K-뷰티 연구동향에 대한 텍스트마이닝 분석 = Text Mining Analysis of Research Trends in K-Beauty

국문 초록 (Abstract)

본 연구는 텍스트마이닝의 고도화된 기법을 활용하여 K-뷰티 분야의 국내 학술연구 동향을 분석하였다. 최근 한국의 뷰티 제품과 문화에 대한 전 세계적인 관심이 빠르게 증가함에 따라, K-뷰티를 둘러싼 학술 담론 또한 확장되고 있다. 이러한 흐름을 체계적으로 분석하기 위해 RISS(학술연구정보서비스) 데이터베이스에서 ‘K-뷰티’라는 용어를 포함한 총 269편의 국내 학술논문을 수집하였다. 수집된 텍스트는 토큰화, 형태소 분석, 불용어 제거 등 엄격한 전처리 과정을 거쳐 데이터의 품질과 적합성을 확보하였다. CountVectorizer와 TF-IDF 기법을 병행하여 자주 등장하는 키워드뿐 아니라 문맥상 중요한 키워드도 식별하였으며, 워드클라우드를 통해 키워드의 상대적 중요도를 직관적으로 시각화하였다. 아울러 키워드 간의 내재된 구조와 연관성을 파악하기 위해 키워드 공출현 네트워크를 구축하였고, Python의 NetworkX 라이브러리를 활용하여 연결 중심성, 근접 중심성, 매개 중심성, 고유벡터 중심성 등 네 가지 중심성 지표를 산출한 후, UCINET 소프트웨어를 통해 시각화하였다. 분석 결과, ‘화장품’, ‘브랜드’, ‘산업’ 등의 키워드는 모든 중심성 지표에서 핵심적인 위치를 차지하여 K-뷰티 연구에서의 기초적 역할을 시사하였다. 특히 ‘개발’과 ‘전략’은 매개 중심성에서 두드러지게 나타나 서로 다른 주제 집단 간의 연결을 매개하는 개념적 연결고리로 기능하고 있었다. 고유벡터 중심성 분석에서는 영향력 있는 키워드들이 클러스터를 형성하며 핵심 주제를 구성하고 있음을 보여주었다. 본 연구는 기존의 사례 중심 연구나 제한된 기간 분석에서 벗어나, K-뷰티 분야의 학술연구 지형을 총체적이고 데이터 기반으로 조망하였다는 점에서 의의가 있으며, 향후 전략적 연구 기획, 주제 도출, 학제 간 협력에 있어 학계, 실무자, 정책 입안자에게 유의미한 인사이트를 제공한다.

다국어 초록 (Multilingual Abstract)

This study explores academic research trends in the field of Korean beauty, commonly known as K-beauty, by employing advanced text-mining techniques. As global interest in K-beauty products and culture has rapidly increased, academic discourse surrounding K-beauty has likewise expanded. To systematically analyze this trend, 369 Korean academic papers containing the term “K-beauty” were collected from the Research Information Sharing Service database. These texts underwent a rigorous preprocessing procedure that included tokenization, part-of-speech tagging, and stopword removal, ensuring the quality and relevance of the extracted data. Keyword analysis was conducted using both CountVectorizer and Term Frequency–Inverse Document Frequency techniques. These complementary methods enabled the identification not only of frequently occurring keywords but also of contextually significant terms that might otherwise be overlooked. The extracted keywords were visualized using word clouds to highlight their relative prominence. To further uncover underlying patterns and relationships among terms, a keyword co-occurrence network was constructed and analyzed using four centrality measures—degree, closeness, betweenness, and eigenvector centrality—calculated via Python’s NetworkX library and visualized with UCINET software. The results revealed that keywords such as “cosmetics,” “brand,” and “industry” held dominant positions across all centrality measures, underscoring their foundational role in K-beauty research. Notably, “development” and “strategy” stood out in betweenness centrality, indicating their importance as conceptual bridges connecting different thematic clusters. Eigenvector centrality further highlighted clusters of highly influential terms, suggesting the presence of core themes shaping academic discourse. The findings point to a robust and interconnected research network characterized by both structural cohesion and thematic diversity. Unlike prior studies that focused on specific cases or limited timeframes, this study provides a holistic, data-driven overview of the evolving academic landscape in K-beauty. The results offer valuable insights for scholars, practitioners, and policymakers interested in strategic research planning, topic identification, and cross-disciplinary collaboration within the field of beauty studies.