LDA를 이용한 공군 부사관 지원자 자기소개서의 차별적 역량 추출에 관한 연구 :A study on extracting the discriminative competency of cover letters using LDA focused on air force applicants

권혁

추천

검색

자료유형: 학위논문

저자정보: 권혁 (연세대학교, 연세대학교 대학원)

지도교수: 김우주

발행연도: 2022

저작권: 연세대학교 논문은 저작권에 의해 보호받습니다.

이용수12

이 논문의 연구 히스토리 (3)

2022

LDA를 이용한 공군 부사관 지원자 자기소개서의 차별적 역량 추출에 관한 연구

권혁 산업공학과 2022.01 학위논문

2021

텍스트 마이닝을 이용한 공군 부사관 지원자 자기소개서의 차별적 특성 분석

권혁 , 김우주 지능정보연구 2021.09 학술저널

텍스트 마이닝을 이용한 공군 부사관 지원자 자기소개서의 차별적 특성 분석

권혁 한국지능정보시스템학회 학술대회논문집 2021.06 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

기업과 마찬가지로 군 간부 모집에 있어, 지원자의 자기소개서는 면접에서 중요한 역할을 한다. 하지만, 현업에 있는 면접관들이 면접 당일에 지원자들의 자기소개서를 꼼꼼히 읽는 것은 쉽지 않다. 또한, 대부분의 지원자는 해당 직무의 인재상을 최대한 반영하여 자기소개서를 작성한다. 이 때문에 대부분의 자기소개서는 유사한 부분들이 많이 나타난다. 그리고 민감한 개인정보 텍스트를 대량으로 보유한 군 인사분야에서는 텍스트 마이닝 방법론을 적용한 연구가 부재하다. 따라서 본 연구는 면접관들에게 지원자별 자기소개서의 차별부분을 제공하고, 이를 통해 다양한 군 인사분야에서도 활용 가능한 방법론을 제안하고자 한다.
본 연구는 총 네 단계로 구성되어 있다. 첫 번째, 자기소개서 데이터를 전처리하여 자기소개서마다 불용어를 제외한 명사를 추출한다. 두 번째, 전체 자기소개서에서 LDA로 단어들을 토픽별로 군집화하고, 토픽별로 Label을 정의하여 주제를 분류한다. 세 번째, 단어별 TF-IDF 값인 wt와 토픽별단어별 LDA 확률값과 문서의 토픽별 비중을 곱하여 합산한 wp를 이용하여, 차별값을 산출하고, 각 자기소개서에서 차별값이 가장 높은 단어를 가장 차별적인 단어로 정의한다. 또한, 문장별 차별값의 합산 Score가 가장 높은 문장을 가장 차별적인 문장으로 정의한다. 여기서 가장 차별적인 단어와 가장 차별적인 문장은 해당 자기소개서에서 차별부분으로 정의한다. 네 번째, 면접관에게 보고서 형태로 자기소개서별 주제와 차별부분을 제공한다.
본 연구를 통해, 면접관을 지원하여 내실 있는 면접 전형에 기여할 수 있고, 군 내 다른 인사분야에도 적용가능한 방법론임을 제안할 수 있으며, 민간분야와 다른 공군 부사관 지원자의 자기소개서를 연구하였다는 실무적 시사점이 있다. 그리고 TF-IDF와 LDA를 조합한 차별값이라는 이론을 제안하였고, LDA 확률값을 역수로 활용하여 특정 단어가 주제에서 얼마나 멀리 있는지를 나타내는 연구이다. 이는 복잡한 딥러닝을 활용하지 않고 시간과 비용을 줄일 수 있다는 이론적 시사점이 있다.

Like companies, applicants'' cover letters play an important role in interviews in recruiting Republic of Korea Air Force Non-Commissioned Officer. However, it is not easy for interviewers in the field to read the applicants'' cover letters on the day of the interview. Moreover, most applicants write cover letters reflecting the talent image of the job as much as possible. For this reason, many similar parts appear in a large amount of cover letters. In addition, there is no research applying text mining methodology in the field of military personnel who have a large amount of sensitive personal information text. Therefore, this study provides interviewers with discriminative parts for each applicant''s cover letter, and through this, it is suggested that it is a methodology that can be used in the field of military personnel.
This study consists of a total of four stages. First, the cover letters data is preprocessed to extract nouns excluding non-verbal terms for each cover letter. Second, in the entire cover letters, the Topic of words is clustered through LDA, and based on this, Label is defined and the subject is classified. Third, the discrimination value is calculated using wt, which is the TF-IDF value for each word, and wp, which is summed by multiplying the LDA probability value for each word by the topic of the document, and the word with the highest discrimination value is defined as the most discriminatory word in each cover letter. In addition, the sentence with the highest sum score of the discrimination values for each sentence is defined as the most discriminatory sentence. Here, the most discriminatory word and the most discriminatory sentence are defined as the discrimination part in the cover letter. Fourth, it provides interviewers with topic and discrimination part for each cover letter in the form of a report.
Through this study, it can be suggested that it can contribute to substantial interview by supporting interviewers, and that it is a methodology applicable to other personnel fields in the military, and has practical implications for studying cover letters of non-commissioned Air Force applicants. In addition, the theory of discrimination value combining TF-IDF and LDA was proposed, and it is a study that shows how far a specific word is from the subject by using the LDA probability value as a reciprocal. This has theoretical implications for reducing time and cost without using complex deep learning.

#공군 부사관 #자기소개서 #텍스트 마이닝 #TF-IDF #LDA #차별값 #Republic of Korea Air Force Non-Commissioned Officer #Cover Letter #Text Mining #TF-IDF #LDA #Discrimination Value

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (3)

초록· 키워드

목차

최근 본 자료

댓글(0)