메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국언어과학회 언어과학 언어과학 제24권 제4호
발행연도
2017.1
수록면
55 - 82 (28page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
This study explores a Shakespeare Research Article Abstract Corpus through topic modeling, a machine-learning technique that automatically identifies topics in a corpus. First, we identify which topics are prominent through the entire corpus. We also investigate the top 20 topics in each particular decade such as the 1980s, 1990s, 2000s, and 2010s and examine patterns, trends and ranking changes such as falling, rising, and curve contours over time. In addition, we extract corpus keywords using the cross-validation method on Wordsmith tools 6.0. in order to compare similarities and differences between topic modeling keywords and corpus keywords. We also select each group of absolute keywords which have zero frequency in reference corpora to examine which words are associated with new trends in each period and to explore which shared common words are found in topic modeling and corpus keywords. Finally each group of non-absolute keywords extracted from the three corpora is discussed to check patterns and trends identical to topic modeling. The results of this comparison conform that it is hard to assert that topic modeling keywords are well grouped into certain research subjects over corpus keywords and show better trends over time than corpus keywords. This is because both topic modeling keywords and corpus keywords show their own respective merits
#셰익스피어 #코퍼스언어학 #토픽모델링 #머신러닝 #키워드분석 #트렌드 분석 #Shakespeare #Corpus Linguistics #topic modeling #machine learning #keyword analysis #trend analysis

목차

등록된 정보가 없습니다.

참고문헌 (12)

참고문헌 신청
강범일 / 2013 / 토픽 모델링을 이용한 신문 자료의 오피니언 마이닝에 대한 연구 / 한국문헌정보학회지 47(4):315~334 dbpia 남춘호 / 2016 / 일기자료 연구에서 토픽모델링 기법의 활용가능성 검토 / 비교문화연구 22(1):89~135 dbpia 배정환 / 2014 / 토픽 모델링을 이용한 트위터 이슈 트래킹 시스템 / 지능정보연구 20(2):109~122 dbpia 신규식 / 2015 / 신재생에너지 동향 파악을 위한 토픽 모형 분석 / 한국산학기술학회논문지 16(9):6411~6418 dbpia Blei, D / 2012 / Probabilistic Topic Models: Surveying a Suite of Algorithms that Offer a Solution to Managing Large Document Archives / Communications of the ACM 55(4):77~84 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0