1월 전후의 국민의힘의 문제와 그에 따른 검색 동향을 보니 선거가 관심과 응원의 포지티브 선거가 아니라, 네거티브 선거 양상이 될 경우에는, 많은 검색량이 오히려 나쁜 신호일 수도 있겠네요.

좀 더 상세한 분석을 하고자 R과 파이썬을 걸음마 단계로 공부중인데.. 사실 아직 구체적인 분석 방법도 잘 모르긴 합니다 ㅋㅋㅋㅋㅋㅋ(막 텍스트군별로 상위 10% 하위10% 빈도 단어 제외하고 하는 방법이라던가.. 머신러닝 활용하는 텍스트 분석도 종류가 많아서). 문제제기를 먼저 해주시고, 자료도 잘 모아와 주신 만큼 제 글이 답글이라고 생각합니다 ㅎㅎ 좋은 글 잘 보고 가요!

간단하게 분석한 제 글보다 훨씬 더 밀도있는 분석을 해주셨네요. 이 글이 본체고 저의 원래 글이 답글인 것 같습니다ㅎㅎ

빅카인즈에서는 각 후보명 검색으로 나오는 신문기사들의 토큰화된 명사나 주제어들이 데이터로 나올겁니다. 전체를 다 토픽모델링으로 주제분류를 한 다음에 각 시기별로 어떤 주제가 나오는 것인지를 보면, 언론의 흐름을 각 후보별로 압축적으로 볼 수 있을 것 같습니다.

구글 데이터와 빅카인즈데이터의 연계는 직접적으로는 못 할 수도 있을 것 같아보입니다만, 빅카인즈를 이용한 토픽모델링 결과를 해석하는데에는 사용할 수 있을 것 같습니다.

시간이 허락할 때 자주 사용되는 LDA 같은 것으로 일단 탐색적으로 토픽모델링을 한 번 해보는 것도 좋을 것 같습니다.

※ 말씀대로 네이버 데이터랩이 맞습니다.

간단하게 분석한 제 글보다 훨씬 더 밀도있는 분석을 해주셨네요. 이 글이 본체고 저의 원래 글이 답글인 것 같습니다ㅎㅎ

빅카인즈에서는 각 후보명 검색으로 나오는 신문기사들의 토큰화된 명사나 주제어들이 데이터로 나올겁니다. 전체를 다 토픽모델링으로 주제분류를 한 다음에 각 시기별로 어떤 주제가 나오는 것인지를 보면, 언론의 흐름을 각 후보별로 압축적으로 볼 수 있을 것 같습니다.

구글 데이터와 빅카인즈데이터의 연계는 직접적으로는 못 할 수도 있을 것 같아보입니다만, 빅카인즈를 이용한 토픽모델링 결과를 해석하는데에는 사용할 수 있을 것 같습니다.

시간이 허락할 때 자주 사용되는 LDA 같은 것으로 일단 탐색적으로 토픽모델링을 한 번 해보는 것도 좋을 것 같습니다.

※ 말씀대로 네이버 데이터랩이 맞습니다.

1월 전후의 국민의힘의 문제와 그에 따른 검색 동향을 보니 선거가 관심과 응원의 포지티브 선거가 아니라, 네거티브 선거 양상이 될 경우에는, 많은 검색량이 오히려 나쁜 신호일 수도 있겠네요.

좀 더 상세한 분석을 하고자 R과 파이썬을 걸음마 단계로 공부중인데.. 사실 아직 구체적인 분석 방법도 잘 모르긴 합니다 ㅋㅋㅋㅋㅋㅋ(막 텍스트군별로 상위 10% 하위10% 빈도 단어 제외하고 하는 방법이라던가.. 머신러닝 활용하는 텍스트 분석도 종류가 많아서). 문제제기를 먼저 해주시고, 자료도 잘 모아와 주신 만큼 제 글이 답글이라고 생각합니다 ㅎㅎ 좋은 글 잘 보고 가요!