A Study on Research Trend Analysis Using Social Network Analysis Methods

Abstract

Research trend analysis identifies key topics and keywords that play a significant role in a specific field while efficiently processing information from large-scale data. Social network analysis visualizes the interactions between words in a network structure, enabling the understanding of the connectivity and structure of complex systems. Additionally, it allows the discovery of clusters in the network and identify groups that share similar characteristics. In this study, we propose a methodology for conducting research trend analysis using social network analysis methods. We construct a word co-occurrence network from large-scale text data and introduce a novel weighting method that incorporates both the frequency of word occurrences and the distances between words within a document. The proposed edge weight incorporates concordance, proximity, density, and anti-universality, complementing traditional co-occurrence-based methods. Using this network, we perform community detection to identify the themes represented by each cluster. To validate this methodology, we applied it to paper abstracts extracted from the Semantic Scholar database to demonstrate its effectiveness in identifying meaningful research topics.|연구 동향 분석은 특정 분야에서 중요한 역할을 하는 핵심 주제와 키워드를 파악하고, 대규모 데이터에서 효율적으로 정보를 처리할 수 있도록 합니다. 사회 네트워크 분석은 단어 간의 상호작용을 네트워크 구조로 시각화하여 복잡한 시스템의 연결성과 구조를 이해할 수 있게 합니다. 또한, 네트워크에서 클러스터를 발견하여 유사한 특성을 공유하는 그룹을 식별할 수 있습니다. 본 연구에서는 사회 네트워크 분석 기법을 활용하여 연구 동향 분석을 수행하는 방법론을 제안합니다. 구체적으로, 대규모 텍스트 데이터에서 동시출현 단어 네트워크를 생성하고, 문서 내 단어 출현 빈도와 단어 간 거리를 반영한 새로운 가중치 계산 방식을 제안하였습니다. 제안한 에지 가중치는 동시출현성, 근접성, 밀집성, 반보편성을 모두 반영하여, 기존의 동시출현성에 기반한 방법을 보완하였습니다. 이를 바탕으로 커뮤니티 탐지를 수행하여 각 클러스터별로 나타나는 주제를 식별하는 과정을 제시하였습니다. 이 방법론의 유효성을 검증하기 위해 Semantic Scholar 데이터베이스에서 추출한 논문 초록에 적용하였으며, 의미 있는 연구 주제를 효과적으로 식별할 수 있음을 입증하였습니다.