Exploring Research Trends on Address Information and Address Data in Korea Using LDA Topic Modeling

doi:10.16879/jkca.2026.26.1.021

All Issue

2026 Vol.26, Issue 1 Preview Page Next Page

Research Article

Exploring Research Trends on Address Information and Address Data in Korea Using LDA Topic Modeling LDA 토픽 모델링을 활용한 국내 주소정보 및 주소데이터 연구 동향 탐색: 정희지¹ · 차승민² · 최정호³ · 강전영^4†
Huiji Jeong¹ · Seungmin Cha² · Jungho Choi³ · Jeon-Young Kang^4†; ¹경희대학교 기후사회과학융합학과 석사과정
²경희대학교 기후사회과학융합학과 석사과정
³경희대학교 지리학과 학부과정
⁴경희대학교 지리학과·기후사회과학융합학과 조교수

¹Master’s Student, Department of Climate-Social Science Convergence, Kyung Hee University
²Master’s Student, Department of Climate-Social Science Convergence, Kyung Hee University
³Undergraduate Student, Department of Geography, Kyung Hee University
⁴Assistant Professor, Department of Geography·Department of Climate-Social Science Convergence, Kyung Hee University

30 April 2026. pp. 21~35

PDF

Abstract

With the development of spatial information technology and data, the concept of address is expanding beyond its conventional definition to encompass diverse functions and meaning. In particular, despite the expanding scope of address research by the introduction of new address system and the advancement of address information and data, there is a lack of studies that comprehensively review the trend. To this end, we aim to provide a comprehensive analysis fo research topics related to address information and data by applying LDA topic modeling to titles and abstracts of academic papers published since 1997 in KCI, DBPIA and RISS. As a result, five topics were extracted from address information and six topics from address data, and these were structured using IDM. This study provides a synthesis of existing studies and contributes to establishing the direction of future research topics by examining overall trends in address-related research.

Keywords

Address information

Address data

Text mining

Topic modeling

Latent dirichlet allocation

주소는 공간정보 기술과 데이터의 발전으로 기존의 의미를 넘어 다양한 기능과 의미로 확장되고 있다. 특히, 새로운 주소체계 도입과 주소정보 및 데이터 고도화로 주소 관련 연구의 영역은 점차 확장되고 있으나, 이를 종합적으로 정리한 연구는 부족하다. 본 연구는 국내 학술논문 데이터베이스 KCI, DBPIA, RISS에 출판된 1997년 이후의 학술논문의 제목과 초록에 대해서 LDA 토픽 모델링을 활용하여 주소정보 및 주소데이터 연구의 토픽을 통합적으로 분석하고자 하였다. 분석 결과, 주소정보에서 5개, 주소데이터에서 6개의 토픽을 추출하였고, IDM을 통해 토픽들을 구조화하였다. 본 연구는 국내 주소 관련 연구의 전반적인 연구 동향을 파악함으로써 현재까지의 주소 연구 흐름을 종합하고 연구 주제의 방향 정립에 기여할 수 있다.

