데이터 유사성 분석을 통한 Semantic R&D Knowledge Clustering 분석 방법론 개발

Methodology for Semantic R&D Knowledge Clustering Analysis through Data Similarity Analysis: Entrepreneurship Research Field Study

본 연구는 서지정보 분석시 비정형화된 데이터를 추출하고 필터링하는 과정에서 발생할 수 있는 연구자의편향성을 최소화하고 데이터의 객관성을 충분히 확보할 수 있는 분석 방법론을 제안하는 것을 목표로 한다. 학술논문의 전문(Full-Text) 데이터가 아닌 비정형 데이터인 서지정보(제목, 저자키워드, 초록)가 가지는 데이터 불균형을 최소화하기 위해 초록에서 핵심 키워드 및 문장을 추출한다. 워드임베딩 중 하나인 FastText 적용하여 연구주제 키워드의 형태적/의미적 유사성을 분석할 수 있는 방법론을 개발하고, 이를 토대로 최종클러스터링 분석을 수행하여 체계적인 연구동향 결과를 제시한다. 구체적으로 2008년부터 2017년까지의SCOPUS 데이터베이스에 게재된 기업가정신 관련 연구논문을 대상으로 방법론을 적용하여 기업가정신 연구주제 클러스터링 분석 결과를 제공한다. 이를 통해, 관련 분야를 연구하는 연구자들에게 최신의 연구 동향을제공하며, 제안된 분석 방법론은 타 연구 분야 동향 분석시 범용적으로 확장할 수 있는 기회를 제공해 줄것으로 기대된다.

This study proposes the analysis methodology for minimizing the bias of researchers that may occur in the process of extracting and filtering unstructured data during bibliographic information analysis and sufficiently secure the objectivity of the data. Also, this is to minimize the data imbalance of bibliographic information (title, author keyword, abstract), which is unstructured data, not full-text data of academic research. By applying FastText, one of word embeddings, we develop the methodology to analyze the syntactic/semantic similarity of research keywords. Finally, we perform clustering analysis to present systematic research trend results. Specifically, the methodology is applied to entrepreneurship-related research articles published in the SCOPUS database from 2008 to 2017, and the results of clustering analysis of entrepreneurship research topics are provided. We can provide the latest research trends to researchers in the field of entrepreneurship and related fields, and the proposed analysis methodology is expected to provide an opportunity for universal expansion when analyzing trends in other research fields.