텍스트 자동화 분석을 통한 행정정보 데이터세트 기록관리 대상선정 유형구분 개선 방안 연구 = A Study on Methods to Improve Classification of Administrative Information Dataset Records Management Target Selection Type through Text Automation Analysis

국문 초록 (Abstract)

행정정보 데이터세트 기록관리에 관련된 「공공기록물 관리에 관한 법률」 시행령이 개정(2020.3.31.)됨에 따라 2000개 공공기관에서 16,000개 이상의 행정정보시스템이 보유하고 있는 행정정보 데이터세트의 기록관리가 시급한 상황에 이르렀다.
이에 발맞추어 국가기록원에서는 행정정보 데이터세트 기록관리 지침을 마련(2020.8.)하였고 그에 따라 각 기관에서 보유하고 있는 행정정보 데이터세트에 대한 기록관리 절차를 바로 실행하여야 하는 것이 의무사항이 되었다.
본 연구는 그 단계별 절차 중 기관에서 가장 까다로운 부분이며 기관의 기록관 한명이 할 수 있는 영역이 아닌 여러 유관부서에서 공동으로 작업해야하는 행정정보 데이터세트 기록관리 유형구분을 자동화하는 방안에 대해 제시해 보고자 한다. 이를 위한 방법으로 실제 각 기관에서 운영 중인 행정정보 데이터세트에 대한 유형구분 문서를 대상 자료로 삼아 텍스트 분석을 통한 핵심어 추출 기법을 적용하였다. 핵심어 추출 연구는 자연어 처리 기법 중 하나로 문서에 포함된 텍스트 데이터를 분석하여 잠재되어 있는 핵심어를 추출하고 그 속에 내포된 의미를 찾아내는 방법이다. 현재까지 가장 많이 사용되고 있는 방법이 단어의 출현 빈도를 분석하는 TF 기법과, 특정 단어가 해당 텍스트에서 자주 사용되지만 다른 주제의 텍스트 집합에서는 나타나는 횟수가 낮은 값을 표현하는 TF-IDF 기법으로 텍스트에서 단어의 핵심도를 평가하는데 보편적으로 사용되고 있는 기법이다. 따라서 본 연구에서는 유형구분에 관련된 특정 단어에 대한 빈도 분석에 TF기법을, 가중치 분석에 TF-IDF기법을 적용하여 성능을 비교한다. 나아가 기존의 유형구분의 단점을 보완한 유형구분 개선방안을 제안한다.
아울러 본 연구의 자동화 방안과 세부 내용은 다음과 같이 요약된다. 첫째, 제안하는 연구의 검증을 위해 기존의 연구에서는 적용되지 않았던 중앙행정기관 및 정부 산하 공공기관의 행정정보 데이터세트 기록관리 대상 유형구분 양식 문서 160개를 수집하였다. 둘째, 핵심어 추출을 위해 특정 단어에 빈도 및 가중치를 분석한 TF, TF-IDF기법을 적용하였다. 셋째, 핵심어 추출을 통한 학습데이터세트를 구축하고 이를 바탕으로 비연속성 자료처리의 대표적인 기법인 의사결정나무, 통계기법의 대표적 방법인 나이브베이즈 그리고 인공신경망의 대표기법인 딥러닝 모델링을 통해 기록관리 대상선정 유형을 예측하였다. 넷째, 각각의 예측 모델링을 통한 결과 데이터세트에 대해 교차검증을 측정하여 기록관리 유형 선정에 적합한 모델링 기법들을 도출하였다. 다섯째, 연구에서 구축한 학습데이터세트를 통한 교차검증에서 쓰이지 않은 신규 행정정보 데이터세트에 대한 유형구분을 적용하여 그 결과를 측정하고 또한 이 신규 행정정보 데이터세트를 실제 현장에서 기록관리를 담당하는 실무자들을 대상으로 수동으로 구분한 결과와 비교를 수행하였다. 여섯째, 이 과정을 기존유형구분에 대한 것과 논문에서 제안하고 있는 개선 유형구분 2가지 방안에 대한 것의 결과를 비교 분석하여 개선유형 방안에 대한 실효성을 검증하였다.
마지막으로 본 논문의 기여도는 다음과 같이 요약할 수 있다. 첫째, 제안하는 행정정보 데이터세트 기록관리 대상 유형구분 자동화 방안은 현재까지 행정정보 데이터세트 기록관리의 절차를 실행하지 못한 많은 공공기관에서 법령에 위배되지 않게 기록관리 실행을 시작할 수 있도록 하는 첫 단계가 될 수 있을 것이다. 둘째, 행정정보 데이터세트의 패턴을 파악하여 실무에 바로 적용 가능한 실효성이 확인된 예측 모델링 기법을 제안할 수 있다. 셋째, 기존유형구분 방식의 단점을 보완한 개선 유형구분 방식의 제안과 텍스트 분석을 통한 자동화 실행은 행정정보 데이터세트 기록관리뿐만 아니라 웹기록, SNS기록관리 등과 같은 아직 실제적인 실행방안을 마련하지 못한 다른 기록물 유형에도 확장 및 적용할 수 있는 기반을 마련한 것이다.