키워드

주소정보

주소데이터

텍스트 마이닝

토픽 모델링

잠재 디리클레 할당법

References

강전영·황태건·조서림·김민준·김강민·원석환·손선민, 2023, “사용자 참여형 지리정보를 기반으로 한 사물주소 부여 대상 시설물의 우선 선정 방안 제안: 증강현실 게임, 포켓몬 고를 활용하여,” 한국지도학회지, 23(2), 49-60. 10.16879/jkca.2023.23.2.049
김대용, 2024, “주소정보산업 규모 산정 및 경제적 효과 분석,” 지적과 국토정보, 54(1), 33-48.
김성훈·김보은·원석환, 2022 “주소의 국제표준화 동향분석 및 시사점-ISO 19160-2를 중심으로,” 지적과 국토정보, 52(1), 57-68.
김현정·조남옥·신경식, 2015 “항공산업 미래유망분야 선정을 위한 텍스트 마이닝 기반의 트렌드 분석,” 지능정보연구, 21(1), 65-82. 10.13088/jiis.2015.21.1.65
김지영, 2021, “공공데이터와 사물주소와의 연계·활용 방안 모색,” 대한공간정보학회지, 29(1), 43-54. 10.7319/kogsis.2021.29.1.043
김지영·노동조, 2023, “토픽모델링을 활용한 4차 산업혁명 분야의 국내 연구 동향 분석,” 한국비블리아학회지, 34(4), 207-234.
김지영·이지원, 2023, “사물주소 부여 체계 분석 및 정책제언,” 대한공간정보학회지, 31(2), 13-24. 10.7319/kogsis.2023.31.2.013
남승주·이현철, 2019, “LDA 토픽 모델링을 활용한 항공승객 유형 별 특성 분석,” 경영과학, 36(3), 67-85. 10.7737/KMSR.2019.36.3.067
박자현·송민, 2013, “토픽모델링을 활용한 국내 문헌정보학 연구동향 분석,” 정보관리학회지, 30(1), 7-32. 10.3743/KOSIM.2013.30.1.007
박준형·오효정, 2017, “국내 기록관리학 연구동향 분석을 위한 토픽모델링 기법 비교- LDA와HDP를 중심으로-”, 한국도서관·정보학회지, 48(4), 235-258. https://doi.org/10.16981/kliss.48.4.201712.235 10.16981/kliss.48.4.201712.235
박하람·김학래, 2024, “공공데이터를 활용한 주소 기반 데이터 분석과 제언,” 디지털콘텐츠학회논문지, 25(9), 2617-2626. 10.9728/dcs.2024.25.9.2617
이유빈·이영호·성정창·애나·지상훈·황철수, 2020, “계량적 모델을 통한 지리학 연구의 최신동향 및 토픽 분석,” 대한지리학회지, 55(6), 589-599.
이은영·주경희·이두희, 2019, “워드 클라우드 기법을 이용한 최근 소비자학 연구 트렌드 분석,” 상품학연구, 37, 1-7. 10.36345/kacst.2019.37.1.001
이태준·이승배·오창동, 2017, “원자력 이슈에 대한 정부와 언론의 커뮤니케이션 전략 비교연구 : 토픽모델링(Topic Modeling)의 적용,” 언론과학연구, 17(3), 172-229. 10.14696/jcs.2017.09.17.3.172
정희지·강전영, 2024, “영유아 및 소아 의료 인프라의 공간적 접근성에 대한 시간적 불균형 탐색: 서울특별시의 평일 주간, 평일 야간, 주말을 대상으로,” 한국지도학회지, 24(3), 61-73. 10.16879/jkca.2024.24.3.061
조경원·우영운, 2019, “텍스트 마이닝을 이용한4차 산업 연구 동향 토픽 모델링,” 한국정보통신학회논문지, 23(7), 764-770.
최원준·설재욱·정희석·윤화묵, 2018, “국내 학술논문 주제 분류 알고리즘 비교 및 분석,” 한국콘텐츠학회 논문지, 18(8), 178-186.
한국표준협회, 2018, ｢KS X ISO 19160-1 주소 –제1부｣.
행정안전부, 2022a, ｢스마트 주소정보 플랫폼 구축으로 인공지능 로봇 배송 촉진｣.
행정안전부, 2022b, ｢제1차 주소정보 활용 기본계획(2022~2026)｣.
홍현석·김장원, 2024, “지식그래프를 활용한 공공데이터 연계방법,” 한국정보기술학회 20245년도 추계종합학술대회 및 대학생논문경진대회, 74-76
Bahja, M., and Safdar, G. A., 2020, Unlink the link between COVID-19 and 5G networks: an NLP and SNA based approach, Ieee Access, 8, 209127-209137. 10.1109/ACCESS.2020.3039168 34812369 PMC8545258
Blei, D. M., Ng, A. Y., and Jordan, M. I., 2003, Latent dirichlet allocation, Journal of Machine Learning Tesearch, 3, 993-1022.
Blei, D. M., 2012, Probabilistic topic models, Communications of the ACM, 55(4), 77-84. 10.1145/2133806.2133826
Feldman, R. and Dagan, I., 1995, Knowledge Discovery in Textual Databases(KDT), KDD, 95, 112-117.
Kim, S., Park, H., and Lee, J., 2020, Word2vec-based latent semantic analysis (W2V-LSA) for topic modeling: A study on blockchain technology trend analysis, Expert Systems with Applications, 152, 113401. 10.1016/j.eswa.2020.113401
Sievert, C., and Shirley, K., 2014, LDAvis: A method for visualizing and interpreting topics, In Proceedings of the workshop on interactive language learning, visualization, and interfaces, 63-70. https://doi.org/10.3115/v1/W14-311010.3115/v1/W14-3110

Information

Publisher :The Korean Cartographic Association
Publisher(Ko) :한국지도학회
Journal Title :Journal of the Korean Cartographic Association
Journal Title(Ko) :한국지도학회지
Volume : 26
No :1
Pages :21~35
DOI :https://doi.org/10.16879/jkca.2026.26.1.021

[1] 강전영·황태건·조서림·김민준·김강민·원석환·손선민, 2023, “사용자 참여형 지리정보를 기반으로 한 사물주소 부여 대상 시설물의 우선 선정 방안 제안: 증강현실 게임, 포켓몬 고를 활용하여,” 한국지도학회지, 23(2), 49-60. 10.16879/jkca.2023.23.2.049

[2] 김대용, 2024, “주소정보산업 규모 산정 및 경제적 효과 분석,” 지적과 국토정보, 54(1), 33-48.

[3] 김성훈·김보은·원석환, 2022 “주소의 국제표준화 동향분석 및 시사점-ISO 19160-2를 중심으로,” 지적과 국토정보, 52(1), 57-68.

