476회 오션세미나
인위적 해양쓰레기 연구에서 연구 주제의 시간적 경향과 공간적 분포
: 잠재 디리클레 할당을 이용한 주제 모델링
언어모델 이용 분석 결과 해양쓰레기 연구는
대부분 응용 주제, 다학제적 또는 횡단학적 연구 분야에 속해
제 476회 오션 정기 세미나는 ‘인위적 해양쓰레기 연구에서 연구 주제의 시간적 경향과 공간적 분포: 잠재 디리클레 할당을 이용한 주제 모델링’ 논문을 다루었다.
<원문>
D. Tomojiri, K. Takaya, T. Ise, 2022. Temporal trends and spatial distribution of research topics in anthropogenic marine debris study: Topic modelling using latent Dirichlet allocation, Marine Pollution Bulletin 182:113927
<요약문>
인류 유발 해양쓰레기(AMD)의 발생은 우리 시대의 주요 환경 문제 중 하나이다. 이 연구에서는 잠재 디리클레 할당(LDA, Latent Dirichlet Allocation)이라는 토픽 모델을 사용하여 AMD에 대한 연구 주제를 추론하여 연구 영역 전체에 대한 검토를 제공하였다. LDA분석 결과는 AMD 관련 연구 주제가 대부분 응용 주제이며, 다학제적연구 분야에 속한다는 것을 보여주었다. 또한, 주제의 시간적 추이 분석 결과에 의하면, 플라스틱 오염과 같은 주제는 상승하는 경향을 보이고, 해양쓰레기의 시공간 역학과 분포 패턴과 같은 주제는 하락하는 경향을 보였다. 또한 국가별 주제 분포 분석 결과, 내륙 국가에서는 연구가 적다는 것을 확인할 수 있었다. 이 연구 결과는 해양쓰레기 문제와 관련된 다양한 이해관계자들에게 AMD 연구 분야의 지도로 활용될 수 있다.
<토의한 내용>
■ LDA(Latent Dirichlet Allocation)은 왜 독일 수학자 Dirichlet의 이름을 따왔나?
[Bing 답변] LDA는 자연어 처리에서 주제 모델링을 수행하는데 널리 사용되는 생성적 통계 모델이다. 이 모델은 독일 수학자 Peter Gustav Lejeune Dirichlet의 이름을 따왔는데, 그는 수론과 함수론 등에 기여한 유명한 학자였다. LDA는 Dirichlet 분포라는 다변량 확률 분포를 사용하는데, 이는 베타 분포의 일반화된 형태이며, 베이지안 통계에서 사전 분포로 자주 쓰인다.
■ 이 연구에서 LDA를 사용하는 의미는 무엇인가?
이 연구에서 LDA를 사용하는 의의는 인위적 해양쓰레기 연구에서 연구주제의 시간적 경향과 공간적 분포를 파악하여 연구 영역에 대한 종합적인 시각을 제공한다는 점이다. LDA는 소셜 네트워크상의 게시물, DNA 마이크로어레이 샘플 및 이미지 데이터를 포함하는 다양한 텍스트 데이터를 분석하는 데 사용할 수 있는 토픽 모델이다. 이 연구는 LDA를 통해 해양 쓰레기와 관련된 연구 주제를 식별하고 시공간 분포를 조사하였다. LDA의 활용은 연구 영역에 대해 더욱 체계적이고 객관적인 분석을 가능하게 했다 (p.4).
■ 연구에서 확인된 연구 주제의 특징은?
이 연구는 사회 과학에서 자연 과학에 이르기까지 광범위한 연구 주제를 포함한다. 이 연구는 대부분의 연구 주제가 실용적인 응용 학문에 속하며 기초학문 주제는 상대적으로 적다는 것을 발견했다. 이 발견은 해양쓰레기 연구가 다학제적 특성을 가진 분야임을 강하게 시사한다 (p.10).
■ 이 연구의 결과를 인위적인 해양쓰레기 문제를 해결하는 데 어떻게 사용할 수 있나?
이 연구의 결과는 해양쓰레기 문제와 관련한 다양한 이해관계자가 AMD 연구 영역에 대한 지도로 사용할 수 있다. 이 연구 결과는 연구자와 정책 입안자가 더 많은 관심과 자원이 필요한 연구 주제를 식별하는 데 도움이 될 수 있다. 연구 주제의 시공간 분포를 이해함으로써 이해 관계자는 인위적인 해양쓰레기 문제를 해결하기 위한 특정 목표 및 표적화 전략을 설정하여 개입하는 방법을 고려할 수 있다. 또한 해양쓰레기 연구에서 다학제적 특성을 식별하여다양한 분야에 걸친 이해관계자의효과적인 협력을 도모하는 데 도움이 될 수 있다(p.1).