목차 (Table of Contents)

• 국문초록 i
• 목 차 iii
• 표 목 차 v
• 그림목차 vii
• 제 1 장 서 론 1
• 제1절 연구 필요성 1
• 제2절 연구 목적 및 방법 3
• 제3절 연구사 5
• 제 2 장 행정정보 데이터세트 기록관리 절차 13
• 제1절 기록관리 단계 및 역할별 실행내용 13
• 제2절 기록관리 대상선정 22
• 제3절 관리기준표 작성 29
• 제4절 평가, 폐기, 보존 및 재현 38
• 제 3 장 텍스트 분석 자동화기반 유형구분 방안 설계 45
• 제1절 개선 유형구분 필요성과 방안 45
• 1. 유형구분 개선 방안 필요성 45
• 2. 유형구분 개선 방안 내용 47
• 제2절 텍스트 분석 자동화기반 유형구분 설계 49
• 1. 텍스트 분석 자동화기반 유형구분 모형 49
• 1) 분석기법과 처리도구 49
• 2) 자동화 방안 절차 50
• 3) 예측 모형 제시 52
• 2. 텍스트 분석 자동화기반 유형구분 적용 54
• 1) 자동화기반 유형구분 해석 데이터세트 구축 54
• 2) 유형구분 예측 모델링 76
• 3) 학습데이터세트 구축 85
• 제3절 자동화기반 유형구분 방안의 유효성 검증 89
• 1. 대상 자료 유형구분의 검증 89
• 1) 수동유형구분 89
• 2) 자동화기반 유형구분 91
• 3) 검증 결과 비교 100
• 2. 신규 자료 유형구분의 검증 105
• 1) 수동유형구분 109
• 2) 자동화기반 유형구분 111
• 3) 검증 결과 비교 119
• 제 4 장 결론 122
• 참고문헌 129
• 부록 134
• 영문초록 176

참고문헌 (Reference)

1. 국어와 컴퓨터』, 김병선, 도서출판 한실, , 1992

2. 한국어와 정보화』, 김병선, 태학사, , 2002

3. Financial Ratios as Predictors of Failure, Beaver , W.H, 4 p.71-111 ., , 1966

4. “국어 정보화와 새국어생활”, 이건식, 「국립국어원 새국어생활」제20권 제4호, , 2010

5. “데이터세트 기록의 관리방안”, 현문수, 「한국기록관리학회지」 vol.5 no.2 p.103-124, , 2005

6. “멀티 모달 음악 무드 분류 기법”, 최홍구, 「한국정보과학회」 vol.38 no.1(A) p.259-262, , 2011

7. “전자기록철의 구조와 관리방안”, 설문원, 「한국기록관리학회지」제5권 제2호, , 2005

8. “TF-IDF를 활용한 한글 자연어 처리 연구”, 이종화, 「정보시스템 연구」제28권 제3호 p.105-121, , 2019

9. “행정정보 데이터세트의 기록관리방안”, 오세라, 이해영, 「기록관리학회 지」 vol.19 no.2 p.51-76, , 2019

10. Early Warning of Bank Failure : A Logit Regression Approach, MArtin , D., , 1977

11. The Cross-Sectional Stability of Financial Ratiion Patterns, Johnson , W.B, , 1979

12. 지식 인문학 연구를 위한 DB 구축의 실제. 1』, 허재영, 경진출판, , 2020

13. “문서 분류를 위한 용어 가중치 기법 비교”, 정호영, 「응용통계연 구」 제32권 제2호 p.265-276, , 2019

14. “적응적인 학습을 위한 텍스트 마이닝 기술”, 김천식, 「전자공학회 논문지」 45(3) p.31-39, , 2008

15. “공공정보 데이터세트의 아카이빙 방안 연구”, 김남경, 석사학위논문. 명지 대학교 기록과학대학원, , 2012

16. “데이터세트 기록물의 기술요소에 관한 연구”, 김포옥, 윤수영, 「한국비블 리아학회지」v.18 no.2 p.39-59, , 2007

17. “데이터세트 기록의 이관도구 기능요건 연구”, 임진희, 조은희, 「한국정보 관리학회」 p.155-162, , 2010

18. “행정정보 데이터세트의 기록관리방안” vol.23., 기록관리 이슈페이퍼, “행정정보 데이터세트의 기록관리방안” vol.23, , 2020