[4] 김현정·조남옥·신경식, 2015 “항공산업 미래유망분야 선정을 위한 텍스트 마이닝 기반의 트렌드 분석,” 지능정보연구, 21(1), 65-82. 10.13088/jiis.2015.21.1.65

[5] 김지영, 2021, “공공데이터와 사물주소와의 연계·활용 방안 모색,” 대한공간정보학회지, 29(1), 43-54. 10.7319/kogsis.2021.29.1.043

[6] 김지영·노동조, 2023, “토픽모델링을 활용한 4차 산업혁명 분야의 국내 연구 동향 분석,” 한국비블리아학회지, 34(4), 207-234.

[7] 김지영·이지원, 2023, “사물주소 부여 체계 분석 및 정책제언,” 대한공간정보학회지, 31(2), 13-24. 10.7319/kogsis.2023.31.2.013

[8] 남승주·이현철, 2019, “LDA 토픽 모델링을 활용한 항공승객 유형 별 특성 분석,” 경영과학, 36(3), 67-85. 10.7737/KMSR.2019.36.3.067

[9] 박자현·송민, 2013, “토픽모델링을 활용한 국내 문헌정보학 연구동향 분석,” 정보관리학회지, 30(1), 7-32. 10.3743/KOSIM.2013.30.1.007

[10] 박준형·오효정, 2017, “국내 기록관리학 연구동향 분석을 위한 토픽모델링 기법 비교- LDA와HDP를 중심으로-”, 한국도서관·정보학회지, 48(4), 235-258. https://doi.org/10.16981/kliss.48.4.201712.235 10.16981/kliss.48.4.201712.235

[11] 박하람·김학래, 2024, “공공데이터를 활용한 주소 기반 데이터 분석과 제언,” 디지털콘텐츠학회논문지, 25(9), 2617-2626. 10.9728/dcs.2024.25.9.2617

[12] 이유빈·이영호·성정창·애나·지상훈·황철수, 2020, “계량적 모델을 통한 지리학 연구의 최신동향 및 토픽 분석,” 대한지리학회지, 55(6), 589-599.

[13] 이은영·주경희·이두희, 2019, “워드 클라우드 기법을 이용한 최근 소비자학 연구 트렌드 분석,” 상품학연구, 37, 1-7. 10.36345/kacst.2019.37.1.001

[14] 이태준·이승배·오창동, 2017, “원자력 이슈에 대한 정부와 언론의 커뮤니케이션 전략 비교연구 : 토픽모델링(Topic Modeling)의 적용,” 언론과학연구, 17(3), 172-229. 10.14696/jcs.2017.09.17.3.172

[15] 정희지·강전영, 2024, “영유아 및 소아 의료 인프라의 공간적 접근성에 대한 시간적 불균형 탐색: 서울특별시의 평일 주간, 평일 야간, 주말을 대상으로,” 한국지도학회지, 24(3), 61-73. 10.16879/jkca.2024.24.3.061

[16] 조경원·우영운, 2019, “텍스트 마이닝을 이용한4차 산업 연구 동향 토픽 모델링,” 한국정보통신학회논문지, 23(7), 764-770.

[17] 최원준·설재욱·정희석·윤화묵, 2018, “국내 학술논문 주제 분류 알고리즘 비교 및 분석,” 한국콘텐츠학회 논문지, 18(8), 178-186.

[18] 한국표준협회, 2018, ｢KS X ISO 19160-1 주소 –제1부｣.

[19] 행정안전부, 2022a, ｢스마트 주소정보 플랫폼 구축으로 인공지능 로봇 배송 촉진｣.

[20] 행정안전부, 2022b, ｢제1차 주소정보 활용 기본계획(2022~2026)｣.

[21] 홍현석·김장원, 2024, “지식그래프를 활용한 공공데이터 연계방법,” 한국정보기술학회 20245년도 추계종합학술대회 및 대학생논문경진대회, 74-76

[22] Bahja, M., and Safdar, G. A., 2020, Unlink the link between COVID-19 and 5G networks: an NLP and SNA based approach, Ieee Access, 8, 209127-209137. 10.1109/ACCESS.2020.3039168 34812369 PMC8545258

[23] Blei, D. M., Ng, A. Y., and Jordan, M. I., 2003, Latent dirichlet allocation, Journal of Machine Learning Tesearch, 3, 993-1022.

[24] Blei, D. M., 2012, Probabilistic topic models, Communications of the ACM, 55(4), 77-84. 10.1145/2133806.2133826

[25] Feldman, R. and Dagan, I., 1995, Knowledge Discovery in Textual Databases(KDT), KDD, 95, 112-117.

[26] Kim, S., Park, H., and Lee, J., 2020, Word2vec-based latent semantic analysis (W2V-LSA) for topic modeling: A study on blockchain technology trend analysis, Expert Systems with Applications, 152, 113401. 10.1016/j.eswa.2020.113401

[27] Sievert, C., and Shirley, K., 2014, LDAvis: A method for visualizing and interpreting topics, In Proceedings of the workshop on interactive language learning, visualization, and interfaces, 63-70. https://doi.org/10.3115/v1/W14-311010.3115/v1/W14-3110

Journal of the Korean Cartographic Association ISSN:1598-6160(Print) 한국지도학회지

All Issue