrix form according to an embodiment of the present invention.
FIG. 15 is a diagram illustrating an example of a graph output for outputting a network graph form showing a relation between a word belonging to a first word set and a word belonging to a second word set according to an embodiment of the present invention.
16 is a diagram showing an example of a distribution diagram output that graphically outputs the distribution of determined association rules according to an embodiment of the present invention.
17 is a diagram illustrating an example of a graph including extraction frequency and extraction probability according to an embodiment of the present invention.
FIG. 18 is a diagram schematically illustrating a request purpose according to a requestFlag value according to an embodiment of the present invention.

아래에서는 첨부한 도면을 참조하여 본원이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본원의 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings so that those skilled in the art can easily carry out the present invention. It should be understood, however, that the present invention may be embodied in many different forms and should not be construed as limited to the embodiments set forth herein. In the drawings, the same reference numbers are used throughout the specification to refer to the same or like parts.

본원 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. Throughout this specification, when a part is referred to as being "connected" to another part, it is not limited to a case where it is "directly connected" but also includes the case where it is "electrically connected" do.

본원 명세서 전체에서, 어떤 부재가 다른 부재 "상에", "상부에", "상단에", "하에", "하부에", "하단에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.It will be appreciated that throughout the specification it will be understood that when a member is located on another member "top", "top", "under", "bottom" But also the case where there is another member between the two members as well as the case where they are in contact with each other.

본원 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함" 한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.Throughout this specification, when an element is referred to as " including " an element, it is understood that the element may include other elements as well, without departing from the other elements unless specifically stated otherwise.

아래에서는 첨부한 도면을 참조하여 본원이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본원의 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings so that those skilled in the art can easily carry out the present invention. It should be understood, however, that the present invention may be embodied in many different forms and should not be construed as limited to the embodiments set forth herein. In the drawings, the same reference numbers are used throughout the specification to refer to the same or like parts.

본원 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. Throughout this specification, when a part is referred to as being "connected" to another part, it is not limited to a case where it is "directly connected" but also includes the case where it is "electrically connected" do.

본원 명세서 전체에서, 어떤 부재가 다른 부재 "상에", "상부에", "상단에", "하에", "하부에", "하단에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.It will be appreciated that throughout the specification it will be understood that when a member is located on another member "top", "top", "under", "bottom" But also the case where there is another member between the two members as well as the case where they are in contact with each other.

본원 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함" 한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.Throughout this specification, when an element is referred to as " including " an element, it is understood that the element may include other elements as well, without departing from the other elements unless specifically stated otherwise.

본원은 텍스트 데이터 수집 및 분석 방법에 관한 것으로서, 사용자의 입력 키워드로부터 웹크롤링을 통해 웹 게재 기사 또는 게시글에 포함된 텍스트 데이터를 수집하고, 분석을 위해 수집된 데이터를 데이터베이스에 저장하며, 미리 정의된 사전 정의 단어에 따라 수집된 텍스트를 분류하고, 이에 기초하여 키워드와 추출 단어 간의 연관규칙 분석을 수행하여, 이를 시각화 기능을 사용하여 사용자에게 분석 결과를 제공할 수 있다. The present invention relates to a text data collection and analysis method, which collects text data included in a web publication article or a post through web crawling from a user's input keyword, stores collected data for analysis in a database, The collected text is classified according to the predefined word, and the association rule analysis between the keyword and the extracted word is performed based on the classified word, and the analysis result can be provided to the user using the visualization function.

도1은 본원의 일 실시예에 따른 텍스트 데이터 수집 및 분석 시스템의 개략적인 구성을 나타낸 도면이고, 도 2는 본원의 일 실시예에 따른 텍스트 데이터 수집 및 분석 장치의 개략적인 구성을 나타낸 도면이다. 도 1 내지 도 2를 참조하면, 텍스트 데이터 수집 및 분석 시스템은, 텍스트 데이터 수집 및 분석 장치(100), 사용자 단말(200) 및 웹 (300) 포함할 수 있다. 텍스트 데이터 수집 및 분석 시스템은, 키워드 및 기간 정보에 기초하여 웹(300)으로부터 인터넷 게재 기사를 수집하고 수집된 기사에 기초하여 관련 키워드 텍스트 데이터 수집 및 분석결과를 사용자 단말(200)에 제공하는 것이다. 사용자 단말(200)은 텍스트 데이터 수집 및 분석 장치(100)에 키워드 및 기간 정보에 관한 입력을 제공하고, 텍스트 데이터 수집 및 분석 장치(100)로부터 텍스트 데이터 분석의 결과를 수신하여 출력할 수 있다. FIG. 1 is a diagram illustrating a schematic configuration of a text data collection and analysis system according to an embodiment of the present invention. FIG. 2 is a diagram illustrating a schematic configuration of a text data collection and analysis apparatus according to an embodiment of the present invention. Referring to FIGS. 1 and 2, a text data collection and analysis system may include a text data collection and analysis apparatus 100, a user terminal 200, and a web 300. The text data collection and analysis system collects Internet publication articles from the web 300 based on the keyword and period information and provides the related keyword text data collection and analysis results to the user terminal 200 based on the collected articles . The user terminal 200 may provide input to the text data collection and analysis apparatus 100 regarding keywords and period information and may receive and output the results of the text data analysis from the text data collection and analysis apparatus 100.

사용자 단말(200)은 스마트폰(Smartphone), 스마트패드(SmartPad), 스마트 TV, 태블릿 PC등과 PCS(Personal Communication System), GSM(Global System for Mobile communication), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000 단말, CDMA(Code Division Multiple Access)-2000 단말, W-CDMA(W-Code Division Multiple Access) 단말, Wibro(Wireless Broadband Internet) 단말 같은 데이터 처리 및 출력이 가능한 모든 종류의 무선 통신 장치 중 어느 하나일 수 있다.The user terminal 200 may be a personal communication system (PCS), a global system for mobile communication (GSM), a personal digital cellular (PDC), a Personal Digital Cellular (PHS) Handyphone System, PDA (Personal Digital Assistant), IMT (International Mobile Telecommunication) -2000 terminal, CDMA (Code Division Multiple Access) -2000 terminal, W-CDMA (W-Code Division Multiple Access) terminal, Wibro ) Terminal and all kinds of wireless communication devices capable of processing and outputting data.

텍스트 데이터 수집 및 분석 장치(100), 사용자 단말(200) 및 웹 (300)은 네트워크로 연결될 수 있다. 네트워크는 단말 및 서버와 같은 각각의 노드 상호 간에 정보 교환이 가능한 유, 무선의 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5G 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 블루투스(Bluetooth) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.The text data collection and analysis apparatus 100, the user terminal 200, and the web 300 may be connected by a network. A network refers to a connection structure between a wireless network and a wireless network capable of exchanging information between nodes such as a terminal and a server. An example of such a network is a 3rd Generation Partnership Project (3GPP) network, an LTE (Long Term Evolution) 5G network, a World Interoperability for Microwave Access (WIMAX) network, the Internet, a LAN (Local Area Network), a wireless LAN (Local Area Network), a WAN Bluetooth) network, a satellite broadcast network, an analog broadcast network, a DMB (Digital Multimedia Broadcasting) network, and the like.

도 1을 참조하면, 사용자 단말(200)에서 입력된 정보는 텍스트 데이터 수집 및 분석 장치(100)로 전송되어, 텍스트 데이터 수집 및 분석 장치(100)에 의해 입력 키워드 관련 텍스트 데이터가 수집 및 분석될 수 있다. 텍스트 데이터 수집 및 분석 장치(100)는 네트워크를 통해 사용자 단말(200)로 시각화한 텍스트 데이터 수집 및 분석 결과를 제공할 수 있다. 텍스트 데이터 수집 및 분석 장치(100)는 사용자의 입력 키워드 정보에 기초하여 웹 (300)으로부터 입력된 키워드와 관련된 인터넷 게재 기사를 수집할 수 있다. Referring to FIG. 1, information input from the user terminal 200 is transmitted to the text data collection and analysis apparatus 100, and text data related to input keywords is collected and analyzed by the text data collection and analysis apparatus 100 . The text data collection and analysis apparatus 100 may provide text data collection and analysis results visualized via the network to the user terminal 200. The text data collection and analysis apparatus 100 may collect Internet publication articles related to the keyword input from the web 300 based on the input keyword information of the user.

텍스트 데이터 수집 및 분석 장치(100)는 키워드 및 기간 정보에 기초하여 웹(web)으로부터 키워드를 포함하는 기사 정보를 획득하고, 기사의 정보에 기초하여 기사가 포함된 웹 페이지를 크롤링(crawling)하고, 크롤링한 웹 페이지에 포함된 기사로부터 텍스트 데이터 분석을 수행하고, 분석 결과를 저장할 수 있다.The text data collection and analysis apparatus 100 acquires article information including a keyword from the web based on the keyword and the term information, crawls the web page including the article based on the information of the article , Analyze the text data from the articles included in the crawled web page, and store the analysis results.

도2를 참조하면, 텍스트 데이터 수집 및 분석 장치(100)는 크게 유저 인터페이스부(110), 웹 크롤러부(120), 데이터 분석부(130) 및 데이터베이스(140)를 포함할 수 있다. 웹 크롤러부(120)는 파싱부(121), 추출부(122), 언어 지원부(123) 및 파일 생성부(124)를 포함할 수 있다. 데이터 분석부(130)는 전처리부(131), 데이터 형성부(132) 및 분석부(133)를 포함할 수 있다. 또한, 데이터 베이스(140)는 크롤링 데이터베이스(141), 분석 데이터베이스(142) 및 사전 정의 단어 데이터베이스(143)를 포함할 수 있다. Referring to FIG. 2, the text data collection and analysis apparatus 100 may include a user interface unit 110, a web crawler unit 120, a data analysis unit 130, and a database 140. The web crawler unit 120 may include a parsing unit 121, an extracting unit 122, a language support unit 123, and a file generating unit 124. The data analysis unit 130 may include a preprocessing unit 131, a data forming unit 132, and an analysis unit 133. In addition, the database 140 may include a crawling database 141, an analysis database 142, and a predefined word database 143.

본원의 일 실시예에 따르면, 유저 인터페이스부(110)는 GUI를 사용자에게 제공함으로써 웹 크롤링 및 텍스트 데이터 분석을 위한 세부적인 값들을 설정하도록 도와주고, 도출된 연관규칙 분석 결과 및 워드 클라우드 (Word Cloud) 결과를 출력하여 사용자에게 제공할 수 있다. 도시하지 않았지만, 유저 인터페이스부(110)는 1) User Input Panel, 2) Result View Panel, 3) Pre-define Knowledge Panel 세개의 기능블록을 포함할 수 있다. User Input Panel은 키워드, 기사 게재기간, 페이지 및 크롤링 범위 설정 등 데이터 수집을 위한 설정과, 출력조건, Word Cloud 최소 빈도수 설정 등 데이터 분석을 위한 다양한 옵션값 설정을 위해 사용될 수 있다. Result View Panel은 데이터 분석 후 시각화된 결과를 제공하기 위해 사용되며, Pre-define Knowledge Panel은 Pre-define Knowledge DB에 저장된 단어들을 추가/삭제하기 위해 사용될 수 있다.According to one embodiment of the present invention, the user interface unit 110 helps to set detailed values for web crawling and text data analysis by providing a GUI to the user, and provides the derived association rule analysis result and word cloud ) And output it to the user. Although not shown, the user interface unit 110 may include three functional blocks: 1) a User Input Panel, 2) a Result View Panel, and 3) a Pre-define Knowledge Panel. The User Input Panel can be used to set various options for data analysis, including settings for data collection, such as keyword, article delivery period, page and crawl range setting, output conditions, and minimum frequency setting for Word Cloud. The Result View Panel is used to provide visualized results after analyzing the data, and the Pre-define Knowledge Panel can be used to add / delete words stored in the Pre-define Knowledge DB.

웹 크롤러부(120)는 데이터 분석에 필요한 데이터 셋트를 추출하기 위해 사용자로부터 입력받은 특정 키워드 및 기사 게재기간을 조건으로 수집 가능한 기사를 검색하고, 검색된 모든 기사의 텍스트 데이터를 수집한다. 웹 크롤러부(120)는 사용자가 입력한 키워드 및 옵션 값들을 기반으로 URL을 생성하고, 생성한 URL을 사용하여 웹에 게재된 기사를 검색한다. 이 후 검색된 기사의 목록 및 기사 본문을 포함하는 HTML 파일을 웹(300)으로부터 가져온다. 또한, 웹 크롤러부(120)는 한글 지원을 위한 인코딩을 수행하고, HTML 파일 내용 중 기사의 제목 및 내용에 해당하는 텍스트 데이터를 추출하여, 추출된 텍스트 데이터들을 txt 형식으로 생성 및 저장할 수 있다.The web crawler unit 120 searches for an article that can be collected on the condition of a specific keyword and an article publication period input from a user to extract a data set necessary for data analysis, and collects text data of all articles retrieved. The web crawler unit 120 generates URLs based on the keywords and option values input by the user, and searches the articles displayed on the web using the generated URLs. And then retrieves an HTML file containing the list of articles retrieved and the article body from the Web 300. In addition, the web crawler unit 120 performs encoding for Korean language support, extracts text data corresponding to the title and content of the article of the HTML file, and generates and stores the extracted text data in a txt format.

데이터 분석부(130)는 웹 크롤러부(120)의 수행 결과로 수집된 데이터 셋트를 기반으로 데이터 전처리를 수행하고, 연관규칙 분석을 위한 매트릭스 데이터를 형성한다. 이후, 연관규칙 분석을 수행하고, 분석 결과를 다양한 형태로 시각화할 수 있다. 데이터 분석부(130)는 수집된 기사들의 데이터를 미리 설정된 단어와 비교하여 분석할 기사를 분류한다. 또한, 분류된 기사의 본문으로부터 체언 (명사)을 추출하고, 추출된 단어 중 빈도수가 높은 단어들을 기반으로 연관규칙 분석을 위한 데이터 셋트를 형성할 수 있다. 이후, 데이터 분석부(130)는 Apriori 알고리즘을 활용한 연관규칙 분석을 수행하고, 분석결과를 Word Cloud, Grouped Matrix, Graph, Scatter Plot, Extraction Probability 형태로 시각화할 수 있다.The data analysis unit 130 performs data preprocessing based on the data set collected as a result of the web crawler unit 120 and forms matrix data for association rule analysis. Then, the association rule analysis is performed, and the analysis result can be visualized in various forms. The data analysis unit 130 classifies the articles to be analyzed by comparing the data of the collected articles with preset words. In addition, a cognate (noun) can be extracted from the body of the classified article, and a data set for association rule analysis can be formed based on words having a high frequency among the extracted words. Thereafter, the data analysis unit 130 performs an association rule analysis using the Apriori algorithm, and visualizes the analysis results in the form of Word Cloud, Grouped Matrix, Graph, Scatter Plot, and Extraction Probability.