19. “행정정보시스템 기록 이관 절차와 방법 연구”, 조은희, 임진희, 「한국기 록관리학회지」 v.14 no.3, p.7-32, , 2010

20. “지방자치단체 데이터세트의 서비스 방안 연구”, 안대진, 이해영, 「한국기 록관리학회지」v.13, no.2, p.149-178, , 2013

21. “디지털 연구데이터 장기보존의 편익에 대한 연구”, 현문수, 「한국기록관리 학회지」vol.11 no.1 p.161-181, , 2011

22. “토픽모형을 이용한 텍스트 자료의 분류 성능비교”, 강민선, 박사학위논문. 동국대학교 대학원, , 2017

23. “유형론적 관점에서 본 한국어 대명사 체계의 특징”, 박진호, 「국어학회」 no.50, p.115-147, , 2007

24. TF-IDF의 변형을 이용한 전자뉴스에서의 키워드 추출 기법, 김한준, 이성직, 「한국전자거래학회지」 p.59-73, , 2009

25. “LDA 기법을 이용한 미세먼지 이슈의 토픽모델링 분석”, 윤순욱, 김민철, 「에너지공학」29(2) p.23-29, , 2020

26. “행정정보 데이터세트 기록의 선별 기준 및 절차연구”, 임진희, 조은희, 「기록학연구」no.19 p.251-291, , 2009

27. “국가기간정보시스템 공동 백업센터 구축에 관한 연구”, 서용원, 「대한산업공학회춘계공동학술대회논문집」 p.813-817, , 2002

28. “데이터세트 아카이방 기반 공공데이터 개방체계 연구”, 강새희, 석사학위논 문. 명지대학교 기록정보과학전문대학원, , 2014

29. “인스타그램 해시태그를 이용한 사용자 감정 분류 방법”, 남민지, 「멀티미디어학회논문지」제18권 제11호 p.1391-1399, , 2015

30. “TF-IDF와 소설 텍스트의 구조를 이용한 주제어 추출 연 구”, 유은순, 「한국컴퓨터정보학회논문지」 p.121-129, , 2015

31. “텍스트 마이닝과 기계학습을 이용한 국내 가짜뉴스 예측”, 윤태욱, 안현철, 「Journal of Information Technology Applications & Management」 25(1) p.19-32, , 2018

32. “텍스트 마이닝을 이용한 특허정보검색 개발에 관한 연구”, 고광수, 「한국산학기술학회」p.3677-3688, , 2011

33. 공통매뉴얼 기록물관리지침” 발간등록번호 11-1311153-000040-10., 국가기록원, “공통매뉴얼 기록물관리지침” 발간등록번호 11-1311153-000040-10, , 2020

34. “데이터마이닝 기법을 통한 마케팅 전략 변화에 대한 연구”, 김대진, 「korea Business Review」22(2) p.177-194, , 2018

35. “텍스트 마아닝 기반 보건 분야에서의 블록체인 이슈 분석”, 한예은, 「한국자료분석학회」vol.21 no.6 p.2813-2828, , 2019

36. “행정정보시스템 데이터세트의 이해와 기록관리 고려사항”, 이규철, 2016년 기록관리 표준. 거버넌스 포럼[자료집], , 2016

37. “텍스트 마이닝과 감정 분석을 활용한 주식 동향 예측 모델”, 옥영민, 「한 국정보과학회 학술발표논문집」 p.1403-1405, , 2020

38. “폐교 사립대학 행정정보 데이터세트의 기록관리방안 연구”, 이재영, 정연경, 「한국기록관리학회지」 vol.21 no.1 p.75-95, , 2021

39. “의료 정보 추출을 위한 TF-IDF 기반의 연관규칙 분석 시 스템”, 이민수, 박호식, 「한국정보처리학회논문지」 p.145-154, , 2016

40. “의사결정나무기법을 사용한 건설재해 사전 에측 모델 개발”, 조예림, 「한국건축시공학회지」 v.17 no.3 p.295-303, , 2017

