공간 빅데이터 분석 과정에서 소셜 네트워크 서비스 데이터를 활용한 연구가 활발히 이루어지고 있다. 그러나 소셜 네트워크 서비스 데이터 중 위치 정보를 가진 데이터는 일부에 불과하다....
http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
https://www.riss.kr/link?id=A106495376
2019
Korean
KCI등재
학술저널
365-373(9쪽)
0
0
상세조회0
다운로드국문 초록 (Abstract)
공간 빅데이터 분석 과정에서 소셜 네트워크 서비스 데이터를 활용한 연구가 활발히 이루어지고 있다. 그러나 소셜 네트워크 서비스 데이터 중 위치 정보를 가진 데이터는 일부에 불과하다....
공간 빅데이터 분석 과정에서 소셜 네트워크 서비스 데이터를 활용한 연구가 활발히 이루어지고 있다. 그러나 소셜 네트워크 서비스 데이터 중 위치 정보를 가진 데이터는 일부에 불과하다. 본 연구에서는 대표적인 소셜 네트워크 서비스인 트윗 데이터를 대상으로 머신 러닝 기법을 이용하여 위치 정보를 추정하였다. 서울특별시 지역의 트윗 데이터를 수집하여 머신 러닝에 필요한 훈련 데이터와 검증 데이터를 가공하고, 나이브 베이즈 분류를 적용하여 트윗 데이터의 위치를 서울특별시의 권역별로 추정하였다. 본 연구의 결과 머신 러닝을 이용하여 트윗 데이터의 위치 추정이 가능하였으며, 위치가 추정된 트윗 데이터는 지역의 특성이나 관심 분야를 분석할 때 활용될 수 있다.
다국어 초록 (Multilingual Abstract)
In the process of analyzing spatial big data, researches using social network service data are being actively executed. However, only a part of social network service data has location information. In this study, location information was predicted usi...
In the process of analyzing spatial big data, researches using social network service data are being actively executed. However, only a part of social network service data has location information. In this study, location information was predicted using machine learning technique for tweet data, a representative social network service. By collecting tweet data of Seoul Metropolitan area, the training data and test data which is necessary for machine learning were processed, and the location of Tweet data was predicted by the Seoul Metropolitan area by applying Naive Bayesian classification. As a result of this study, it was possible to predict the location of tweet data using machine learning, and the tweet data which has predicted location can be used to analyze the characteristics and the interest by each region.
참고문헌 (Reference)
1 우현지, "토픽 모델링을 이용한 트위터 데이터의 공간 분포 패턴 분석" 한국지역지리학회 23 (23): 376-387, 2017
2 강애띠, "타임라인데이터를 이용한 트위터 사용자의 거주 지역 유추방법" 대한공간정보학회 23 (23): 69-81, 2015
3 박우진, "위치기반 소셜 미디어 데이터의 텍스트 마이닝 기반 공간적 클러스터링 분석 연구" 대한공간정보학회 23 (23): 89-96, 2015
4 문성국, "위치 참조가 없는 블로그 텍스트를 이용한 위치 정보 추출: 종로구 일대의 퇴근 후 활동공간을 대상으로" 대한지리학회 53 (53): 777-788, 2018
5 구자용, "소셜 네트워크 서비스 위치자료의 고밀도 영역에 대한 공간특성 분석: 서울시 지역 트윗 데이터를 대상으로" 국토지리학회 52 (52): 257-267, 2018
6 허선영, "머신러닝기반 범죄발생 위험지역 예측" 한국지리정보학회 21 (21): 64-80, 2018
7 원석환, "머신러닝 기법을 적용한 지가 예측 연구" 국토지리학회 51 (51): 347-355, 2017
8 홍일영, "국내 지오트윗의 공간분포" 한국지도학회 15 (15): 93-101, 2015
9 구자용, "공간정보 빅 데이터의 지도화와 공간적 분포 특성에 관한 연구 - 서울시 지역의 트윗 데이터를 사례로 -" 국토지리학회 49 (49): 349-360, 2015