데이터베이스(140)는 웹 크롤러부(120)에 의해 추출된 데이터 셋트를 저장하고, 데이터 분석부(130)를 통해 얻은 분석 결과 및 시각화된 이미지를 저장할 수 있다. 특히, 데이터 전처리 과정에서 수행되는 기사 분류 작업을 위해 사용자가 정의한 미리 설정된 단어들을 저장하며, 전처리 결과 및 연관분석을 위한 데이터 셋트를 저장한다. 데이터베이스(140)는 1) 크롤링 데이터베이스, 2) 분석 데이터베이스, 3) 사전 정의 단어 데이터베이스를 포함한다. 크롤링 데이터베이스는 웹 크롤러부(120)를 통해 수집된 데이터를 저장 및 관리를 위해 사용되며, 분석 데이터베이스는 데이터 분석 결과를 저장 및 관리하기 위해, 그리고 사전 정의 단어 데이터베이스는 사용자 정의 기반의 사전 정의 단어를 저장 및 관리하기 위해 사용될 수 있다.The database 140 may store the data set extracted by the web crawler unit 120 and may store the analysis result obtained through the data analysis unit 130 and the visualized image. In particular, it stores predefined words defined by the user for an article classification operation performed in the data preprocessing process, and stores a data set for pre-processing results and association analysis. The database 140 includes 1) a crawling database, 2) an analysis database, and 3) a predefined word database. The crawl database is used for storing and managing the data collected through the web crawler unit 120. The analysis database is used for storing and managing data analysis results, and the predefined word database is composed of user defined predefined words Stored and managed.

텍스트 데이터 수집 및 분석 장치(100)의 각 부에 대한 설명은 아래에서 자세히 설명하도록 한다. The description of each part of the text data collection and analysis apparatus 100 will be described in detail below.

도3은 본원의 일 실시예에 따른 텍스트 데이터 수집 및 분석 방법을 개략적으로 나타낸 흐름도이다. 또한, 도 3에 도시된 각 단계의 설명은 도 4내지 도 12를 통해 구체적으로 설명하도록 한다. 3 is a flowchart schematically illustrating a text data collection and analysis method according to an embodiment of the present invention. The description of each step shown in Fig. 3 will be described in detail with reference to Figs. 4 to 12. Fig.

도3을 참조하면, 단계 S310에서, 유저 인터페이스부(110)는 웹 크롤러부(120)로 키워드 및 기간 정보를 전송하고, 웹 크롤러부(120)는 키워드 및 기간 정보를 수신할 수 있다. 예를 들어, 기간 정보는 기사의 게재 기간일 수 있다. Referring to FIG. 3, in step S310, the user interface unit 110 transmits keyword and period information to the web crawler unit 120, and the web crawler unit 120 can receive keyword and period information. For example, the period information may be the publication period of an article.

단계 S320에서, 웹 크롤러부(120)는 키워드 및 기간 정보에 기초하여 웹(web)으로부터 키워드를 포함하는 기사의 정보를 획득할 수 있다. 또한, 단계 S330에서, 웹 크롤러부(120)는 기사의 정보에 기초하여 기사가 포함된 웹 페이지를 크롤링(crawling)할 수 있다. 단계 S320 및 단계330에서, 웹 크롤러부(120)는 키워드 및 기간 정보를 포함하는 URL을 생성하여 웹으로 전송하고, 웹으로부터 검색결과가 포함된 HTML 파일을 수신할 수 있다.In step S320, the web crawler unit 120 can acquire information of an article including a keyword from the web based on the keyword and period information. Further, in step S330, the web crawler unit 120 may crawl the web page including the article based on the information of the article. In step S320 and step 330, the web crawler unit 120 generates a URL including keyword and period information, transmits the URL to the web, and receives the HTML file including the search result from the web.

단계 S340에서, 웹 크롤러부(120)는 데이터 분석부(130)로 크롤링한 웹 페이지에 포함된 기사의 텍스트 데이터를 전송할 수 있다. 또 다른 예로서, 단계 S340에서, 데이터 분석부(130)는 데이터베이스로부터 웹 크롤러부(120)에 의해 수집된 기사의 텍스트 데이터를 읽어올 수 있다.In step S340, the web crawler unit 120 may transmit the text data of the articles included in the web page crawled by the data analysis unit 130. [ As another example, in step S340, the data analysis unit 130 may read the text data of the articles collected by the web crawler unit 120 from the database.

단계 S350에서, 데이터 분석부(130)는 미리 설정된 사전 정의 단어에 기초하여 크롤링한 웹 페이지를 전처리 할 수 있다. 보다 구체적으로, 데이터 분석부(130)는 미리 설정된 사전 정의 단어에 기초하여 크롤링한 웹 페이지에 포함된 기사의 텍스트 데이터를 전처리할 수 있다. 데이터 분석부(130)는 미리 설정된 사전 정의 단어를 포함하는 기사의 텍스트 데이터와 미리 설정된 사전 정의 단어를 포함하지 않는 기사의 텍스트 데이터를 분류할 수 있다. 또한, 데이터 분석부(130)는 미리 설정된 사전 정의 단어를 포함하는 기사의 텍스트 데이터 중에서 미리 설정된 제거 텍스트 요소를 제거할 수 있다. In step S350, the data analysis unit 130 may preprocess the crawled web page based on a predefined word. More specifically, the data analysis unit 130 may preprocess text data of an article included in a web page crawled based on a predefined word. The data analysis unit 130 may classify the text data of the article including the predetermined predefined word and the text data of the article not including the predetermined predefined word. In addition, the data analysis unit 130 may remove a predetermined removed text element from the text data of the article including the preset predefined word.

단계 S360에서, 데이터 분석부(130)는 크롤링한 웹 페이지에 포함된 기사로부터 데이터 분석에 사용될 기반 데이터 셋트를 형성할 수 있다. 보다 구체적으로, 데이터 분석부(130)는 전처리된 웹 페이지의 기사의 텍스트 데이터로부터 기반 데이터 셋트를 형성할 수 있다. 데이터 분석부(130)는 미리 설정된 텍스트 제거 요소가 제거된 기사의 텍스트 데이터에 대하여 기반 데이터 셋트를 형성할 수 있다. 본원의 일 실시예에 따르면, 상기 기반 데이터 셋트는 미리 설정된 텍스트 제거 요소가 제거된 기사에 포함된 체언 집합, 미리 설정된 순위 이내의 빈발 단어 집합 및 각 기사의 빈발 단어 포함 여부에 관한 정보인 매트릭스 데이터 셋트를 포함할 수 있다.In step S360, the data analysis unit 130 may form a base data set to be used for data analysis from the articles included in the crawled web page. More specifically, the data analysis unit 130 may form a base data set from the text data of the articles of the preprocessed web page. The data analysis unit 130 may form an underlying data set for the text data of the article from which the preset text removal element has been removed. According to one embodiment of the present invention, the base data set includes a set of chords included in an article from which a preset text removal element is removed, a frequent word set within a predetermined rank, and matrix data And a set.

단계 S370에서, 데이터 분석부(130)는 기반 데이터 셋트에 기초하여 텍스트 데이터를 분석할 수 있다. 본원의 일 실시예에 따르면, 데이터 분석부(130)는 기사에서 사용된 단어들의 빈도수 분석 및 기사 내 단어들 간의 연관규칙 분석을 포함하여 텍스트 데이터 분석을 수행할 수 있다. 또한, 데이터 분석부(130)는 빈도수 분석의 결과 및 연관규칙 분석의 결과를 서로 다른 그래픽으로 출력할 수 있다.In step S370, the data analysis unit 130 may analyze the text data based on the base data set. According to one embodiment of the present invention, the data analysis unit 130 may analyze the text data including the frequency analysis of the words used in the article and the association rule analysis between words in the article. Also, the data analysis unit 130 may output the results of the frequency analysis and the results of the association rule analysis in different graphics.

단계S380에서, 데이터 베이스(140)는 텍스트 데이터 분석의 결과를 저장할 수 있다. 본원의 일 실시예에 따르면, 데이터 베이스(140)는 빈도수 분석의 결과 및 연관규칙 분석의 결과의 식별자와 연계하여 상기 텍스트 데이터 분석의 결과를 저장할 수 있다. 예를 들어, 연관규칙 분석의 결과의 식별자는 Word Cloud, Grouped Matrix, Graph, Scatter Plot, Extraction Probability 등을 포함할 수 있다.In step S380, the database 140 may store the result of the text data analysis. According to one embodiment of the present invention, the database 140 may store the result of the text data analysis in association with the result of the frequency analysis and the identifier of the result of the association rule analysis. For example, the identifier of the result of an association rule analysis may include Word Cloud, Grouped Matrix, Graph, Scatter Plot, Extraction Probability, and the like.

도4는 본원의 일 실시예에 따른 기사의 정보를 획득하는 단계를 개략적으로 나타낸 흐름도이다. FIG. 4 is a flowchart schematically illustrating the step of acquiring information of an article according to an embodiment of the present invention.

도4를 참조하면, 단계 S410에서 유저 인터페이스부(110)는 키워드 및 기간 정보에 관한 입력을 수신할 수 있다. 기간 정보는 기사의 게재 기간일 수 있다. 예를 들어, 사용자는 기사 게재 기간에 제한을 두지 않고 검색을 수행하도록 설정할 수 있고, 특정 기간 내에 게재된 기사를 검색하고자 하는 경우, 시작 일자(년,월,일) 및 마지막 일자(년,월,일)를 각각 입력하여 게재기간을 설정할 수 있다. 예를 들어, 유저 인터페이스부(110)는 캘린더 UI를 사용하여 사용자가 게재기간의 시작일자 및 마지막 일자를 설정할 수 있게 할 수 있다.Referring to FIG. 4, in step S410, the user interface unit 110 may receive input regarding keyword and period information. Period information may be the publication period of an article. For example, a user can be set to perform a search without restrictions on the article publication period, and if a user wants to search for articles published within a certain period of time, the start date (year, month, day) , Day) can be input respectively to set the publication period. For example, the user interface unit 110 may enable the user to set the start date and the end date of the publication period using the calendar UI.

단계 S420에서, 유저 인터페이스부(110)는 키워드 및 기간 정보와 함께 요청 정보를 포함하는 요청 플래그(RequestFlag)를 웹 크롤러부(120)로 전송할 수 있다. 예시적으로, 도 18을 참조하면, 요청 1(request 1)은 검색된 기사의 수에 대한 요청일 수 있다. 유저 인터페이스부(110)는 요청 1(request 1)을 포함하는 요청 플래그를 전송할 수 있다. 즉, 유저 인터페이스부(110)는 키워드, 기간 정보 및 요청 1을 웹 크롤러부(120)로 전송할 수 있다.In step S420, the user interface unit 110 may transmit a request flag (RequestFlag) including request information to the web crawler unit 120 together with keyword and period information. Illustratively, referring to FIG. 18, request 1 may be a request for the number of articles retrieved. The user interface unit 110 can transmit a request flag including request 1 (request 1). That is, the user interface unit 110 may transmit the keyword, the period information, and the request 1 to the web crawler unit 120.

웹 크롤러부(120)는 유저 인터페이스부(110)로부터 전송받는 요청1의 목적인 검색된 기사의 수를 계산할 수 있다. The web crawler unit 120 may calculate the number of retrieved articles for the purpose of request 1 received from the user interface unit 110. [

단계 S430에서, 웹 크롤러부(120)의 파싱부(121)는 키워드, 기간 정보 및 웹 페이지의 정보를 포함하는 URL을 생성할 수 있다. 일예로, 파싱부(121)는 기간 정보가 특정되어 있지 않을 경우 기사의 게재 기간을 한정하지 않고, 기사 검색결과를 얻기 위한 URL을 생성할 수 있다. 다른 일예로, 파싱부(121)는 기간 정보가 시작 일자 및 마지막 일자가 설정되어 있다면, 특정 값으로 설정된 게재기간을 기반으로 기사 검색결과를 얻기 위한 URL을 생성할 수 있다. In step S430, the parsing unit 121 of the web crawler unit 120 may generate a URL including keywords, period information, and information of a web page. For example, when the period information is not specified, the parsing unit 121 can generate a URL for obtaining an article search result without limiting the publication period of the article. In another example, if the start date and the end date of the period information are set, the parsing unit 121 may generate a URL for obtaining an article search result based on a publication period set to a specific value.

단계S440에서, 파싱부(121)는 생성한 URL을 웹(300)으로 전송하고, 웹(300)에 검색 결과가 포함된 HTML 파일을 웹(300)요청할 수 있다. In step S440, the parsing unit 121 may transmit the generated URL to the Web 300, and may request the Web 300 for the HTML file including the search result on the Web 300. [

단계 S450에서, 웹(300)은 키워드 및 기간 정보를 포함하는 HTML 파일을 생성하고, 단계S460에서, 웹(300)은 검색 결과가 포함된 HTML 파일을 웹 크롤러부(120)로 전송할 수 있다. In step S450, the web 300 generates an HTML file including keyword and period information. In step S460, the web 300 may transmit an HTML file including the search result to the web crawler unit 120. [

단계S470에서, 파싱부(121)는 웹(300)으로부터 수신된 HTML 파일을 트리 형태로 재구성할 수 있다. 추출부(122)는 재구성된 HTML 파일에서 기사의 수 추출과 연계된 미리 설정된 속성 값(예를 들어, span class="result_num")을 가지는 데이터를 추출할 수 있다.In step S470, the parsing unit 121 may reconstruct the HTML file received from the Web 300 in a tree form. The extracting unit 122 may extract data having a predetermined attribute value (e.g., span class = " result_num ") associated with extracting the number of articles from the reconstructed HTML file.

