딥러닝 기반의 웹사이트 키워드 선택 기법을 통한 기업인 네트워크 계층 분석

국문 초록 (Abstract)

다양한 고객의 요구를 만족시키기 위한 신제품 설계 및 개발의 필요성으로 인해 중소 기업인 간의 융합 활동의 중요성이 증대하고 있다. 특히 최고 의사결정을 가지는 중소기업의 대표는 적합한 융합 활동 파트너를 찾기 위해 인맥 관리는 필수적이다. 한편 중소기업인들은 한편 중소 기업인들은 인맥 형성 시 기업인들이 보유하고 있는 기술이나 유사한 토픽 정보를 가지고 있는 기업인과 인맥관계를 이해하고 형성하는 것이 중요하다. 그러나 중소기업의 현황 부재와 기업이 보유하고 있는 산업 분야별 기술 및 특성을 나타낼 수 있는 토픽 정보를 수집하는데 어려움이 있어, 기업인 간의 인맥 네트워크 관계를 이해하는데 한계가 존재한다. 따라서 본 논문에서는 기업인이 활동하고 있는 웹사이트에서 주요한 토픽 정보를 추출하고 이를 기반으로 기업인들의 네트워크 계층 분석을 통해 기업인들의 네트워크를 이해하고 융합 활동 활성화를 위한 시사점을 도출하고자 한다.
본 논문에서는 크게 두 부분으로 구성되어 있다. 첫 번째, 기업인이 활동하고 있는 웹사이트에서 기업인의 주요한 토픽 정보를 자동으로 추출하기 위해 딥러닝 기반의 웹사이트 키워드 선택 기법을 제안한다. 특히, 웹사이트에 있는 문서에서 키워드를 추출할 경우, 기존의 많이 사용되고 있는 기법인 문서에서 출현하는 단어의 빈도수를 고려한 기법, 단어의 동시출현관계를 고려한 그래프 알고리즘 기반으로 키워드를 추출하는 기법 등은 키워드가 추출되지 않는 문제점이 발생한다. 따라서 본 논문에서는 먼저 의미적 단어 위주로 구축된 후보키워드들의 집합과 word embedding모델을 통해 의미적 유사도 기반의 후보 키워드를 선택함으로써 기존 연구에서 발생되었던 문제점을 해결하고 기업인의 토픽 정보를 추출한다.
두 번째, 기업인들이 형성하고 있는 인맥 네트워크를 이해하기 위해 기업인이 활동하고 있는 웹사이트에서 추출 된 토픽 정보를 활용하여 3가지 측면에서 네트워크를 계층적으로 분석한다. 구체적으로 Connection, Social, Topic-Layer모델이 있으며 각각의 모델은 인맥의 양, 인맥 중심성, 토픽 유사성을 중심으로 분석한다. 특히, Topic-Layer모델에서는 토픽 정보를 시각적으로 표현하기 위해 토픽 추출 기법에서 사용된 word embedding모델을 응용하여 color embedding모델을 구축하였다. 따라서 Topic-Layer모델에서는 기업인간의 유사한 토픽 정보를 가지고 있는 기업인들은 유사한 컬러로 표현됨으로써 시각적으로 쉽게 네트워크를 이해하고 분석할 수 있다.
본 논문에서 제시된 기법들을 이용하여 실 데이터를 통한 실험 결과, 딥러닝 기반의 키워드 추출 기법은 기존의 키워드 추출 기법에 비해 우수한 성능을 보였다. 또한, 기업인들의 네트워크 분석에서는 인맥의 양이 적은 경우 중심성이 높은 기업과 네트워크를 강화하여 인맥 네트워크를 활성화 시켜야 할 필요가 있고, 토픽유사성이 낮은 경우 주제 기반의 네트워크를 활성화 시켜야 할 필요가 있다는 것을 실험을 통해 확인하였다.