10 안종욱, "공간빅데이터 개념 및 체계 구축방안 연구" 대한공간정보학회 21 (21): 43-51, 2013
1 우현지, "토픽 모델링을 이용한 트위터 데이터의 공간 분포 패턴 분석" 한국지역지리학회 23 (23): 376-387, 2017
2 강애띠, "타임라인데이터를 이용한 트위터 사용자의 거주 지역 유추방법" 대한공간정보학회 23 (23): 69-81, 2015
3 박우진, "위치기반 소셜 미디어 데이터의 텍스트 마이닝 기반 공간적 클러스터링 분석 연구" 대한공간정보학회 23 (23): 89-96, 2015
4 문성국, "위치 참조가 없는 블로그 텍스트를 이용한 위치 정보 추출: 종로구 일대의 퇴근 후 활동공간을 대상으로" 대한지리학회 53 (53): 777-788, 2018
5 구자용, "소셜 네트워크 서비스 위치자료의 고밀도 영역에 대한 공간특성 분석: 서울시 지역 트윗 데이터를 대상으로" 국토지리학회 52 (52): 257-267, 2018
6 허선영, "머신러닝기반 범죄발생 위험지역 예측" 한국지리정보학회 21 (21): 64-80, 2018
7 원석환, "머신러닝 기법을 적용한 지가 예측 연구" 국토지리학회 51 (51): 347-355, 2017
8 홍일영, "국내 지오트윗의 공간분포" 한국지도학회 15 (15): 93-101, 2015
9 구자용, "공간정보 빅 데이터의 지도화와 공간적 분포 특성에 관한 연구 - 서울시 지역의 트윗 데이터를 사례로 -" 국토지리학회 49 (49): 349-360, 2015
10 안종욱, "공간빅데이터 개념 및 체계 구축방안 연구" 대한공간정보학회 21 (21): 43-51, 2013
11 Hahmann, S., "Twitter location (somtimes) matters: Exploring the relationship between georeferenced tweet content and nearby feature classes" 9 : 1-36, 2014
12 Sui, DandGoodchild, M, "The convergence ofGIS and social media : challenges for GIScience" 25 (25): 1737-1748, 2011
13 Li, L., "Spatial, temporal and socioeconomic patterns in the use of Twitter and Flickr" 40 (40): 61-77, 2013
14 Lantz, Brett, "R을 활용한 머신 러닝 2/e, 에이콘 출판" 에이콘 출판 2017
15 Moon Gie Kim, "Inferring tweet location inference for twitter mining" 대한공간정보학회 24 (24): 421-435, 2016
16 Chi, L., "Geolocation prediction in Twitter using location indicative words and textual features" 227-234, 2016
AR/VR 환경에서 자기중심적 접근을 통한 지리적 시각화 방안
정확한 침수지역 예측을 위한 단위사상형모델과 연속형모델의 연계에 대한 고찰
Analysis of Practical Sharing City via Big Data about Shared Bike in Seoul City
학술지 이력
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2026 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2020-01-01 | 평가 | 등재학술지 유지 (재인증) | |
2017-01-01 | 평가 | 등재학술지 유지 (계속평가) | |
2013-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2010-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2009-03-04 | 학술지명변경 | 한글명 : 지리학연구 -> 국토지리학회지 | |
2008-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2005-03-28 | 학회명변경 | 한글명 : 한국지리교육학회 -> 국토지리학회영문명 : The Korean Association Of Professional Geographers -> The Korean Association of Professional Geographers | |
2005-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | |
2004-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | |
2003-01-01 | 평가 | 등재후보학술지 선정 (신규평가) |
학술지 인용정보
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 1.19 | 1.19 | 1.13 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
1.09 | 1.02 | 1.53 | 0.15 |