단계S480에서, 추출부(122)는 추출된 데이터로부터 공백 및 특수문자를 제거하고 기사의 수를 집계할 수 있다. 예시적으로, 웹 크롤러부(120)는 추출이 완료된 데이터는 검색된 기사의 수를 "total: 기사의 수"의 형태로 유저 인터페이스부(100)로 전송할 수 있다. 웹 크롤러부(120)는 검색결과가 존재하지 않는면, "total: NA"의 형태로 유저 인터페이스부(120)로 전송할 수 있다. In step S480, the extracting unit 122 may remove the blank and special characters from the extracted data and count the number of articles. Illustratively, the web crawler unit 120 can transmit the number of retrieved articles to the user interface unit 100 in the form of "total: number of articles". The web crawler unit 120 can transmit the search result to the user interface unit 120 in the form of " total: NA "

단계 S490에서, 웹 크롤러부(120)는 기사의 수에 기초하여 크롤링 가능한 웹 페이지의 수를 계산할 수 있다. 예를 들어, 하나의 웹 페이지에는 적어도 하나의 기사가 포함될 수 있다. 웹 크롤러부(120)는 키워드 및 기간 정보에 기초하여 키워드를 포함하는 기사의 결과 즉 검색 결과가 존재한다면 최대 크롤링 가능한 웹 페이지의 수를 숫자로 표현하여 유저 인터페이스부(120)로 전송할 수 있다. 웹 크롤러부(120)는 검색 결과가 존재하지 않는다면 텍스트 형태로 표현하여 검색 결과가 없음을 유저 인터페이스부(120)로 전송할 수 있다. In step S490, the web crawler unit 120 may calculate the number of web pages that can be crawled based on the number of articles. For example, one web page may include at least one article. The web crawler unit 120 can transmit the number of the maximum crawlable web pages to the user interface unit 120 by expressing the number of the maximum crawlable web pages as numerals if the result of the article including the keyword is present based on the keyword and the period information. If the search result does not exist, the web crawler unit 120 may transmit the search result to the user interface unit 120 in the form of a text.

도5는 본원의 일 실시예에 따른 기사의 텍스트 데이터를 수집하는 단계를 개략적으로 나타낸 흐름도이다. 5 is a flow chart schematically illustrating collecting text data of an article according to one embodiment of the present application.

웹 크롤러부(120)는 유저 인터페이스부(110)에서 사용자 등에 의해 입력 받은 웹 페이지의 범위 내에서 키워드를 포함하는 기사가 포함된 웹 페이지를 크롤링 할 수 있다.The web crawler unit 120 can crawl a web page including an article including a keyword within a range of a web page input by a user or the like in the user interface unit 110. [

단계S510에서, 유저 인터페이스부(110)는 사용자 등에 의해 크롤링 범위 입력을 수신할 수 있다. 크롤링 범위는 크롤링 할 기사의 웹 페이지 범위를 의미하며, 상기 단계 S490에서 산출된 크롤링 가능 웹 페이지의 수 보다 작은 범위로 설정되어야 한다. 유저 인터페이스부(110)는 최대 크롤링 가능한 웹 페이지의 수를 제공할 수 있다. 사용자는 시작(start) 웹 페이지 및 종료(end) 페이지를 입력하여 크롤링 범위를 설정할 수 있다.In step S510, the user interface unit 110 can receive a crawling range input by a user or the like. The crawling range means a range of a web page of an article to be crawled, and should be set to a range smaller than the number of crawlable web pages calculated in step S490. The user interface unit 110 can provide the maximum number of web pages that can be crawled. A user can set a crawl range by entering a start web page and an end page.

단계 S520에서, 유저 인퍼페이스부(110)는 키워드와 함께 웹 크롤링을 수행하는 시작 웹 페이지를 전송할 수 있다. 또한, 유저 인터페이스부(110)는 웹 크롤러부(120)로 웹 페이지 범위 전송 시 요청 2(request 2)을 포함하는 요청 플래그를 전송할 수 있다. 도 18을 참조하면, 요청2는 기사 크롤링 요청을 목적으로 하는 요청 플래그일 수 있다. 웹 크롤러부(120)는 유저 인터페이스부(110)의 요청 2에 따라, 기사 크롤링을 수행할 수 있다. In step S520, the user interface unit 110 may transmit a start web page that performs a web crawl with the keyword. In addition, the user interface unit 110 may transmit a request flag including a request 2 (request 2) when transmitting a web page range to the web crawler unit 120. Referring to FIG. 18, request 2 may be a request flag for an article crawl request. The web crawler unit 120 can perform article crawling according to the request 2 of the user interface unit 110. [

단계 S530에서, 웹 크롤러부(120)는 키워드 및 기간 정보에 기초하여 키워드를 포함하는 기사의 수를 계산할 수 있다. 파싱부(121)는 기사의 수를 계산하기 위해, 특정 페이지 크롤링을 위한 URL을 생성할 수 있다. URL 생성 과정은 단계 S430에서의 키워드 및 기간 정보를 포함하는 URL을 생성하는 과정과 유사하다. 파싱부(121)는 키워드, 기간 정보 및 웹 페이지의 정보를 포함하는 URL 을 생성하여 웹(300)으로 전송하고, 웹(300)으로부터 웹 페이지에 포함된 기사 리스트가 포함된 HTML 파일을 수신하며, HTML 파일을 트리형태로 재구성할 수 있다. In step S530, the web crawler unit 120 may calculate the number of articles including keywords based on the keyword and the term information. The parsing unit 121 may generate a URL for a specific page crawl in order to calculate the number of articles. The URL generation process is similar to the process of generating the URL including the keyword and period information in step S430. The parsing unit 121 generates a URL including a keyword, period information, and information of a web page, and transmits the URL to the web 300. The parsing unit 121 receives an HTML file including a list of articles included in the web page from the web 300 , The HTML file can be reconstructed in a tree form.

단계 S540에서, 웹 크롤러부(120)는 입력 받은 웹 페이지의 범위 내에서 키워드를 포함하는 기사를 크롤링 할 수 있다. 단계 S540에서, 파싱부(121)는 상기 HTML 파일로부터 기사 리스트의 URL을 추출하여 상기 기사 리스트의 URL을 웹(300)으로 전송하고, 웹으로부터 기사 텍스트 데이터를 포함하는 HTML 파일을 수신하고, 상기 기사 텍스트 데이터를 포함하는 HTML 파일을 트리형태로 재구성할 수 있다.In step S540, the web crawler unit 120 may crawl articles containing keywords within the range of the input web page. In step S540, the parsing unit 121 extracts the URL of the article list from the HTML file, transmits the URL of the article list to the web 300, receives the HTML file containing the article text data from the web, The HTML file containing the article text data can be reconstructed in tree form.

또한, 단계 S540에서, 웹 크롤러부(120)의 추출부(122)는 트리형태로 재구성된 기사 리스트의 HTML 파일로부터 텍스트 데이터를 추출할 수 있다. 또한, 추출부(122)는 상기 추출된 텍스트 데이터로부터 기사의 제목 및 내용에 해당하는 텍스트 데이터를 추출할 수 있다. 언어 지원부(123)는 트리형태로 재구성된 기사 텍스트 데이터를 포함하는 HTML 파일에 대하여 인코딩을 수행할 수 있다. 예를 들어, 인코딩은 한글 텍스트 데이터 손실을 방지하기 위해 UTP-8(Universal Transformation Format-8) 인코딩일 수 있다. Further, in step S540, the extracting unit 122 of the web crawler unit 120 may extract the text data from the HTML file of the article list reconstructed in a tree form. The extracting unit 122 may extract text data corresponding to the title and contents of the article from the extracted text data. The language support unit 123 can perform encoding on an HTML file including article text data reconstructed in a tree form. For example, the encoding may be Universal Transformation Format-8 (UTP-8) encoding to prevent loss of Hangul text data.

단계 S550에서, 웹 크롤러부(120)는 기사 리스트의 수만큼 크롤링 과정을 반복하여 수행할 수 있다. 웹 크롤러부(120)는 현재 크롤링을 수행하고 있는 기사의 수가 총 기사의 수보다 이상인 경우, 반복 과정을 종료하고, 크롤링이 완료된 기사 텍스트 데이터를 크롤링 데이터 베이스로 전송할 수 있다. In step S550, the web crawler unit 120 may repeat the crawling process as many times as the number of article lists. The web crawler unit 120 may terminate the iterative process and transmit the crawled article text data to the crawl database if the number of articles currently being crawled is greater than the total number of articles.

단계 S560에서, 웹 크롤러부(120)는 기사 리스트의 URL 수만큼 반복하여 특정 페이지의 기사 텍스트 데이터 요청 과정이 완료되면 기사 텍스트 데이터를 크롤링 데이터베이스(300)로 전송할 수 있다. 유저 인터페이스부(110)는 크롤링 데이터베이스(141)에 기사 텍스트 데이터의 저장이 완료되면, 사용자가 지정한 웹 페이지 범위 중 시작 페이지와 종료 페이지를 비교할 수 있다. In step S560, the web crawler unit 120 may repeat the article text data to the crawl database 300 when the article text data request process of the specific page is repeated by the number of URLs of the article list. The user interface unit 110 can compare the start page and the end page of the range of the web page designated by the user when the article text data is stored in the crawl database 141. [

단계 S570에서 웹 크롤러부(120)는 종료 페이지의 수가 현재 크롤링을 수행하고 있는 웹 페이지의 수보다 크다면 웹 크롤러부(120)는 웹 페이지의 시작 페이지를 1로 증가시키고 웹 페이지에 포함되어 있는 기사의 텍스트 데이터의 크롤링 과정을 반복하여 수행할 수 있다. 즉, 웹 크롤러부(120)는 입력 받은 웹 페이지의 범위 내에서 웹 페이지의 크롤링이 반복하여 수행될 수 있다. If the number of end pages is greater than the number of web pages currently being crawled in step S570, the web crawler unit 120 increments the start page of the web page by one, The crawling process of the text data of the article can be repeatedly performed. That is, the web crawler unit 120 can repeatedly perform the crawling of the web page within the range of the inputted web page.

또한, 파일 생성부(124)는 추출된 텍스트 데이터를 txt 형식의 파일로 생성할 수 있다. 크롤링 데이터 베이스(141)는 생성된 txt 형식의 파일을 저장할 수 있다. In addition, the file generating unit 124 can generate the extracted text data as a file in the txt format. The crawling database 141 can store the generated file in the txt format.

도6는 본원의 일 실시예에 따른 수집한 텍스트 데이터 셋트를 예시적으로 나타낸 도면이다. 6 is an exemplary diagram illustrating a collected text data set according to one embodiment of the present application.

도6을 참조하면, 크롤링된 웹 페이지에 포함된 기사의 텍스트 데이터를 수집 결과로, 수집한 텍스트 데이터들은 txt 형식의 파일로 저장될 수 있다. 크롤링 과정 중 언어 지원부(123)에서 기사 텍스트 데이터를 포함하는 HTML 파일에 대하여 인코딩을 수행함으로써, 한글 데이터가 손실 되는 것을 방지 하고, 한글 형태의 기사의 제목을 얻을 수 있다. Referring to FIG. 6, text data of an article included in a crawled web page may be collected as a collection result, and collected text data may be stored as a file in a txt format. In the crawling process, the language support unit 123 performs encoding on the HTML file including the article text data, thereby preventing the loss of the Hangul data and obtaining the title of the Hangul type article.

도7은 본원의 일 실시예에 따른 수집한 텍스트 데이터 전처리 단계를 개략적으로 나타낸 흐름도이다. FIG. 7 is a flow chart outlining the collected text data preprocessing step according to one embodiment of the present application.

도7을 참조하면, 전처리부(131)는 수집한 텍스트 데이터 셋트에 대하여 미리 설정된 사전 정의 단어에 기초하여 전처리를 수행할 수 있다. 데이터 분석부(130)는 요청 3및 4의 정보가 수신되면, 데이터 분석의 정확도를 높이기 위해 데이터 전처리를 수행할 수 있다. 전처리 과정은 데이터 분류 과정 및 데이터 필터링 과정으로 진행될 수 있다. 데이터 필터링 과정은 미리 설정된 사전 정의 단어를 포함하는 기사의 텍스트 데이터 중에서 미리 설정된 제거 텍스트 요소를 제거하는 과정일 수 있다. Referring to FIG. 7, the preprocessing unit 131 may perform preprocessing based on a predefined word set for the collected text data set. Data analyzer 130 may perform data preprocessing to increase the accuracy of data analysis when information of requests 3 and 4 is received. The preprocessing process may be a data classification process and a data filtering process. The data filtering process may be a process of removing a predetermined removed text element from the text data of the article including the preset predefined word.

데이터 전처리를 위한 사전 작업으로, 사전 정의 단어 데이터베이스(143)에 사전 정의 단어를 정의할 수 있다. 사전 정의 단어는 사용자에 의해 정의될 수 있다. As a preliminary task for data preprocessing, a predefined word can be defined in the predefined word database 143. Predefined words can be defined by the user.

단계 S710에서, 유저 인터페이스부(110)는 사용자가 추가한 사전 정의 단어 입력을 수신할 수 있다. 사용자는 사전 정의 단어를 필요에 따라 추가하거나, 삭제할 수 있다. 유저 인터페이스부(110)는 추가 및 삭제에 대한 입력을 수신하고, 업데이트 된 사전 정의 단어에 기초하여 사전 정의 단어 데이터베이스(143)로 전송할 수 있다. In step S710, the user interface unit 110 may receive a predefined word input added by the user. The user can add or delete predefined words as needed. The user interface unit 110 can receive inputs for addition and deletion and transmit them to the predefined word database 143 based on the updated predefined words.

또한, 단계 S710에서, 유저 인터페이스부(100)는 사전 정의 단어 전송 시 요청 3(request 3)을 포함하는 요청 플래그를 전송할 수 있다. 요청 3은 데이터 분류 요청을 목적으로하는 requestFlag 값일 수 있다. Further, in step S710, the user interface unit 100 may transmit a request flag including request 3 (request 3) when transmitting a predefined word. Request 3 may be a requestFlag value intended for data classification requests.

단계 S720에서, 데이터 분석부(130)의 요청으로 크롤링 데이터베이스(141)는 수집한 텍스트 데이터를 데이터 분석부(130)로 전송할 수 있다. 데이터 분석부(130)의 전처리부(131)는 텍스트 데이터를 분류하기 위해 크롤링 데이터베이스(141)에 수집된 텍스트 데이터를 전송 받을 수 있다. In step S720, the crawling database 141 may transmit the collected text data to the data analysis unit 130 at the request of the data analysis unit 130. [ The preprocessing unit 131 of the data analysis unit 130 may receive the text data collected in the crawl database 141 to classify the text data.