다국어 초록 (Multilingual Abstract)

Recently, as the necessary of design and develop new products to satisfy for various customers, the importance of convergence activities between entrepreneurs has increased. In particular, decision makers such as CEOs are required to participate in networks between entrepreneurs for being connected with valuable convergence partners. Moreover, it is important that entrepreneurs to understand that entrepreneur having technologies and similar topic information. However, as collection is difficult to the entrepreneur representative technology and topic information, there are limitations to understanding the network relationships between entrepreneurs. Therefore, in this paper, the entrepreneur hierarchical network is analyzed to understand for the convergence activities based on topic information extracted from the websites where the entrepreneurs are active by using deep learning based keyword selection method.
In this paper, consists two parts. First, we suggest the keyword selection method automatically extracted keywords from websites where the entrepreneurs are active based on deep learning. In particular, when the extracting keywords from the documents on a website, in cases of using keyword extraction based on graph algorithm and frequency, there arise a problem that subjective keywords do not include are extracted. Therefore, we resolve these problem by selection on the candidate keyword consist of semantic keyword, we use that for entrepreneur topic information.
In the second part, for understanding formed social network between entrepreneurs, we analyze the network hierarchically in three aspects by using topic information. Specifically, the proposed network models consist of Connection, Social and Topic-Layer. In particular, for the topic information of the entrepreneur utilizes as visualization, we have developed the color embedding model by exploiting the word embedding model used in the keyword extraction. Therefore, the proposed Topic-Layer model easily analyzes and understands network by visualizing in similar color the topic information of the entrepreneurs.
The experiment results by using real-world data show that the proposed deep learning based keyword extraction method performance outperforms compared to the previous keyword extraction. Furthermore, the hierarchical network analysis of entrepreneurs results shows that in case of the number of the network connections is smaller, the entrepreneurs need to activate network by connecting high centrality entrepreneur. On the other hand, when topic similarity between the entrepreneurs is low, topic based network need to be activated.

목차 (Table of Contents)

• 제 1 장 서 론 1
• 1.1 연구 배경 및 동기 1
• 1.2 연구목적 5
• 1.3 논문의 구성 7
• 제 2 장 관련 연구 8
• 2.1 딥러닝 기반의 웹사이트 키워드 선택 기법 8
• 2.2 기업인 네트워크 계층 분석 11
• 제 3 장 딥러닝 기반의 웹사이트 키워드 추출 14
• 3.1 웹사이트 키워드 추출 모델 프레임 워크(Framework) 14
• 3.2 딥러닝 기반의 Word embedding 모델 17
• 3.3 키워드 추출 모델 19
• 3.3.1 프로파일 과정 19
• 3.3.2 키워드 선택 과정 19
• 3.3.3 필터링 과정(Filtering) 21
• 3.3.4 키워드 선택 기법들 23
• 3.4 실험 및 평가 25
• 3.4.1 실험 환경 25
• 3.4.2 키워드 추출 결과 27
• 3.4.3 웹사이트 문서 적용 사례 31
• 제 4 장 기업인 네트워크 계층 분석 34
• 4.1 기업인 네트워크 계층 분석 프레임 워크(Framework) 34
• 4.2 기업인 네트워크 분석 모델 36
• 4.2.1 Connection-Layer모델 기반의 네트워크 분석 36
• 4.2.2 Social-Layer 모델 기반의 네트워크 분석 37
• 4.2.3 Topic-Layer모델 기반의 네트워크 분석 39
• 4.3 네트워크 분석 및 평가 41
• 4.3.1 실험 환경 41
• 4.3.2. 제안한 모델에 따른 누적 분포도 42
• 4.3.3. 제안한 모델 기반의 시각화를 통한 네트워크 분석 44
• 4.3.4. 네트워크 점수 변화에 따른 분포도 48
• 4.3.5. 업종에 따른 네트워크 시각화 51
• 제 5 장 결론 및 고찰 53
• 5.1 논문의 결론 53
• 5.2 연구의 한계점 및 향후 연구계획 55