토픽 모델링을 활용한 노인 일자리 정책 언론 담론 분석 | 이수진 포트폴리오

← 프로젝트 목록으로

토픽 모델링을 활용한 노인 일자리 정책 언론 담론 분석 커버 이미지

Step1. 데이터 수집

네이버 뉴스 플랫폼 활용 → 단일 키워드로 ‘노인일자리’ 입력하여 검색
Web Crawling 기법 활용 (Selenium, requests, BeautifulSoup 등)
기사 링크, 제목, 본문 내용, 기자 이름, 작성일, 언론사 정보 추출

Step2. 데이터 전처리

결측치 처리, 자료형 변환, 중복 처리 등
자연어 처리: 불용어 제거, KoNLPy 기반 형태소 분석

Step3. LDA 토픽 모델링

LDA 토픽 모델링 절차 — 데이터 수집/전처리, 형태소 분석, 매개변수 조정, LDA 수행, 결과 시각화 — LDA 토픽 모델링 절차

LDA(Latent Dirichlet Allocation)를 통해 문서의 단어 사용 패턴 분석 (gensim 활용) → 숨겨진 토픽 식별 및 토픽별 핵심 키워드 추출
Coherence score(일관성 점수)를 모델 평가 지표로 선정하고 모델 최적화 진행
tuning 대상: num_topics, iterations, passes, eta 등

토픽 수(num_topics)에 따른 Coherence Score 변화 — 토픽 수에 따른 Coherence Score

iterations 값에 따른 Coherence Score 변화 — iterations에 따른 Coherence Score

passes 값에 따른 Coherence Score 변화 — passes에 따른 Coherence Score

eta 값에 따른 Coherence Score 변화 — eta에 따른 Coherence Score

Step4. 시각화 | 네트워크 분석, 빈도 분석

토픽별로 추출된 키워드와 가중치를 기반으로 네트워크 그래프 구축 (networkx, matplotlib, Kamada-Kawai 등 활용)

토픽 9개 키워드 네트워크 그래프 — 토픽 키워드 네트워크 그래프

빈도 분석 결과를 워드 클라우드로 시각화, 단어들의 TF 및 TF-IDF 값 계산 → 중요도가 높은 상위 단어 추출

TF 기반 워드클라우드

TF-IDF 기반 워드클라우드

Step5. 토픽별 내용 분석

LDA 모델을 통해 도출된 각 토픽의 키워드를 가중치 순으로 정리 → 각 토픽의 주요 주제와 논점 파악

토픽	주제	가중치 순 중요 키워드
1	초고령 사회의 정책 대응으로서 노인 일자리	인구, 필요, 문제, 세대, 고령화, 연금, 정책, 소득, 빈곤, 노동
2	고용 정책으로서 노인 일자리	고용, 취업자, 증가, 감소, 경제, 코로나, 통계청, 통계, 지난해
3	정치 공약 및 쟁점으로서 노인 일자리	대통령, 국가, 생각, 선거, 정치, 후보
4	예산안 관련 쟁점화	국회, 여야, 국민, 삭감, 대표, 예산안, 민생, 원내
5	빈곤 예방 정책으로서 노인 일자리	폐지, 조사, 생활, 하루, 수집, 평균, 시장
6	급여 적절성에 관한 논의	정부, 올해, 지급, 급여, 내년, 재정, 취약, 대상
7	ESG(환경, 사회, 지배구조)	운영, 센터, 창출, 활용, 참여, 환경, 업무, 서비스, 다양
8	노인 일자리 현장과 수행기관	기관, 시니어클럽, 참여자, 공익, 지원사업, 수행
9	지역 복지 정책으로서 노인 일자리	지역, 추진, 복지, 조성, 예산, 계획, 공공, 분야, 구축, 확대

키워드 간의 의미적 연관성과 맥락을 종합적으로 고려 → 각 토픽의 주제 해석 및 주제 명 부여
토픽별 대표 기사를 선정하여 내용 분석

※ 단독 제1저자 논문 게재로 이어진 연구 (한국노인인력개발원 연구조사부 공동연구)