단계 S730에서, 전처리부(131)는 수집한 텍스트 데이터 중 기사 본문의 내용과 사전 정의 단어를 비교할 수 있다. 전처리부(131)는 사전 정의 단어가 포함되어 있다면, 임시 파일을 생성하여 데이터 셋트를 일차적으로 분류할 수 있다.In step S730, the preprocessing unit 131 may compare the content of the article body of the collected text data with the dictionary definition word. If the pre-defined word is included, the preprocessing unit 131 can generate a temporary file and classify the data set first.

단계 S740에서, 전처리부(131)는 데이터 분류 작업의 속도 향상과 텍스트 데이터 셋트의 중복 분류를 방지하기 위해 분류된 데이터는 크롤링 데이터베이스(141)에 텍스트 데이터 삭제 요청을 할 수 있다.  In step S740, the preprocessing unit 131 may request the crawl database 141 to delete the text data so as to prevent speedup of the data classification operation and duplicate classification of the text data set.

즉, 전처리부(131)는 미리 설정된 사전 정의 단어를 포함하지 않는 기사의 텍스트 데이터는 크롤링 데이터베이스(141)에 유지하고, 미리 설정된 사전 정의 단어를 포함하는 기사의 텍스트 데이터를 크롤링 데이터베이스에서 삭제하고 분석 데이터베이스(142)에 저장할 수 있다. That is, the preprocessing unit 131 maintains the text data of the article that does not include the predefined predefined word in the crawl database 141, deletes the text data of the article including the predefined predefined word from the crawl database, Can be stored in the database 142.

단계 S750에서, 크롤링 데이터베이스(141)는 미리 설정된 사전 정의 단어를 포함하는 기사의 텍스트 데이터를 삭제할 수 있다. 또한, 단계 S760에서, 분석 데이터베이스(142)는 미리 설정된 사전 정의 단어를 포함하는 기사의 텍스트 데이터를 저장한다. In step S750, the crawling database 141 may delete the text data of the article including the predetermined predefined word. Further, in step S760, the analysis database 142 stores the text data of the article including the predetermined predefined word.

전처리부(131)는 수집한 텍스트 데이터에 대하여 미리 설정된 사전 정의 단어의 수만큼 반복하여 기사 분류를 수행할 수 있다. The preprocessing unit 131 may repeat the article classification by the number of predefined words preset for the collected text data.

도 8은 본원의 일 실시예에 따른 텍스트 데이터 분류 과정을 예시적으로 나타낸 도면이다. FIG. 8 is a diagram illustrating a text data classification process according to an embodiment of the present invention.

도8(a)는 사용자가 미리 설정한 사전 정의 단어일 수 있다. 사용자는 분류하고 싶은 단어, 즉, 기사에 포함되어야 하는 단어를 사전 정의 단어로 지정하고, 수집된 텍스트 데이터로부터 사전 정의 단어의 포함 여부를 판단할 수 있다. 예를 들어, 전처리부(131)는 유저 인터페이스부(110)로부터 사용자가 미리 설정한 사전 정의 단어를 전파, 부정, 인체, 부작용, 노출이라고 정의한 입력을 수신할 수 있다. 전처리부(131)는 크롤링 데이터베이스에 수집된 텍스트 데이터 셋트 중, 사용자가 미리 설정한 사전 정의 단어를 전파, 부정, 인체, 부작용, 노출이라는 단어가 포함된 기사의 데이터를 크롤링 데이터베이스(141)에서 삭제하고, 미리 설정한 사전 정의 단어가 포함된 기사의 텍스트 데이터를 분석 데이터베이스(142)에 저장할 수 있다. 도8(b)는 텍스트 데이터 셋트로부터 미리 설정한 사전 정의 단어가 포함되지 않은 단어를 삭제하는 과정을 나타내고, 도8(c)는 전처리부(131)에서 수행된 전처리된 텍스트 데이터의 셋트의 예시일 수 있다.8 (a) may be a predefined word preset by the user. The user can specify a word to be classified, that is, a word to be included in the article, as a predefined word, and judge whether or not the predefined word is included in the collected text data. For example, the preprocessing unit 131 may receive an input from the user interface unit 110, which defines a predefined word set by a user in advance as propagation, negative, human body, side effect, and exposure. The preprocessing unit 131 deletes the data of the article including the word "propagation", "negation", "body", "side effects", and "exposure" from the crawling database 141 among the text data sets collected in the crawling database And store the text data of the article including the predefined word in the analysis database 142. [ 8B shows a process of deleting a word that does not include a predefined word preset from the text data set. FIG. 8C shows an example of a set of preprocessed text data performed by the preprocessing unit 131 Lt; / RTI >

또한, 전처리부(131)는 유저 인터페이스부(110)로부터 요청 4(request 4)을 포함하는 요청 플래그를 수신할 수 있다. 요청4는 텍스트 데이터 필터링 요청을 목적으로 하는 requestFlag 값일 수 있다. 단계 S770에서, 전처리부(131)는 텍스트 데이터 필터링을 수행하기 위해 분석 데이터베이스(142)로부터 미리 설정된 사전 정의 단어를 포함하는 기사의 텍스트 데이터를 수신할 수 있다.In addition, the preprocessing unit 131 may receive a request flag including the request 4 (request 4) from the user interface unit 110. Request 4 may be a requestFlag value intended for text data filtering requests. In step S770, the preprocessing unit 131 may receive the text data of the article containing the predetermined predefined word from the analysis database 142 to perform the text data filtering.

단계 S780에서, 요청 4를 수신한 전처리부(131)는 분석 데이터베이스(142)에 저장된 사전 정의 단어를 포함하는 텍스트 데이터 중에서 미리 설정된 제거 텍스트 요소를 제거하는 과정을 수행할 수 있다. 예를 들어, 미리 설정된 제거 텍스트 요소는 기사를 작성한 기자의 이름, 기자의 이메일 주소, 광고 및 저작관 표기 중 적어도 어느 하나를 포함하는 것일 수 있다. 미리 설정된 제거 텍스트 요소를 제거하여, 텍스트 데이터 분석에 불필요한 요소들을 제거할 수 있다. In step S780, the preprocessing unit 131 receiving the request 4 may perform a process of removing a predetermined removed text element from the text data including the predefined word stored in the analysis database 142. [ For example, the pre-established uninstall text element may include at least one of the name of the reporter who wrote the article, the email address of the reporter, and the advertisement and authoring mark. It is possible to remove unnecessary elements in text data analysis by removing preset text elements removed.

구체적으로, 전처리부(131)는 미리 설정된 제거 텍스트 요소를 제거하는 과정을 수행할 때, 미리 설정된 사전 정의 단어를 포함하는 기사의 텍스트 데이터 중 마침표의 모든 위치를 검색하고, 마침표의 위치 검색 결과에 기초하여 기사의 마지막 문장을 결정하고, 결정된 마지막 문장의 다음 텍스트 영역을 미리 설정된 제거 텍스트 요소로서 제거할 수 있다. Specifically, the preprocessing unit 131 searches all the positions of the punctuation in the text data of the article including the preset predefined word when performing the process of removing the pre-set removed text elements, The last sentence of the article can be determined on the basis of the sentence, and the next text area of the determined last sentence can be removed as a preset removed text element.

도9은 본원의 일 실시예에 따른 미리 설정된 제거 텍스트 요소를 제거하는 과정을 예시적으로 나타낸 도면이다. FIG. 9 is a diagram illustrating a process of removing a predetermined removed text element according to an embodiment of the present invention.

도9를 참조하면, 미리 설정된 사전 정의 단어를 포함하는 기사의 텍스트 데이터에는 마지막 문장 다음으로 기자 이름, 기자 이메일, 광고, 저작권 표기 등과 같은 요소들이 저장되어 있을 수 있다. 전처리부(131)는 분류된 데이터들 중 "."의 모든 위치를 검색하고, 검색되어 나온 위치 중 끝에서 두 번째에 위치하는 곳을 기준으로 텍스트 요소를 제거할 수 있다. 예를 들어, 일반적으로 기사의 내용 중 마지막 문장의 마침표 이후에 기자의 이름, 이메일 주소, 저작권 표기 등이 기재되는데, 이메일 주소에 마침표가 포함되어 있으므로, 검색되어 나온 마침표의 위치 중 끝에서 두 번째에 위치하는 곳을 기사의 마지막 문장이 끝난 지점으로 결정하고, 마지막 문장의 다음에 위치하는 텍스트 영역을 제거할 수 있다. 전처리부(131)는 기준점으로 정한 이후의 내용을 삭제하고, 삭제가 완료된 텍스트 데이터를 분석 데이터베이스(142)에 저장할 수 있다. Referring to FIG. 9, in the text data of an article including a predefined dictionary word, elements such as journal name, journal e-mail, advertisement, copyright notation, and the like may be stored after the last sentence. The preprocessing unit 131 may search all the positions of ". &Quot; of the classified data, and may remove the text element based on a position located second from the end of the retrieved position. For example, in general, the article's name, e-mail address, copyright notation, etc. are listed after the last sentence of the article. Because the e-mail address contains a period, Can be determined as the point at which the last sentence of the article ends, and the text area located after the last sentence can be removed. The preprocessing unit 131 may delete the contents after the reference point is set, and store the text data in the analysis database 142 after the deletion is completed.

도10은 본원의 일 실시예에 따른 기반 데이터 셋트를 형성하는 단계를 개략적으로 나타낸 흐름도이다. FIG. 10 is a flow chart schematically illustrating the steps of forming a base data set according to one embodiment of the present application.

도10을 참조하면, 데이터 형성 단계는 데이터 분석에 사용될 기반 데이터 셋트를 형성하기 위한 단계로, 체언 추출, 빈발단어 추출, 매트릭스 데이터 셋트 형성 과정이 순차적으로 수행될 수 있다. Referring to FIG. 10, the data forming step is a step for forming a base data set to be used for data analysis, and a chin extraction, a frequent word extraction, and a matrix data set forming process can be sequentially performed.

먼저, 데이터 분석부(130)의 데이터 형성부(132)는 유저 인터페이스부(110)로 요청 5(request 5)를 포함하는 요청 플래그를 수신할 수 있다. 요청 5는 체언 추출 요청을 목적으로하는 requestFlag 값일 수 있다. 체언 추출 과정은 수집된 기사로부터 대명사, 명사, 수사와 같은 체언을 추출하는 과정일 수 있다. First, the data forming unit 132 of the data analysis unit 130 may receive a request flag including request 5 (request 5) to the user interface unit 110. Request 5 may be a requestFlag value for the purpose of requesting a snail extract. The censor extraction process can be a process of extracting pronouns such as pronouns, nouns, and rhetoric from collected articles.

단계 S810에서, 데이터 형성부(132)는 분석 데이터 베이스(142)로부터 전처리된 기사의 텍스트 데이터를 전송받을 수 있다. In step S810, the data forming unit 132 may receive the text data of the preprocessed article from the analysis database 142. [

단계S820에서, 데이터 형성부(132)는 전처리된 기사의 텍스트 데이터를 기반으로 데이터 분석에서 불필요한 조사, 형용사, 부사, 등을 제외한 체언만을 추출할 수 있다. 본원의 일 실시예에 따르면, 데이터 형성부(132)는 체언 추출 과정을 통해 추출된 체언으로 구성된 단어 셋트 중 두 글자 이상의 단어를 분류하여 분석 데이터 베이스(142)에 저장 할 수 있다. In step S820, based on the text data of the preprocessed article, the data forming unit 132 may extract only the cheong except for unnecessary investigation, adjective, adverb, and the like in data analysis. According to one embodiment of the present invention, the data forming unit 132 may classify words of two or more words among word sets composed of words extracted through the chin extraction process, and store them in the analysis database 142. [

체언 추출 과정 후 데이터 형성부(132)는 유저 인터페이스부(110)로 요청 6(request 6)를 포함하는 요청 플래그를 수신할 수 있다. 요청6은 빈발단어 추출 요청을 목적으로하는 requestFlag 값일 수 있다. 빈발단어 추출은 추출된 체언의 빈도수를 기준으로 정렬하여 특정 순위 이상의 체언을 추출할 수 있다. After the snooze extracting process, the data forming unit 132 may receive a request flag including request 6 (request 6) to the user interface unit 110. Request 6 may be a requestFlag value intended for frequent word extraction requests. Frequent word extraction can be performed by sorting the extracted vowels based on the frequency of extracted vowels, and extracting vowels of a certain rank or higher.

단계 S830에서, 유저 인터페이스부(110)는 사용자의 단어 빈도수 순위에 관한 입력을 수신할 수 있다. 단어 빈도수 순위는 빈발 단어를 추출하기 위한 단어의 빈도수 순위 기준을 의미하며, 빈발단어 추출 과정에서 특정 빈도수 순위 이내인 단어를 추출하는데 사용될 수 있다. 데이터 형성부(132)는 분석 데이터베이스(142)로 체언 집합 데이터를 요청할 수 있다. In step S830, the user interface unit 110 may receive an input relating to the user's word frequency rank. The word frequency rank refers to the frequency rank order of words for extracting frequent words and can be used to extract words within a certain frequency rank in the frequent word extraction process. The data forming unit 132 can request the cynergy set data to the analysis database 142.

단계 S840에서, 분석 데이터 베이스(142)는 추출된 체언 집합 데이터 셋트를 전송할 수 있다. In step S840, the analysis database 142 may transmit the extracted census data set.