476회 오션세미나
인위적 해양쓰레기 연구에서 연구 주제의 시간적 경향과 공간적 분포
: 잠재 디리클레 할당을 이용한 주제 모델링
언어모델 이용 분석 결과 해양쓰레기 연구는
대부분 응용 주제, 다학제적 또는 횡단학적 연구 분야에 속해
이종명 ㅣ (사)동아시아바다공동체 오션 연구소장 ㅣ jmlee@osean.net
제 476회 오션 정기 세미나는 ‘인위적 해양쓰레기 연구에서 연구 주제의 시간적 경향과 공간적 분포: 잠재 디리클레 할당을 이용한 주제 모델링’ 논문을 다루었다.
<원문>
D. Tomojiri, K. Takaya, T. Ise, 2022. Temporal trends and spatial distribution of research topics in anthropogenic marine debris study: Topic modelling using latent Dirichlet allocation, Marine Pollution Bulletin 182:113927
<요약문>
인류 유발 해양쓰레기(AMD)의 발생은 우리 시대의 주요 환경 문제 중 하나이다. 이 연구에서는 잠재 디리클레 할당(LDA, Latent Dirichlet Allocation)이라는 토픽 모델을 사용하여 AMD에 대한 연구 주제를 추론하여 연구 영역 전체에 대한 검토를 제공하였다. LDA분석 결과는 AMD 관련 연구 주제가 대부분 응용 주제이며, 다학제적연구 분야에 속한다는 것을 보여주었다. 또한, 주제의 시간적 추이 분석 결과에 의하면, 플라스틱 오염과 같은 주제는 상승하는 경향을 보이고, 해양쓰레기의 시공간 역학과 분포 패턴과 같은 주제는 하락하는 경향을 보였다. 또한 국가별 주제 분포 분석 결과, 내륙 국가에서는 연구가 적다는 것을 확인할 수 있었다. 이 연구 결과는 해양쓰레기 문제와 관련된 다양한 이해관계자들에게 AMD 연구 분야의 지도로 활용될 수 있다.
<토의한 내용>
■ LDA(Latent Dirichlet Allocation)은 왜 독일 수학자 Dirichlet의 이름을 따왔나?
[Bing 답변] LDA는 자연어 처리에서 주제 모델링을 수행하는데 널리 사용되는 생성적 통계 모델이다. 이 모델은 독일 수학자 Peter Gustav Lejeune Dirichlet의 이름을 따왔는데, 그는 수론과 함수론 등에 기여한 유명한 학자였다. LDA는 Dirichlet 분포라는 다변량 확률 분포를 사용하는데, 이는 베타 분포의 일반화된 형태이며, 베이지안 통계에서 사전 분포로 자주 쓰인다.
■ 이 연구에서 LDA를 사용하는 의미는 무엇인가?
이 연구에서 LDA를 사용하는 의의는 인위적 해양쓰레기 연구에서 연구주제의 시간적 경향과 공간적 분포를 파악하여 연구 영역에 대한 종합적인 시각을 제공한다는 점이다. LDA는 소셜 네트워크상의 게시물, DNA 마이크로어레이 샘플 및 이미지 데이터를 포함하는 다양한 텍스트 데이터를 분석하는 데 사용할 수 있는 토픽 모델이다. 이 연구는 LDA를 통해 해양 쓰레기와 관련된 연구 주제를 식별하고 시공간 분포를 조사하였다. LDA의 활용은 연구 영역에 대해 더욱 체계적이고 객관적인 분석을 가능하게 했다 (p.4).
■ 연구에서 확인된 연구 주제의 특징은?
이 연구는 사회 과학에서 자연 과학에 이르기까지 광범위한 연구 주제를 포함한다. 이 연구는 대부분의 연구 주제가 실용적인 응용 학문에 속하며 기초학문 주제는 상대적으로 적다는 것을 발견했다. 이 발견은 해양쓰레기 연구가 다학제적 특성을 가진 분야임을 강하게 시사한다 (p.10).
■ 이 연구의 결과를 인위적인 해양쓰레기 문제를 해결하는 데 어떻게 사용할 수 있나?
이 연구의 결과는 해양쓰레기 문제와 관련한 다양한 이해관계자가 AMD 연구 영역에 대한 지도로 사용할 수 있다. 이 연구 결과는 연구자와 정책 입안자가 더 많은 관심과 자원이 필요한 연구 주제를 식별하는 데 도움이 될 수 있다. 연구 주제의 시공간 분포를 이해함으로써 이해 관계자는 인위적인 해양쓰레기 문제를 해결하기 위한 특정 목표 및 표적화 전략을 설정하여 개입하는 방법을 고려할 수 있다. 또한 해양쓰레기 연구에서 다학제적 특성을 식별하여다양한 분야에 걸친 이해관계자의효과적인 협력을 도모하는 데 도움이 될 수 있다(p.1).