대학생이라면 매 학기 레포트에 시달릴지도 모른다. 과제로 레포트를 쓰다 보면, 수많은 자료들을 다뤄야 하는 경우가 있다. 텍스트 마이닝은 이 자료들을 일일이 읽어보지 않고도 키워드 추출이나 문서 재해석, 설문지 조사 요약 등을 가능하게 해준다. 그렇다면 텍스트 마이닝은 무엇일까?
텍스트 마이닝(Text Mining)을 직역하면 ‘문서 채굴’이다. 텍스트 마이닝은 텍스트 형태인 비정형 데이터들을 가지고 새로운 정보를 도출하는 과정을 말한다. 이때, 비정형 데이터를 가공한다는 점에서 데이터 마이닝과 차이가 있다.
데이터 마이닝(Data Mining)은 관계형의 정형화된 데이터로부터 정보를 얻는 것이다. 이외에도 텍스트 마이닝과 데이터 마이닝의 특징을 비교하자면, 텍스트 마이닝은 말 그대로 텍스트를 대상으로 삼는다. 그러나 데이터 마이닝은 수치나 범주화된 데이터를 대상으로 삼는다.
또한, 텍스트 마이닝의 목적은 획득한 정보의 의미를 정제하고 범주화하지만, 데이터 마이닝은 데이터 분석을 통해 미래 상황을 예측하는 데 목적을 둔다. 게다가 데이터 마이닝은 기계학습을 통해 데이터를 분석하지만, 텍스트 마이닝은 기계학습 외에도 언어처리, 인덱싱, 온톨로지 등의 방법을 거친다.
텍스트 마이닝은 데이터 마이닝과 달리 자연어 처리 기술과 문서 처리 기술이 필요하다. 이런 기법들을 사용하는 텍스트 마이닝은 어떤 과정을 거칠까?
먼저 데이터들을 준비하는 방법으로는 웹 크롤링, API 호출, 오프라인 수집 등이 있다. 다음으로 데이터 전처리 과정을 거친다. 데이터 전처리 과정에는 다른 표현의 단어이지만 의미가 같으면 통합하는 데이터 정규화 과정과 일정 특성에 따라 분류할 경우에는 데이터 분리 과정이 있다.
그다음으로 형태소를 분석해주는 토큰화 과정을 거치고, 이름은 특정 개체로 인식해주는 개체명 인식 과정을 거친다. 원형 복원 과정도 거쳐야 한다. 예를 들면, 같은 의미인 여러 표현을 모두 원형으로 바꿔준다. 이때 조사나 접미사 등 불용어는 제거해준다.
마지막으로 제거할 단어들을 모두 제거했는지, 필요한 단어들은 올바르게 추출했는지도 확인한다. 이렇게 데이터 전처리 과정이 끝났다면, 본격적으로 데이터 분석을 한다.
데이터 분석에는 문서 요약, 텍스트 생성, 키워드 추출, 군집화, 감성 분석, 단어 임베딩 등이 있다. 데이터 분석을 마치면 분석 결과를 한눈에 볼 수 있도록 시각화하는데, 시각화에는 히스토그램, 테이블, 워드 클라우드, 히트맵, 네트워크 다이어그램, 덴드로그램 등이 있다. 이 모든 과정을 마치면 마지막으로 분석한 결과를 비교 및 해석한다.
텍스트 마이닝에서 주의할 점은 무엇일까? 텍스트 마이닝 과정 중, 자연어 처리에서 감성 분석, 음성 인식 등에서 문제가 있을 수 있다. 텍스트 마이닝의 또 다른 문제점은 분석 결과 자체만으로는 어떤 성과가 나오지 않는다는 점이다.
텍스트 마이닝을 유용하게 활용하려면 이 텍스트 자료들을 통해 무엇을 얻고 싶은지를 미리 생각하고, 분류 및 군집화한 자료들에 대한 적합한 시각화는 무엇인지 등을 생각할 필요가 있다.
[저작권자ⓒ CWN(CHANGE WITH NEWS). 무단전재-재배포 금지]
![[구혜영 칼럼] 사회복지교육은 미래복지의 나침반이 되어야](/news/data/2026/01/16/p1065596364370517_157_h.png)