단계 S850에서, 데이터 형성부(132)는 체언 집합 데이터 및 단어 빈도수 순위에 기반하여 빈발단어를 추출할 수 있다. 데이터 형성부(132)는 체언 집합 데이터 셋트 중 빈도수가 사용자가 입력한 단어 빈도수 순위 값 이내인 단어들만 추출하여 분석 데이터 베이스(142)에 저장할 수 있다. In step S850, the data forming unit 132 may extract a frequent word based on the cognitive aggregate data and the word frequency rank. The data forming unit 132 may extract only words in the cognitive aggregate data set whose frequencies are within the word frequency rank value input by the user and store the extracted words in the analysis database 142. [

빈발 단어 추출 과정 후 데이터 형성부(132)는 유저 인터페이스부(110)로 요청 7(request 7)를 포함하는 요청 플래그를 수신할 수 있다. 요청7은 매트릭스 데이터 셋트 형성 요청을 목적으로하는 requestFlag 값일 수 있다. 매트릭스 데이터 셋트 형성 과정은 연관규칙 분석 및 단어 추출 확률을 위해 각 기사의 빈발단어 포함여부가 나타난 데이터 셋트를 형성하는 과정일 수 있다. After the frequent word extraction process, the data forming unit 132 may receive a request flag including request 7 (request 7) to the user interface unit 110. Request 7 may be a requestFlag value intended to request a matrix data set formation request. The process of forming the matrix data set may be a process of forming a data set in which the frequent word inclusion of each article is indicated for the association rule analysis and word extraction probability.

단계 S860에서, 데이터 형성부(132)는 분석 데이터베이스(142)로부터 전처리된 기사의 텍스트 데이터 셋트 및 빈발 단어 집합을 수신할 수 있다. In step S860, the data forming unit 132 may receive the text data set and the frequent word set of the preprocessed article from the analysis database 142. [

단계 S870에서 데이터 형성부(132)는 전처리된 기사의 텍스트 데이터 셋트, 빈발단어 집합 및 요청7의 요청 플래그 수신 시 포함된 키워드 값에 기반하여 연관 규칙 분석을 위해 각 기사의 빈발단어 포함여부를 나타내는 매트릭스 데이터 셋트를 형성할 수 있다. 단계 S880에서, 데이터 형성부(132)는 체언 집합, 빈발 단어 집합 및 매트릭스 데이터 셋트를 포함하는 기반 데이터 셋트를 형성한다.In step S870, the data forming unit 132 determines whether or not the frequent word of each article is included for the association rule analysis based on the text data set of the preprocessed article, the frequent word set, and the keyword value included in the request flag of request 7 A matrix data set can be formed. In step S880, the data forming unit 132 forms a base data set including a cognate set, a frequent word set, and a matrix data set.

도 11은 본원의 일 실시예에 따른 매트릭스 데이터 셋트를 개략적으로 나타낸 도면이다. 11 is a schematic representation of a matrix data set according to one embodiment of the present invention.

도 11을 참조하면, 매트릭스 데이터 셋트의 열 이름은 특정 빈도수 이상의 단어를 나타내고, 행 이름은 기사의 식별자로서, 1부터 기사의 수만큼의 숫자를 나타낼 수 있다. 데이터 형성부(132)는 각각의 기사와 특정 빈도수 이상의 단어를 비교하여 해당 기사가 특정 빈도수 이상의 단어를 포함하고 있으면 1로 설정하고 포함하지 않으면 0으로 설정할 수 있다. 또한, 데이터 형성부(132)는 사용자가 입력한 키워드와 추출된 단어들 간의 관계를 분석하기 위해 첫 번째 열의 이름에 사용자가 입력한 키워드를 넣고 첫 번째 열에 해당하는 행의 값을 1로 넣어준다. 사용자가 입력한 키워드는 단계S310에서 수신한 키워드 정보일 수 있다. Referring to FIG. 11, a column name of a matrix data set represents a word having a certain frequency or more, and a row name is an identifier of an article, and may indicate a number from 1 to the number of articles. The data forming unit 132 compares each article with a word having a specific frequency or more. If the article includes a word having a certain frequency or more, the data forming unit 132 may set the data to 1. Otherwise, the data forming unit 132 may set the data to zero. In order to analyze the relationship between the keyword inputted by the user and the extracted words, the data forming unit 132 inserts the keyword inputted by the user into the name of the first column and inserts the value of the row corresponding to the first column into 1 . The keyword input by the user may be keyword information received in step S310.

도 12는 본원의 일 실시예에 따른 텍스트 데이터 분석을 수행하는 단계를 개략적으로 나타낸 흐름도이다. 12 is a flowchart schematically illustrating a step of performing text data analysis according to an embodiment of the present invention.

도12를 참조하면, 데이터 분석 단계는 추출된 데이터 셋트를 분석하여 사용자에게 분석 결과를 다양한 시각화 형태로 제공해주기 위한 단계일 수 있다. 데이터 분석에서는 기사에서 사용된 단어들의 빈도수 분석과 기사 내 단어들 간의 연관규칙 분석이 수행될 수 있다. 단어 빈도수 분석은 특정 단어의 사용 횟수 분석과 특정 단어의 추출확률 분석이 수행될 수 있다. 연관규칙 분석은 기사 내에 사용된 단어들의 상관관계를 분석하는 것으로, 매트릭스 데이터 셋트를 기반으로 수행될 수 있다. Referring to FIG. 12, the data analysis step may be a step for analyzing the extracted data set and providing the analysis result to the user in various visualization forms. In data analysis, frequency analysis of the words used in the article and association rule analysis between words in the article can be performed. The word frequency analysis can analyze the frequency of use of specific words and analyze the extraction probability of specific words. Association rule analysis analyzes the correlation of words used in an article and can be performed based on a matrix data set.

분석부(133)는 기사에서 사용된 단어들의 빈도수 분석 및 기사 내 단어들 간의 연관규칙을 분석할 수 있다. 분석부(130)는 빈발단어로 만들 수 있는 모든 단어 집합들과 각 기사가 포함하고 있는 단어집합을 비교하여, 다수의 기사에서 동시에 사용된 단어집합을 찾아 IF-THEN 형태의 규칙으로 정의하는 분석 방법을 사용하여 연관규칙 분석을 수행할 수 있다. The analysis unit 133 may analyze the frequency of the words used in the article and analyze the association rules between words in the article. The analysis unit 130 compares all the word sets that can be made with frequent words with the word sets included in each article and finds a set of words used simultaneously in a plurality of articles and defines them as IF-THEN type rules Method can be used to perform association rule analysis.

예시적으로, 연관규칙은, {전자파, 중계기} -> {반대}로 정의 및 표현될 수 있다. 즉, 기사에서 '전자파, 중계기'라는 단어가 사용되면, '반대'라는 단어도 함께 사용된다고 해석될 수 있다. 여기서, {전자파, 중계기}는 제1단어 집합(Left-Hand Side (LHS))에 해당하며, {반대}는 제 2 단어 집합(Right-Hand Side (RHS))에 해당한다. 제1단어 집합(LHS)은 매트릭스 데이터 셋트 내 빈발단어들로 만들 수 있는 단어집합이며, 제2 단어 집합(RHS)은 매트릭스 데이터 셋트 내 빈발단어들 중 하나의 단어로 구성된 단어집합이다. Illustratively, the association rule can be defined and expressed as {electromagnetic wave, repeater} -> {vice versa}. In other words, if the word 'electromagnetic wave, repeater' is used in the article, it can be interpreted that the word 'opposition' is also used together. Here, {electromagnetic wave, repeater} corresponds to a first word set (Left-Hand Side (LHS), and {reverse} corresponds to a second word set (Right-Hand Side (RHS)). A first word set (LHS) is a word set that can be made up of frequent words in a matrix data set, and a second word set (RHS) is a word set that consists of one word of frequent words in a matrix data set.

또한, 매트릭스 데이터 셋트에 전자파, 중계기, 송전탑 세 빈발단어를 포함하고 있으면, 제 1 단어 집합(LHS)은 {전자파}, {중계기}, {송전탑}, {전자파, 중계기}, {전자파, 송전탑}, {중계기, 송전탑}, {전자파, 중계기, 송전탑}이 되며, 제 2 단어 집합(RHS)는 {전자파}, {중계기}, {송전탑}이 된다. 연관규칙에서 제1단어집합(LHS)과 제2단어 집합(RHS)은 중복 단어를 사용하지 않는다. 분석부(133)는 제1단어집합(LHS)과 제2단어 집합(RHS)에 관련된 수많은 연관 규칙들을 분석 결과로 생성할 수 있다. 제2단어 집합(RHS)을 특정단어로 사용자가 지정하면, 사용자가 원하는 단어에 대한 연관규칙 분석 결과를 쉽게 확인할 수 있다. If the matrix data set includes three frequent words of electromagnetic waves, repeaters and transmission towers, the first word set (LHS) is {electromagnetic wave}, {repeater}, {transmission tower}, {electromagnetic wave, repeater}, {electromagnetic wave, , {Repeater, transmission tower}, {electromagnetic wave, repeater, transmission tower}, and the second word set RHS becomes {electromagnetic wave}, {repeater}, {transmission tower}. In the association rule, the first word set (LHS) and the second word set (RHS) do not use overlapping words. The analysis unit 133 may generate a number of association rules related to the first word set LHS and the second word set RHS as an analysis result. If the user specifies the second word set (RHS) as a specific word, the user can easily confirm the association rule analysis result for the desired word.

연관 규칙 분석은 매트릭스 데이터 셋트 내 단어들로 만들 수 있는 모든 집합을 각 기사별로 비교하는 작업이기 때문에, 단어와 기사의 수가 많아지면 연산 횟수가 기하급수적으로 증가할 수 있다. 분석부(133)는 연관규칙 분석 시 연산 횟수를 줄이기 위해 두 가지 원칙을 기반으로 비빈발 단어집합에 대한 연산을 제거하는 Apriori알고리즘을 사용할 수 있다. Association rule analysis is a task that compares all sets that can be made into words in the matrix data set by each article, so that the number of operations can increase exponentially as the number of words and articles increases. The analysis unit 133 may use an Apriori algorithm for eliminating operations on an infrequent word set based on two principles in order to reduce the number of operations in the association rule analysis.

Apriori알고리즘은 1)한 항목집합이 빈발(frequent)하다면 이 항목집합의 모든 부분집합 역시 빈발항목집합이다. 2) 한 항복집합이 비빈발(infrequent)하다면 이 항목집합을 포함하는 모든 집합은 비빈발 항목집합이다. 의 두 가지 알고리즘을 포함할 수 있다. The Apriori algorithm is 1) if a set of items is frequent, all subsets of this set are also frequent itemsets. 2) If a yield set is infrequent, then all the sets containing this set of items are non-frequent itemsets. And the like.

항목집합은 데이터 셋트(집합) 내 단어들로 만들 수 있는 집합이므로, Apriori알고리즘을 적용하면 비교적 단어집합을 줄여 연산 횟수를 감소시킬 수 있다. Since the item set is a set that can be made up of words in the data set (set), applying the Apriori algorithm can reduce the number of operations by reducing the word set relatively.

분석부(133)는 연관규칙 분석을 통해 키워드와 추출단어 간 관계를 설정하기 위해 지지도(Support), 신뢰도(Confidence), 향상도(Lift)라는 세 가지 요소를 사용할 수 있다. 지지도, 신뢰도, 향상도는 아래와 같이 계산되며, X는 제1단어집합(LHS), Y는 제 2 단어집합(RHS)를 의미한다. The analysis unit 133 may use three factors, such as support, confidence, and lift, in order to establish a relationship between keywords and extracted words through association rule analysis. Support, reliability, and degree of improvement are calculated as follows, where X is the first word set (LHS) and Y is the second word set (RHS).

① 지지도 (support, s(X→Y))① Support (support, s (X → Y))

= X와 Y를 동시에 포함하는 기사 수 / 전체 기사 수= Number of articles containing both X and Y at the same time / Total number of articles

② 신뢰도 (Confidence, c(X→Y))② Confidence (c → X)

= X와 Y를 동시에 포함하는 기사 수 / X를 포함하는 기사 수= Number of articles containing X and Y simultaneously / Number of articles containing X

③ 향상도 (Lift, Lift(X→Y))③ Improvement degree (Lift, Lift (X → Y))

= X를 포함하는 기사 중 Y를 포함하는 기사의 비율 / 전체기사 중 Y를 포함하는 기사의 비율= Percentage of articles containing Y / percentage of articles containing Y among all articles

예시적으로, 지지도는 추출된 기사 중 X와 Y를 모두 포함한 기사의 비율을 의미하며, 신뢰도는 X를 포함하는 기사 중 Y를 포함하는 기사의 비율을 의미한다. 또한, 향상도는 키워드를 입력했을 때 추출된 기사 중 Y를 포함한 기사 비율 대비 X를 포함하는 기사 중 Y를 포함하는 기사의 비율을 의미한다.Illustratively, the degree of support means the proportion of articles containing both X and Y of the extracted articles, and the reliability means the proportion of articles containing Y among the articles containing X. Also, the degree of improvement refers to the ratio of articles containing Y among the articles containing X to the ratio of articles including Y among the extracted articles when the keyword is input.

자세히 말해 지지도는 X와 Y가 얼마나 많은 기사에서 동시에 사용되었는지를 측정해 준다. 만약 지지도 값이 매우 작다면 해당 연관규칙을 따르는 기사의 수가 매우 적다는 의미를 내포하게 된다. 즉, 지지도 측정을 통해 특정 단어집합이 특정기사에서만 사용된 것인지 아니면 많은 기사에서 사용된 것인지를 측정할 수 있다. More specifically, support measures how many articles X and Y were used simultaneously. If the support value is very small, it means that the number of articles that follow the association rule is very small. That is, by measuring support, it is possible to measure whether a particular word set is used only in a specific article or in many articles.

신뢰도는 해당 규칙이 정답일 확률을 의미하며, 기사에서 X가 사용된 기사 중, Y가 동시에 사용된 기사의 비율을 의미한다. 만약 특정 단어 집합 간의 신뢰도가 매우 낮다면 해당 규칙이 정답이 아닐 확률이 높다는 것을 의미하며, 일반적인 경우에는 잘 발생하지 않는 규칙임을 알 수 있다. 지지도와 신뢰도가 모두 높은 연관성 규칙일지라도 유의미한 규칙이라 단정할 수는 없다. 왜냐하면 지지도와 신뢰도가 높은 연관규칙 중에는 우연에 의해 연관성이 높은 것처럼 보이는 규칙들이 있기 때문이다. 따라서 연관규칙의 유용성을 측정하기 위해 향상도가 사용된다.Reliability means the probability that the rule is correct, and the percentage of articles in which X is used in the article. If the reliability of a certain set of words is very low, it means that the rule is not a correct answer, and it is a rule that does not occur in a normal case. Even though association rules and reliability are both highly related rules, they can not be defined as meaningful rules. This is because there are rules that have high relevance and reliability that seem to be related by chance. Thus, an enhancement is used to measure the usefulness of association rules.