41. “빅데이터를 활용한 직업능력개발 정책의 키워드 및 토픽 분석”, 정일찬, 박 사학위논문, 한국기술교육대학교 테크노인력개발전문대학원, , 2021

42. “텍스트 마이닝을 이용한 대한환경공학학회지 연구 동향 분 석”, 이동현, 「대한환경공학학회지」 43(2) p.101-109, , 2021

43. “학술논문 PDF에 대한 딥러닝 기반의 메타데이터 추출 방법 연구”, 김선우, 「정보과학회논문지」 46(7) p.644-652, , 2019

44. 지식 생산의 기반, 지형변화, 사회화를 위한 DB 구축 이론 과 실제』, 허재영, 경진출판, , 2019

45. “소셜 네트워크 환경에서 변형된 TF-IDF를 이용한 핫 토픽 예측 기법”, 노연우, 「정보과학회 컴퓨팅의 실제 논문지」vol.23 no.4 p.217-225, , 2017

46. “소셜네트워크(SNS) 자료기반 하계올림픽 관련 키워드 트 렌드 분석”, 최형준, 이규원, 「한국체육학회지」 29(5) p.1251-1260, , 2020

47. “웹툰의 OSMU 가능성 예측을 위한 기계학습 기반의 모델 구축 방 법론”, 조유권, 석사학위논문. 고려대학교 대학원, , 2021

48. “나이브베이즈 텍스트 마이닝과 시각화를 이용한 특허 빅데이터 분 석”, 전성해, 「한국지능시스템학회 논문지」 제30권 제2호 p.154-160, , 2020

49. “기계학습 활용을 위한 학습데이터세트 구축 표준화 방안에 관한 연 구”, 최정열, 「한국디지털정책학회논문지」 제16권 제10호 p.205-212, , 2018

50. “빅데이터 기반 딥러닝을 이용한 정수장 공정관리 최적 모델 구축 연구”, 김태훈, 박사학위논문, 서울시립대학교 대학원, , 2021

51. “행정정보 데이터세트 기록관리를 위한 무결성, 진본성 보장 방안 연구”, 이상백, 「한국정보과학회 학술발표논문집」p.201-203, , 2015

52. “텍스트 마이닝을 통한 관광지 수요예측-온라인 검색 엔진 을 중심으로-”, 박수지, 「관광학연구」 41권1호 p.13-27, , 2017

53. “키워드 요약 및 자연어 처리기법을 이용한 의도 기반 문서 검색 시 스템”, 강종렬, 석사학위논문. 동국대학교 대학원, , 2020

54. “딥러닝 알고리즘을 이용한 중환자실 내 위급한 부정맥 증 상 탐지에 관한 연구”, 한국과학기술원, 미래창조과학부 주관 연구보고서, , 2015

55. “데이터마이닝과 텍스트 마이닝의 통합적 접급을 통한 병사 사고예측 모델 개발”, 윤승진, 「한국지능정보시스템학회 학술대회논문집」 p.1-18, , 2015

56. “문서유사도 기법을 활용한 이슈 키워드 추출방법-인터넷 뉴스 기사를 대상으로”, 이한동, 김종배, 「인문사회과학기술융합회」7권 8호 p.383-391, , 2017

57. “고품질 의료 증거문헌 추출을 위한 TF-IDF 및 딥러닝 기 반 텍스트 분류 및 처리기법”, 박범주, 「한국정보과학회 학술발표논문집」 p.916-918, , 2019

58. “텍스트 마이닝과 딥러닝 기술을 활용한 외국인 관광객의 국 내 지역별 이미지 비교”, 이혜진, 「대한공간정보학회 학술대회」p.27-30, , 2019

59. “토픽 모델과 단어 임베딩 모델을 사용한 문헌의 핵심 토픽 및 키워 드 탐색 프레임워크 설계”, 우창우, 박사학위논문. 충북대학교 대학원, , 2021

60. “장서각 디지털 자료관 정보 서비스의 발전 방안 : 한국학 자료의 지식 정보화를 위한 정보 서비스 기능의 다양화를 중심으로”, 이건식, 「한국학(정신문화연 구)」 p.335-367, , 2007

61. “명품 하울 유튜브 영상 댓글에 나타난 상대적 박탈감 여부 와 특징 분석 -TF-IDF, Word2Vec, LDA, LSTM을 이용한 현대인의 감정 분석을 중심으로-”, 오하영, 최정민, 「한국정보통신학회논문지」 25(3) p.355-360, , 2021