향상도는 'X를 포함할 때 Y를 포함할 확률이 X를 고려하지 않은 경우 Y를 포함할 확률에 비해 얼마나 향상되는가'에 대한 정보를 제공해준다. 만약 향상도가 1이면 X가 포함된 기사 중에서 Y를 찾는 것과, 모든 기사에서 Y를 찾을 확률이 동일하기 때문에 두 단어집합 X, Y는 서로 상관관계가 없을 가능성이 높다. 반면, 향상도가 1 이상이면 두 단어집합은 서로 밀접한 상관관계를 (양의 상관관계) 가질 가능성이 높으며, 1 이하이면 서로 상반된 상관관계를 (음의 상관관계) 가질 가능성이 높다. 예를 들어, 빵, 버터는 밀접한 관계가 있는 양의 상관관계를 가질 확률이 높으며, 설사약, 변비약은 서로 상반된 관계가 있는 음의 상관관계를 가질 확률이 높다. The degree of enhancement provides information on 'how much the probability of including Y when including X is improved compared to the probability of including Y if X is not considered'. If the degree of enhancement is 1, there is a high possibility that the two word sets X and Y are not correlated with each other because the probability of finding Y in the articles containing X and the probability of finding Y in all articles is the same. On the other hand, if the degree of improvement is more than 1, the two word sets are more likely to have a close correlation (positive correlation), and if they are less than 1, there is a high possibility of having a mutually opposite correlation (negative correlation). For example, bread and butter are likely to have a close and positive correlation, and leprosy and laxatives are likely to have a negative correlation with each other.

단계 S901에서 유저 인터페이스부(110)는 요청 플래그 및 최소 빈도수를 전송할 수 있다. 데이터 분석부(130)는 유저 인터페이스부(110)로부터 요청 8(request 8)를 포함하는 요청 플래그를 수신할 수 있다. 요청8은 Word Cloud 시각화 요청을 목적으로하는 requestFlag 값일 수 있다.In step S901, the user interface unit 110 may transmit the request flag and the minimum frequency. The data analysis unit 130 may receive a request flag including request 8 from the user interface unit 110. [ Request 8 may be a requestFlag value intended for a Word Cloud visualization request.

단계 S902에서, 분석부(133)는 분석 데이터 베이스(142)로부터 체언 집합 데이터를 수신할 수 있다. In step S902, the analysis unit 133 may receive the census data from the analysis database 142. [

단계 S903에서, 분석부(133)는 체언 집합에 포함된 단어 중에서 최소 빈도수 이상의 단어를 결정하여 빈도수 분석을 수행할 수 있다. 또한, 분석부(133)는 결정된 최소 빈도수 이상의 단어를 빈도수에 따라 출력 위치, 출력 크기 및 출력 색을 결정하여 워드 클라우드(Word Cloud)형태로 출력할 수 있다. In step S903, the analyzing unit 133 can determine a word having a minimum frequency of words included in the vocabulary set and perform frequency analysis. In addition, the analyzing unit 133 may determine the output position, the output size, and the output color according to the frequency of the word having the determined minimum frequency and output it in word cloud form.

도 13은 본원의 일 실시예에 따른 결정된 최소 빈도수 이상의 단어를 빈도수에 따라 출력 위치, 출력 크기 및 출력 색을 결정하여 워드 클라우드 형태로 출력한 예를 나타낸 도면이다. FIG. 13 is a diagram illustrating an example of outputting a word having a minimum frequency determined according to an embodiment of the present invention in word cloud form by determining output position, output size, and output color according to the frequency.

예시적으로 도 13을 참조하면, 워드 클라우드 형태의 시각화하는 것은, 핵심적인 단어를 돋보이게 하는 시각화하여, 기사에서 사용된 단어들을 빈도수에 따라 서로 다른 크기와 색으로 표현할 수 있다. Illustratively, referring to FIG. 13, visualization in word cloud form can be visualized to enhance core words, and words used in the article can be expressed in different sizes and colors according to frequency.

또한, 분석부(133)는 생성된 워드 클라우드 형태로 출력된 시각화 결과를 분석 데이터 베이스(142)에 저장할 수 있다. In addition, the analysis unit 133 may store the visualization result output in the generated word cloud form in the analysis database 142.

다음으로, 데이터 분석부(130)는 유저 인터페이스부(110)로부터 요청 9(request 9)를 포함하는 요청 플래그를 수신할 수 있다. 요청9은 Grouped Matrix 시각화 요청을 목적으로하는 requestFlag 값일 수 있다.Next, the data analysis unit 130 may receive a request flag including request 9 (request 9) from the user interface unit 110. Request 9 may be a requestFlag value intended for a Grouped Matrix visualization request.

단계 S904에서, 데이터 분석부(130)는 최소 지지도 및 최소 신뢰도 입력 정보를 수신할 수 있다. 또한, 데이터 분석부(130)는 제 2 단어 집합에 관한 입력을 수신할 수 있다. In step S904, the data analysis unit 130 may receive minimum support degree and minimum reliability input information. In addition, the data analysis unit 130 may receive an input relating to the second word set.

단계 S905에서, 분석 데이터 베이스(142)는 데이터 분석부(133)의 요청에 의해 매트릭스 데이터 셋트를 전송할 수 있다.In step S905, the analysis database 142 may transmit the matrix data set at the request of the data analysis unit 133. [

단계 S906에서, 분석부(133)는 매트릭스 데이터 셋트를 기반으로 연관규칙 분석을 수행할 수 있다. 분석부(133)는 매트릭스 데이터 셋트 내의 빈발 단어들로 만들 수 있는 단어 조합을 포함하는 제 1 단어 집합을 결정하고, 제 1 단어 집합에 포함된 단어 조합이 기사에 포함되면 제 2 단어 집합에 포함된 단어도 기사에 포함되는지에 관한 연관규칙을 결정할 수 있다. In step S906, the analysis unit 133 may perform association rule analysis based on the matrix data set. The analysis unit 133 determines a first word set including a word combination that can be made up of frequent words in the matrix data set, and when the word combination included in the first word set is included in the article, it is included in the second word set Can determine the association rules as to whether or not the word is included in the article.

분석부(133)는 결정된 연관규칙에 관한 지지도, 신뢰도 및 향상도를 연산하고, 결정된 연관규칙 중 최소 지지도 및 최소 신뢰도 이상의 지지도 및 신뢰도를 가지는 연관규칙에 관한 분석 결과를 출력할 수 있다. The analyzing unit 133 may calculate the degree of support, reliability, and degree of improvement of the association rule, and output the analysis result of the association rule having the support degree and the reliability higher than the minimum support degree and the minimum reliability level among the determined association rules.

예시적으로 도14를 참조하면, 단계 S907에서, 분석부(133)는 제 1 단어 집합과 제 2 단어 집합 간의 연관성을 매트릭스 형태로 출력할 수 있다. 도 14는 그룹 매트릭스 출력의 예를 나타낸 도면이다. 도 14에서 연관규칙의 제 1단어집합(LHS)과 제2단어집합(RHS)을 기준으로 각 단어집합 간 연관성을 매트릭스(Matrix)형태로 나타낸 것을 확인할 수 있다. 그룹 매트릭스 출력 그래프의 원의 크기는 각 규칙의 지지도를 나타내고, 색상의 진함은 향상도를 의미할 수 있다. 제 1단어집합(LHS) 이름 앞의 숫자는 그 조건으로 되어있는 연관규칙의 수를 의미하며, 제 1단어집합(LHS)에 "+"와 함께 표시된 숫자는 표시가 생략된 단어의 수를 의미할 수 있다. 그룹 매트릭스 출력 그래프의 원의 크기가 클수록, 색이 진할수록 많이 발생하는 규칙이라고 해석할 수 있다. 14, in step S907, the analyzer 133 may output the association between the first word set and the second word set in the form of a matrix. 14 is a diagram showing an example of a group matrix output. In FIG. 14, it can be confirmed that the association between the respective word sets is expressed in a matrix form on the basis of the first word set (LHS) and the second word set (RHS) of the association rule. The circle size of the group matrix output graph indicates the degree of support of each rule, and the shade of color may mean an improvement. The number before the first word set (LHS) name means the number of association rules with that condition, and the number marked with "+" in the first word set (LHS) means the number of words omitted can do. Group Matrix Output It can be interpreted that the larger the circle size of the graph, the larger the color is, the more the rule is generated.

분석부(133)는 검색 키워드별로 서로 다른 개수의 규칙을 생성할 수 있다. 서로 다른 개수의 규칙이 생성되는 것은, 각 키워드마다 매트릭스 데이터 셋트에 포함되어 있는 기사의 수 및 기사 내 포함된 단어의 수가 다르기 때문이다. 분석부(133)는 옵션 값(지지도 =0.1, 신뢰도=0.1) 이상의 값을 가지는 규칙의 수가 검색 키워드별로 다르기 때문에, 검색 키워드별로 서로 다른 개수의 규칙을 생성할 수 있다. 다시 말해, 분석부(133)는 연관규칙 분석을 수행 시 각 기사에 포함되는 단어집합들에 따라 생성되는 규칙들의 지지도, 신뢰도 값이 결정할 수 있다. 매트릭스 데이터 셋트 내 기사의 수 및 각 기사에 포함되어 있는 단어의 수가 적을수록 옵션 값 미만의 규칙들이 많아져서 결과에서 제외될 수 있다. The analysis unit 133 may generate different numbers of rules for each search keyword. The reason why different numbers of rules are generated is that the number of articles included in the matrix data set and the number of words included in the articles are different for each keyword. The analysis unit 133 can generate different numbers of rules for each search keyword since the number of rules having a value equal to or greater than the option value (support degree = 0.1, reliability = 0.1) is different for each search keyword. In other words, when the association rule analysis is performed, the analysis unit 133 can determine the support degree and the reliability value of the rules generated according to the word sets included in each article. The smaller the number of articles in the matrix data set and the number of words contained in each article, the greater the number of rules that are below the option value and can be excluded from the results.

또한, 데이터 분석부(130)는 유저 인터페이스부(110)로부터 요청 10(request 10)를 포함하는 요청 플래그를 수신할 수 있다. 요청10은 Graph 시각화 요청을 목적으로하는 requestFlag 값일 수 있다.In addition, the data analysis unit 130 may receive a request flag including the request 10 (request 10) from the user interface unit 110. Request 10 may be a requestFlag value intended for a Graph visualization request.

단계 S908에서, 데이터 분석부(130)는 분석 데이터 베이스(142)로 매트릭스 데이터 셋트를 요청할 수 있다. 분석부(133)는 매트릭스 데이터 셋트를 기반으로 연관규칙 분석을 수행할 수 있다. 분석부(133)는 특정 지지도 순위 이상의 규칙들을 기반으로 그래프(Graph) 시각화를 수행할 수 있다. In step S908, the data analysis unit 130 may request the matrix data set from the analysis database 142. [ The analysis unit 133 may perform association rule analysis based on the matrix data set. The analysis unit 133 can perform graph visualization based on rules having a specific support ranking or more.

단계 S909에서 연관 규칙 분석시 분석부(133)는 유저 인터페이스부(110)로부터 최소 지지도 및 최소 신뢰도값을 수신할 수 있다. 또한, 분석부(133)는 사용자가 원하는 단어에 대한 연관규칙 분석 결과만을 확인하기 위해 제2 단어집합(RHS)값을 설정할 수 있다. In step S909, the association rule analysis analysis unit 133 may receive the minimum support value and the minimum reliability value from the user interface unit 110. [ In addition, the analyzer 133 may set a second word set (RHS) value to check only the association rule analysis result for the word desired by the user.

도 15를 참조하면, 단계 S910에서, 분석부(133)는 제 1 단어 집합에 속한 단어와 제 2 단어 집합에 속한 단어 간의 연관성을 네트워크 형태로 출력하는 그래프 출력을 할 수 있다. 도 15에 도시된 네트워트 그래프 형태의 단어에서 원으로 향하는 화살표는 제 1 단어 집합(LHS), 원에서 단어로 향하는 화살표는(RHS)를 의미한다. 예를 들어, 분석부(133)는 '송전탑(LHS)->O->주민(RHS)'의 연관성을 분석할 수 있다. 즉, 분석부(133)는 송전탑이라는 단어가 기사에서 사용된다면, 주민이라는 단어 또한 기사에서 사용된다는 규칙을 분석할 수 있다. 'O->전자파(RHS)'로 분석 될 경우, 제 1 단어 집합(LHS)에 제시된 단어의 사용여부에 상관없이, 전자파가 기사에서 사용된다는 규칙을 의미할 수 있다. Referring to FIG. 15, in step S910, the analyzer 133 may output a graph outputting the association between a word belonging to the first word set and a word belonging to the second word set in a network form. In the network graph type word shown in FIG. 15, a circle-directed arrow means a first word set (LHS), and an arrow from a circle to a word means (RHS). For example, the analysis unit 133 can analyze the association of the 'Transmission Tower (LHS) -> O-> Resident (RHS)'. That is, if the word "transmission tower" is used in the article, the analysis unit 133 can analyze the rule that the word "residents" is also used in the article. When analyzed as 'O-> electromagnetic waves (RHS)', it may mean the rule that electromagnetic waves are used in the article, regardless of whether or not the word presented in the first word set (LHS) is used.

또한, 원의 크기는 각 규칙의 지지도를, 원의 색상의 진하기는 향상도를 의미할 수 있다. 단어의 위치는 다른 단어들과의 연관관계를 의미하며, 도 15에서는 중계기가 연관관계의 중심에 있음을 확인할 수 있다. 즉, 원의 크기가 클수록, 색이 진할수록 발생 빈도가 높은 규칙이라고 해석할 수 있다. 일예로, 다른 단어들과 떨어져서 있는 두 단어가 있다면, 이는 두 단어가 둘만의 연관관계를 가지고 있는 것일 수 있다. In addition, the size of the circle may mean the degree of support of each rule, and the increase of the color of the circle may mean the degree of improvement. The position of the word indicates the association with other words, and in FIG. 15, it can be confirmed that the relay is at the center of the association. In other words, it can be interpreted that the larger the size of the circle, the higher the frequency is. For example, if there are two words apart from other words, it may be that the two words have only two associations.

분석부(133)는 생성된 네트워크 형태로 출력한 그래프 출력을 분석 데이터베이스(142)에 저장할 수 있다. The analysis unit 133 may store the graph output output in the generated network form in the analysis database 142. [

또한, 데이터 분석부(130)는 유저 인터페이스부(110)로부터 요청 11(request 11)를 포함하는 요청 플래그를 수신할 수 있다. 요청11은 Scatter Plot 시각화(분포도 출력) 요청을 목적으로하는 requestFlag 값일 수 있다.In addition, the data analysis unit 130 may receive a request flag including the request 11 (request 11) from the user interface unit 110. Request 11 may be a requestFlag value for the purpose of requesting a Scatter Plot visualization (distribution diagram output) request.

단계 S911에서, 데이터 분석부(130)는 분석 데이터 베이스(142)로 매트릭스 데이터 셋트를 요청할 수 있다. 분석부(133)는 매트릭스 데이터 셋트를 기반으로 연관규칙 분석을 수행할 수 있다. 분석부(133)는 결정된 연관규칙의 분포를 분포도 출력으로 시각화하여 제공할 수 있다. In step S911, the data analysis unit 130 may request the matrix data set from the analysis database 142. [ The analysis unit 133 may perform association rule analysis based on the matrix data set. The analysis unit 133 can visualize the distribution of the determined association rule as a distribution diagram output and provide it.

단계 S912에서 연관 규칙 분석시 분석부(133)는 유저 인터페이스부(110)로부터 최소 지지도 및 최소 신뢰도값을 수신할 수 있다. 또한, 분석부(133)는 사용자가 원하는 단어에 대한 연관규칙 분석 결과만을 확인하기 위해 제2 단어집합(RHS)값을 설정할 수 있다. In step S912, the association rule analysis analysis unit 133 may receive the minimum support value and the minimum reliability value from the user interface unit 110. [ In addition, the analyzer 133 may set a second word set (RHS) value to check only the association rule analysis result for the word desired by the user.

단계 S913에서 분석부(133)는 생성된 연관규칙들의 분포를 그래프로 제공할 수 있다. 예시적으로 도 16을 참조하면, 분도포 출력 그래프의 X축은 연관규칙의 지지도를 의미하고, Y축은 연관규칙의 신뢰도를 의미할 수 있다. 각 점들의 색상의 진하기는 향상도를 의미하는 것일 수 있다. 분포도 출력 그래프는 생성된 규칙들의 지지도, 신뢰도, 향상도에 대한 분포를 나타낼 수 있다. 분포도 출력 그래프의 각 점들은 하나의 규칙을 의미하며, 점들의 밀도는 규칙의 수에 비례할 수 있다. 분포도 출력 그래프는 검색 키워드에 상관없이, 지지도가 낮을수록, 신뢰도가 높을수록 생성된 규칙의 수가 많아지며, 규칙의 향상도는 높아질 수 있다. 연관규칙 분석에서, 발생 빈도가 낮은 규칙들 중 신뢰도가 높은 규칙일수록 두 단어집합 간 연관성이 높은 규칙임을 의미할 수 있다. In step S913, the analysis unit 133 may provide a graph of the distribution of the generated association rules. Illustratively, referring to FIG. 16, the X-axis of the minute application output graph means the support degree of the association rule, and the Y-axis can mean the reliability of the association rule. The enhancement of the color of each point may be an improvement. Distribution graph The output graph can represent the distribution of support, reliability, and degree of improvement of the generated rules. Distribution points Each point in the output graph represents a rule, and the density of points can be proportional to the number of rules. Regardless of the search keyword, the distribution graph of the output graph shows that the higher the reliability, the greater the number of generated rules, and the higher the degree of rule enhancement. In the association rule analysis, a rule with a high degree of reliability among the rules with low occurrence frequency may mean that the association between the two word sets is high.

마지막으로, 데이터 분석부(130)는 유저 인터페이스부(110)로부터 요청 12(request 12)를 포함하는 요청 플래그를 수신할 수 있다. 요청12는 Extraction Probability 시각화 요청을 목적으로하는 requestFlag 값일 수 있다.Finally, the data analysis unit 130 may receive a request flag including the request 12 (request 12) from the user interface unit 110. Request 12 may be a requestFlag value for purposes of Extraction Probability visualization requests.

단계 S914에서, 분석부(133)는 분석 데이터 베이스(142)로 매트릭스 데이터 셋트를 요청할 수 있다. 분석부(133)는 매트릭스 데이터 셋트를 기반으로 빈도수 분석을 수행할 수 있다. 분석부(133)는 기사에서 특정 단어가 추출될 확률 분석 및 추출 빈도를 시각화하여 제공할 수 있다. 단계 S915에서, 분석부(133)는, 매트릭스 데이터 셋트를 읽어오고, 체언 집합에 포함된 단어가 매트릭스 데이터 셋트의 각 기사에서 추출될 확률을 연산하고, 체언 집합에 포함된 단어 별 각 기사에서의 추출 빈도 및 추출 확률을 포함하는 그래프를 출력하여 빈도수 분석을 수행할 수 있다.In step S914, the analysis unit 133 may request the matrix data set to the analysis database 142. [ The analysis unit 133 may perform the frequency analysis based on the matrix data set. The analysis unit 133 can provide a probability analysis and a frequency of extraction of a specific word from the article in a visualized form. In step S915, the analysis unit 133 reads the matrix data set, calculates the probability that the words included in the cognoset are extracted from the respective articles of the matrix data set, A frequency analysis can be performed by outputting a graph including extraction frequency and extraction probability.

예시적으로 도 17을 참조하면, 단계 S915에서 분석부(133)는 추출 빈도 및 추출 확률을 포함하는 그래프를 바(Bar) 형태의 그래프로 표현할 수 있다. 도 17에 도시된 추출 빈도 및 추출 확률을 포함하는 그래프는 임의의 키워드를 입력했을 때 기사에서 특정 단어가 추출될 확률을 Bar 그래프 형태로 나타낼 수 있다. 추출 빈도 및 추출 확률을 포함하는 그래프의 X축은 빈도수가 높은 단어집합을 의미하며, Y축은 단어집합들의 추출확률을 의미한다. 도 17에 도시된 그래프에서는 추출된 모든 단어집합 중 빈도수가 높은 상위 30개의 단어집합이 X축을 구성한 예시를 나타내고 있다. 각 바 그래프 상단의 숫자는 단어집합 별 추출확률을 구체적을 나타낸 것이다. Referring to FIG. 17, in step S915, the analyzer 133 may represent a graph including an extraction frequency and an extraction probability as a bar-shaped graph. The graph including the extraction frequency and the extraction probability shown in FIG. 17 can indicate the probability of extracting a specific word from an article in the form of a bar graph when an arbitrary keyword is input. The X axis of the graph including the extraction frequency and extraction probability means a word set having a high frequency, and the Y axis means a probability of extraction of word sets. In the graph shown in FIG. 17, the top 30 word sets having a high frequency among all the extracted word sets represent examples of the X axis. The number at the top of each bar graph shows the specific probability of extraction by word set.

단계 S915에서 임의의 검색 키워드를 입력했을 때 특정 단어가 기사로부터 추출될 확률은 매트릭스 데이터 셋트를 기반으로 계산될 수 있다. 분석부(133)는 (특정 단어가 포함된 기사의 수) / (크롤링된 기사의 수)를 계산하여 추출 확률을 표현할 수 있다. The probability that a specific word is extracted from the article when an arbitrary search keyword is input in step S915 can be calculated based on the matrix data set. The analyzing unit 133 can express the extraction probability by calculating (the number of articles including a specific word) / (the number of articles crawled).

분석부(133)는 생성한 추출 빈도 및 추출 확률 그래프를 분석 데이터 베이스(142)에 저장할 수 있다. The analysis unit 133 may store the generated extraction frequency and extraction probability graph in the analysis database 142. [

상술한 설명에서, 각 단계는 본원의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.In the above description, each step may be further divided into further steps, or combined into fewer steps, according to embodiments of the present disclosure. Also, some of the steps may be omitted as necessary, and the order between the steps may be changed.

본원의 일 실시 예에 따른 텍스트 데이터 수집 및 분석 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method for collecting and analyzing text data according to one embodiment of the present invention may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, and the like, alone or in combination. The program instructions recorded on the medium may be those specially designed and constructed for the present invention or may be available to those skilled in the art of computer software. Examples of computer-readable media include magnetic media such as hard disks, floppy disks and magnetic tape; optical media such as CD-ROMs and DVDs; magnetic media such as floppy disks; Magneto-optical media, and hardware devices specifically configured to store and execute program instructions such as ROM, RAM, flash memory, and the like. Examples of program instructions include machine language code such as those produced by a compiler, as well as high-level language code that can be executed by a computer using an interpreter or the like. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the present invention, and vice versa.

또한, 전술한 텍스트 데이터 수집 및 분석 방법은 기록 매체에 저장되는 컴퓨터에 의해 실행되는 컴퓨터 프로그램 또는 애플리케이션의 형태로도 구현될 수 있다.Furthermore, the text data collection and analysis method described above can also be implemented in the form of a computer program or an application executed by a computer stored in a recording medium.

전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.It will be understood by those of ordinary skill in the art that the foregoing description of the embodiments is for illustrative purposes and that those skilled in the art can easily modify the invention without departing from the spirit or essential characteristics thereof. It is therefore to be understood that the above-described embodiments are illustrative in all aspects and not restrictive. For example, each component described as a single entity may be distributed and implemented, and components described as being distributed may also be implemented in a combined form.

본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.The scope of the present invention is defined by the appended claims rather than the detailed description, and all changes or modifications derived from the meaning and scope of the claims and their equivalents should be construed as being included within the scope of the present invention.

100: 텍스 데이터 수집 및 분석 장치
110: 유저 인터페이스부
120: 웹 크롤러부
121: 파싱부 122: 추출부
123: 언어 지원부 124: 파일 생성부
130: 데이터 분석부
131: 전처리부 132: 데이터 형성부
133: 분석부
140: 데이터베이스
141: 크롤링 데이터베이스 142: 분석 데이터베이스
143: 사전 정의 단어 데이터베이스
200: 사용자 단말
300: 웹
100: Text data collection and analysis device
110:
120: Web crawler part
121: parsing unit 122:
123: language support unit 124: file generation unit
130: Data analysis section
131: preprocessing unit 132: data forming unit
133:
140: Database
141: Crawl database 142: Analysis database
143: Predefined word database
200: user terminal
300: Web

Claims (20)

텍스트 데이터 수집 및 분석 방법에 있어서,
키워드 및 기간 정보에 관한 입력을 수신하는 단계;
상기 키워드 및 상기 기간 정보에 기초하여 상기 키워드를 포함하는 웹에 게재된 기사의 수를 계산하는 단계;
상기 기사의 수에 기초하여 크롤링 가능한 웹 페이지의 수를 계산하는 단계;
상기 계산된 웹 페이지 수를 제공하는 단계;
크롤링을 수행할 웹 페이지의 범위에 관한 입력을 수신하는 단계;
입력 받은 웹 페이지의 범위 내에서 상기 키워드를 포함하는 기사가 포함된 웹 페이지를 크롤링(crawling)하는 단계;
상기 크롤링된 웹 페이지에 포함된 기사의 텍스트 데이터를 수집하는 단계;
상기 수집한 텍스트 데이터에 대하여 미리 설정된 사전 정의 단어에 기초하여 전처리하는 단계; 및
상기 전처리된 결과에 기초하여 텍스트 데이터 분석을 수행하는 단계,
를 포함하는 텍스트 데이터 수집 및 분석 방법.
A method for collecting and analyzing text data,
Receiving input regarding keyword and period information;
Calculating the number of articles displayed on the web including the keyword based on the keyword and the period information;
Calculating a number of crawlable web pages based on the number of articles;
Providing the calculated number of web pages;
Receiving an input relating to a range of a web page to be crawled;
Crawling a web page including an article including the keyword within a range of the input web page;
Collecting text data of an article included in the crawled web page;
Preprocessing the collected text data based on a predefined word set in advance; And
Performing a text data analysis based on the preprocessed result,
Gt; a < / RTI > text data collection and analysis method.
제 1 항에 있어서,
상기 기간 정보는 기사의 게재 기간인 것인, 텍스트 데이터 수집 및 분석 방법.
The method according to claim 1,
And the period information is a publication period of an article.
제 1 항에 있어서,
입력 받은 웹 페이지의 범위 내에서 상기 웹 페이지의 크롤링이 반복하여 수행되는 것인, 텍스트 데이터 수집 및 분석 방법.
The method according to claim 1,
Wherein the crawling of the web page is repeatedly performed within a range of the input web page.
제 1 항에 있어서,
상기 전처리하는 단계는,
상기 미리 설정된 사전 정의 단어에 관한 입력을 수신하는 단계;
상기 미리 설정된 사전 정의 단어를 포함하는 기사와 상기 미리 설정된 사전 정의 단어를 포함하지 않는 기사를 분류하는 단계; 및
상기 미리 설정된 사전 정의 단어를 포함하는 기사의 텍스트 데이터 중에서 미리 설정된 제거 텍스트 요소를 제거하는 단계,
를 포함하는 것인, 텍스트 데이터 수집 및 분석 방법.
The method according to claim 1,
The pre-
Receiving an input relating to the predetermined predefined word;
Classifying articles that do not include the predefined word and an article that includes the predefined predefined word; And
Removing a predetermined removed text element from the text data of the article containing the predetermined predefined word,
The method comprising the steps of:
제 1 항에 있어서,
단어 빈도수 순위에 관한 입력을 수신하는 단계; 및
상기 전처리된 텍스트 데이터에 기초하여 텍스트 데이터 분석에 사용될 기반 데이터 셋트를 형성하는 단계,
를 더 포함하고,
상기 기반 데이터 셋트는 상기 전처리된 텍스트 데이터에 포함된 체언 집합, 상기 체언 집합에 포함된 단어 중에서 상기 단어 빈도수 순위 이내의 빈발 단어 집합 및 각 기사의 빈발 단어 포함 여부에 관한 정보인 매트릭스 데이터 셋트를 포함하는 것인, 텍스트 데이터 수집 및 분석 방법.
The method according to claim 1,
Receiving an input regarding a word frequency ranking; And
Forming a base data set to be used for text data analysis based on the preprocessed text data,
Further comprising:
The base data set includes a cognate set included in the preprocessed text data, a frequent word set within the word frequency rank among the words included in the cognate set, and a matrix data set that is information on whether the frequent word is included in each article To a text data collection and analysis method.
제 5 항에 있어서,
상기 텍스트 데이터 분석을 수행하는 단계는 기사에서 사용된 단어들의 빈도수 분석 및 기사 내 단어들 간의 연관규칙 분석을 포함하는 것인, 텍스트 데이터 수집 및 분석 방법.
6. The method of claim 5,
Wherein performing the text data analysis comprises analyzing frequency of words used in the article and analyzing association rules between words in the article.
제 6 항에 있어서,
상기 텍스트 데이터 분석을 수행하는 단계는,
상기 매트릭스 데이터 셋트 내의 빈발 단어들로 만들 수 있는 단어 조합을 포함하는 제1단어 집합을 결정하는 단계;
상기 빈발 단어 집합 중 적어도 하나의 단어를 포함하는 제2단어 집합에 관한 입력을 수신하는 단계; 및
상기 제1단어 집합에 포함된 단어 조합이 기사에 포함되면 상기 제2단어 집합에 포함된 단어도 기사에 포함되는지에 관한 연관규칙을 결정하는 단계,
를 포함하는 것인, 텍스트 데이터 수집 및 분석 방법.
The method according to claim 6,
Wherein performing the text data analysis comprises:
Determining a first word set comprising a word combination that can be made up of frequent words in the matrix data set;
Receiving an input relating to a second set of words including at least one word of the frequent word set; And
Determining an association rule as to whether a word included in the second word set is included in an article if the word combination included in the first word set is included in the article,
The method comprising the steps of:
제 7 항에 있어서,
상기 텍스트 데이터 분석을 수행하는 단계는,
상기 연관규칙에 관한 최소 지지도 및 최소 신뢰도에 관한 입력을 수신하는 단계; 및
상기 결정된 연관규칙 중 상기 최소 지지도 및 최소 신뢰도 이상의 지지도 및 신뢰도를 가지는 연관규칙에 관한 분석 결과를 출력하는 단계,
를 더 포함하는 것인, 텍스트 데이터 수집 및 분석 방법.
8. The method of claim 7,
Wherein performing the text data analysis comprises:
Receiving an input regarding minimum support and minimum reliability for the association rule; And
Outputting an analysis result on an association rule having a support degree and a reliability higher than the minimum support degree and the minimum reliability out of the determined association rules;
The method comprising the steps of:
제 6 항에 있어서,
상기 텍스트 데이터 분석을 수행하는 단계는,
최소 빈도수에 관한 입력을 수신하는 단계; 및
상기 체언 집합에 포함된 단어 중에서 상기 최소 빈도수 이상의 단어를 결정하여 빈도수 분석을 수행하는 단계,
를 포함하는 것인, 텍스트 데이터 수집 및 분석 방법.
The method according to claim 6,
Wherein performing the text data analysis comprises:
Receiving an input regarding a minimum frequency; And
Determining a word having the minimum frequency among the words included in the vocabulary set and performing frequency analysis,
The method comprising the steps of:
텍스트 데이터 수집 및 분석 장치에 있어서,
키워드 및 기간 정보에 관한 입력을 수신하고, 크롤링을 수행할 웹 페이지의 범위에 관한 입력을 수신하는 유저 인터페이스부;
상기 키워드 및 상기 기간 정보에 기초하여 상기 키워드를 포함하는 웹에 게재된 기사의 수를 계산하고, 상기 기사의 수에 기초하여 크롤링 가능한 웹 페이지의 수를 계산하고, 상기 계산된 웹 페이지 수를 상기 유저 인터페이스부에 제공하며, 상기 유저 인터페이스부가 입력 받은 웹 페이지의 범위 내에서 상기 키워드를 포함하는 기사가 포함된 웹 페이지를 크롤링(crawling)하는 웹 크롤러부; 및
상기 크롤링된 웹 페이지에 포함된 기사의 텍스트 데이터를 수집하고, 상기 수집한 텍스트 데이터에 대하여 미리 설정된 사전 정의 단어에 기초하여 전처리하고, 상기 전처리된 결과에 기초하여 텍스트 데이터 분석을 수행하는 데이터 분석부,
를 포함하는 텍스트 데이터 수집 및 분석 장치.
A text data collection and analysis apparatus comprising:
A user interface unit for receiving an input regarding keyword and period information and receiving an input relating to a range of a web page to be crawled;
Calculating the number of articles displayed on the web including the keyword based on the keyword and the period information, calculating the number of web pages that can be crawled based on the number of articles, A web crawler unit providing a user interface unit with a web page including an article including the keyword within a range of the web page input by the user interface unit; And
A data analysis unit for collecting text data of an article included in the crawled web page, preprocessing the collected text data based on a predefined word, and performing text data analysis based on the preprocessed result, ,
And a text data acquisition and analysis device.
제 10 항에 있어서,
상기 기간 정보는 기사의 게재 기간인 것인, 텍스트 데이터 수집 및 분석 장치.
11. The method of claim 10,
And the period information is a publication period of an article.
제 10 항에 있어서,
상기 웹 크롤러부는 상기 유저 인터페이스부가 입력 받은 웹 페이지의 범위 내에서 상기 웹 페이지의 크롤링이 반복하여 수행하는 것인, 텍스트 데이터 수집 및 분석 장치.
11. The method of claim 10,
Wherein the web crawler unit repeatedly performs crawling of the web page within a range of the web page received by the user interface unit.
제 10 항에 있어서,
유저 인터페이스부는 상기 미리 설정된 사전 정의 단어에 관한 입력을 수신하고,
상기 데이터 분석부는,
상기 미리 설정된 사전 정의 단어를 포함하는 기사와 상기 미리 설정된 사전 정의 단어를 포함하지 않는 기사를 분류하고 상기 미리 설정된 사전 정의 단어를 포함하는 기사의 텍스트 데이터 중에서 미리 설정된 제거 텍스트 요소를 제거하여, 상기 수집한 텍스트 데이터에 대하여 전처리를 수행하는 전처리부를 포함하는 것인, 텍스트 데이터 수집 및 분석 장치.
11. The method of claim 10,
The user interface unit receives an input relating to the predetermined predefined word,
The data analysis unit may include:
Classifying an article including the predefined dictionary word and an article not including the predetermined dictionary definition word and removing a predetermined removed text element from the text data of the article including the predetermined dictionary definition word, And a preprocessing unit for performing preprocessing on one piece of text data.
제 10 항에 있어서,
상기 유저 인터페이스부는 단어 빈도수 순위에 관한 입력을 수신하고,
상기 데이터 분석부는,
상기 전처리된 텍스트 데이터에 기초하여 텍스트 데이터 분석에 사용될 기반 데이터 셋트를 형성하는 데이터 형성부를 포함하고,
상기 기반 데이터 셋트는 상기 전처리된 텍스트 데이터에 포함된 체언 집합, 상기 체언 집합에 포함된 단어 중에서 상기 단어 빈도수 순위 이내의 빈발 단어 집합 및 각 기사의 빈발 단어 포함 여부에 관한 정보인 매트릭스 데이터 셋트를 포함하는 것인, 텍스트 데이터 수집 및 분석 장치.
11. The method of claim 10,
The user interface receives an input relating to a word frequency ranking,
The data analysis unit may include:
And a data forming unit for forming a base data set to be used for text data analysis based on the preprocessed text data,
The base data set includes a cognate set included in the preprocessed text data, a frequent word set within the word frequency rank among the words included in the cognate set, and a matrix data set that is information on whether the frequent word is included in each article The text data collection and analysis device.
제 14 항에 있어서,
상기 데이터 분석부는,
상기 기반 데이터 셋트에 기초하여 기사에서 사용된 단어들의 빈도수 분석 및 기사 내 단어들 간의 연관규칙 분석을 수행하는 분석부를 포함하는 것인, 텍스트 데이터 수집 및 분석 장치.
15. The method of claim 14,
The data analysis unit may include:
And analyzing a frequency of the words used in the article based on the base data set and analyzing association rules between words in the article.
제 15항에 있어서,
상기 유저 인터페이스부는, 상기 빈발 단어 집합 중 적어도 하나의 단어를 포함하는 제2단어 집합에 관한 입력을 수신하고,
상기 분석부는, 상기 매트릭스 데이터 셋트 내의 빈발 단어들로 만들 수 있는 단어 조합을 포함하는 제1단어 집합을 결정하고, 상기 제1단어 집합에 포함된 단어 조합이 기사에 포함되면 상기 제2단어 집합에 포함된 단어도 기사에 포함되는지에 관한 연관규칙을 결정하는 것인, 텍스트 데이터 수집 및 분석 장치.
16. The method of claim 15,
Wherein the user interface unit receives an input relating to a second word set including at least one word of the frequent word set,
Wherein the analyzing unit determines a first word set including word combinations that can be made up of frequent words in the matrix data set, and when the word combination included in the first word set is included in the article, And determining association rules as to whether embedded words are also included in the article.
제 16 항에 있어서,
상기 유저 인터페이스부는, 상기 연관규칙에 관한 최소 지지도 및 최소 신뢰도에 관한 입력을 수신하고,
상기 분석부는, 상기 결정된 연관규칙 중 상기 최소 지지도 및 최소 신뢰도 이상의 지지도 및 신뢰도를 가지는 연관규칙에 관한 분석 결과를 출력하는 것인, 텍스트 데이터 수집 및 분석 장치.
17. The method of claim 16,
Wherein the user interface unit receives an input regarding a minimum support degree and minimum reliability regarding the association rule,
Wherein the analyzing unit outputs an analysis result related to an association rule having a support degree and a reliability higher than or equal to the minimum support degree and the minimum reliability degree among the determined association rules.
제 15 항에 있어서,
상기 유저 인터페이스부는, 최소 빈도수에 관한 입력을 수신하고,
상기 분석부는, 상기 체언 집합에 포함된 단어 중에서 상기 최소 빈도수 이상의 단어를 결정하여 빈도수 분석을 수행하는 것인, 텍스트 데이터 수집 및 분석 장치.
16. The method of claim 15,
The user interface unit receives an input relating to a minimum frequency,
Wherein the analyzing unit determines the words having the minimum frequency among the words included in the vocabulary set and performs the frequency analysis.
제 10 항 내지 제 18 항 중 어느 한 항의 텍스트 데이터 수집 및 분석 장치; 및
상기 텍스트 데이터 수집 및 분석 장치에 키워드 및 기간 정보에 관한 입력을 제공하고, 상기 텍스트 데이터 수집 및 분석 장치로부터 텍스트 데이터 분석의 결과를 수신하여 출력하는 사용자 단말,
을 포함하는 텍스트 데이터 수집 및 분석 시스템.
18. A text data collection and analysis apparatus according to any one of claims 10 to 18; And
A user terminal providing the text data collection and analysis apparatus with an input relating to keyword and period information, receiving and outputting results of text data analysis from the text data collection and analysis apparatus,
And a text data collection and analysis system.
제 1 항 내지 제 9 항 중 어느 한 항의 방법을 컴퓨터에서 실행하기 위한 프로그램을 기록한 컴퓨터에서 판독 가능한 기록매체. A computer-readable recording medium on which a program for executing the method of any one of claims 1 to 9 is recorded.
KR1020170142346A 2017-10-30 2017-10-30 Method and apparatus for collecting and analyzing text data with user interface for data analysis KR102023489B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170142346A KR102023489B1 (en) 2017-10-30 2017-10-30 Method and apparatus for collecting and analyzing text data with user interface for data analysis

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170142346A KR102023489B1 (en) 2017-10-30 2017-10-30 Method and apparatus for collecting and analyzing text data with user interface for data analysis

Publications (2)

Publication Number Publication Date
KR20190047938A true KR20190047938A (en) 2019-05-09
KR102023489B1 KR102023489B1 (en) 2019-09-20

Family

ID=66545626

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170142346A KR102023489B1 (en) 2017-10-30 2017-10-30 Method and apparatus for collecting and analyzing text data with user interface for data analysis

Country Status (1)

Country Link
KR (1) KR102023489B1 (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160123196A (en) * 2015-04-15 2016-10-25 (주)퀀텀웨이브 Online automatic death recognition algorithm and system

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160123196A (en) * 2015-04-15 2016-10-25 (주)퀀텀웨이브 Online automatic death recognition algorithm and system

Also Published As

Publication number Publication date
KR102023489B1 (en) 2019-09-20

Similar Documents

Publication Publication Date Title
KR20190047939A (en) Method and apparatus for collecting and analyzing text data for crawling text data
Kaufhold et al. Mitigating information overload in social media during conflicts and crises: Design and evaluation of a cross-platform alerting system
Hamborg et al. Automated identification of media bias in news articles: an interdisciplinary literature review
Lu et al. User-generated content as a research mode in tourism and hospitality applications: Topics, methods, and software
Sloan et al. Knowing the Tweeters: Deriving sociologically relevant demographics from Twitter
US11048712B2 (en) Real-time and adaptive data mining
Hahmann et al. Twitter location (sometimes) matters: Exploring the relationship between georeferenced tweet content and nearby feature classes
CN110651288A (en) Event extraction system and method
KR101899843B1 (en) System and method for analysing trend of cosmetic customer
KR20190047940A (en) Method and apparatus for collecting and analyzing text data for analyzing association rules of text data
EP2511869A2 (en) Method and system for providing user-customized content
JP5848199B2 (en) Impact prediction device, impact prediction method, and program
Liu et al. Semantic social media analysis of Chinese tourists in Switzerland
US11651039B1 (en) System, method, and user interface for a search engine based on multi-document summarization
Anh et al. Extracting user requirements from online reviews for product design: A supportive framework for designers
KR20130030434A (en) In online web text based commercial analysis service system and method thereof
KR102338381B1 (en) Big data based emotional information analysis and evaluation system and Driving method of the Same
Olmos-Martínez et al. What does the media tell us about a destination? the cancun case, seen from the usa, canada, and mexico
KR20190047941A (en) Method and apparatus for integration of text data collection and analysis
JP2010128917A (en) Method, device and program for extracting information propagation network
Zhu et al. MMLUP: Multi-Source & Multi-Task Learning for User Profiles in Social Network.
JP5639549B2 (en) Information retrieval apparatus, method, and program
KR20150086918A (en) Device and method for dealing stock using trend sentiment analysis
CN103970865A (en) Microblog text level subject finding method and system based on seed words
KR20190047938A (en) Method and apparatus for collecting and analyzing text data with user interface for data analysis

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant