LDA 토픽 모델링을 이용한 블록체인 학술연구 동향 분석 : 미국 · 중국 · 한국을 중심으로

2-1 토픽 모델링을 활용한 연구동향 분석

연구 동향에 대한 분석은 다양한 방법으로 발전해왔다. 초기 연구동향 분석은 시계열 데이터에 대한 추세분석이나 1차원 데이터에 대한 단순한 패턴 분석이었다[4]. 하지만 연구 자료의 내용적 측면까지는 고려하기 힘들다는 단점이 존재하였고, 이러한 한계점을 극복하기 위해 다양한 연구방법들이 개발되었다. 대량의 문서에서 토픽모델링은 내용적 측면을 고려 할 수 있는 방법론 중 하나이다. 토픽모델링은 2012년에 D. M. Blei가 고안한 방법으로써 문서 안에 숨겨진 잠재적인 주제들을 찾아내기 위해 비정형 텍스트의 단어를 분석해서 각 주제들이 서로 어떤 관계가 있는지, 시간에 따라 어떻게 변화하는지 분석하는 방법론이다[5]. 특히 인터넷 리뷰, 신문기사, 논문, 특허 데이터 분석에 있어 동향파악과 잠재 주제를 파악함에 있어 요긴하게 사용되며, 학계에서도 축적된 연구 자료를 바탕으로 토픽모델링을 사용하여 분야별 연구동향을 파악하고자 하는 연구가 진행되고 있다.

박주섭(2018)은 ‘A.I.’를 핵심어로 2002년부터 2016년까지의 미국 특허 13,618개의 초록 데이터를 분기별로 나누어 키워드 빈도 분석, 키워드 네트워크 분석, 키워드 연결 중심성 분석, 키워드 매개 중심성 분석을 하였으며, 시간이 지날수록 과학기술 응용 분야에 대한 중심성 수치가 높았고 기초 분야의 중요성이 상대적으로 감소하는 경향을 보였음을 확인하였다[6]. 김창식(2017)은 2002년부터 2016년까지 Web of Science 데이터베이스의 국내 저널 (APJIS, ISR, JIS)의 1,245편의 MIS 논문을 대상으로 토픽모델링 분석을 하였다[7]. 토픽모델링을 통해 국내 MIS 저널의 주요 연구 동향에 대해 파악하였으며, Hot&Cold 토픽 분석하여 정보보안, 개인정보, 고객만족, 소통혁신 분야는 떠오르는 주제, 시스템 구축, 웹사이트와 같은 분야는 하락 토픽인 것을 도출하였다. 김용환(2019)은 DBpia에서 ‘건강 관리’와 ‘헬스 케어’를 검색키워드로 하여 4,561 건의 논문을 대상으로 토픽모델링을 하였다.[8] 도출한 연구 주제의 추세 분석을 통해 최근 가장 상승한 헬스케어 연구 주제는 ICT 기술과의 융합 토픽이며, 국내 헬스케어 연구들은 국가정책, 보건의료 및 체육 분야, 연구 디자인, IT기술, 생애주기, 환경, 여성과 관련된 내용들로 구성되는 것을 확인하였다. 윤지은(2018)은 2001년부터 2018년까지 Elsevier사의 Scopus에 게재된 2,690편의 논문을 대상으로 ‘스마트 헬스케어’ 분야의 주요 연구동향을 파악하고 향후 연구의 전개방향을 조망해 보기 위해 논문 초록을 추출하여 토픽모델링을 실시하였다[9]. 분석결과 “AI in healthcare”, “ blockchain in healthcare”, “Smart health data”, “Mobile healthcare”등 총 8개의 토픽 주제를 도출하였으며 이를 통해 AI in healthcare가 연구점유율이 가장 높음을 확인하였고, 에고네트워크 분석을 통해 주제별 핵심노드를 파악하였다.

블록체인 분야에서도 연구동향 파악을 시도하고자하는 연구가 몇 차례 진행되었다. Giungato(2017)는 2015년부터 2017년까지의 Scopus, Web of Science, Google Scholar의 데이터베이스에서 가상화폐 관련 문헌에 체계적 문헌 검토를 실시하였다[10]. 분석결과 가상화폐의 사회적 관점, 경제적 관점에서의 지속가능성을 확인하였으며, 문헌의 분석을 통해 블록체인 기술의 트렌드를 제시하였다. 조성환(2018)은 블록체인 기술의 활용 분야로 언급되는 ‘금융’, ‘물류’, ‘에너지’에 대한 7개월간의 49,093건의 뉴스 기사 데이터를 대상으로 텍스트 마이닝과 의미연결망 분석을 통해 블록체인+금융, 블록체인+물류, 블록체인+에너지 분야 각각의 주요 단어를 도출하였다[11]. 또한 CONCOR분석을 통해 분야 내 클러스터를 나누어 단어별 연관어와 관련 현상들을 확인하였다. 하지만 블록체인 학술데이터를 대상으로 연구동향 파악을 위해 토픽모델링을 실시한 연구는 부족한 실정이다.

3-1 분석 데이터

본 연구의 분석 데이터는 2019년 6월을 기준으로 Web of Science 데이터베이스에 누적된 SCIE급의 논문 초록과 DBpia에 게재된 논문 초록이다. 분석 대상 텍스트 수집을 위해 <표 1>과 같이 총 5가지의 검색 키워드 기준을 선정하였다. 논문을 검색할 때, 초록이 있는 논문 중 논문 제목과 키워드에 ‘블록체인(Blockchain)’이 들어간 경우는 가능한 모두 수집하였다. 또한, 블록체인 1.0, 블록체인 2.0, 블록체인 3.0 각각에 대한 대표적인 단어인 ‘비트코인(Bitcoin)’, ‘가상화폐, 암호화폐(Crypto Currency)’, ‘스마트 컨트랙트, 스마트 계약(Smart Contract)’, ‘이더리움(Ethereum)’이 들어간 단어의 논문도 블록체인과 관련이 있다고 보고, 논문의 제목과 키워드에 단어가 들어가 있는 경우 모두를 고려하여 데이터 분석에 필요한 논문의 제목과 초록을 연도별로 수집하였다. 국내논문의 경우 학술대회 논문은 분석 대상에서 제외하였으며, 최종적으로 국내 학술논문 125건, 미국 420건, 중국 334건을 수집하였다.

Table 1.

Search Keyword

3-2 분석 방법

본 연구의 절차는 <표 1>의 검색 키워드를 대상으로 하는 논문 제목과 초록 데이터 수집, 데이터 필터링 및 전처리, LDA토픽 모델링과 워드클라우드, 결과 해석까지 총 4단계로 구성하였다. 연구동향 분석에 있어서 선행되어야 하는 활동은 분석의 범위를 명확히 하는 것으로 특히 전처리 과정에서는 수집된 데이터를 일관된 데이터로 만들기 위해서 데이터를 정제할 필요가 있다. 우선 수집한 텍스트 데이터의 필터링과 약어의 표준화 및 단어의 단수·복수형 통일, 띄어쓰기와 대·소문자 통일, 공백 제거 등의 처리를 하였다. 수많은 블록체인 주제의 논문에서 토픽을 도출하기위해 대다수의 논문에서 언급되고 빈도가 가장 높은 'Blockchain'은 불용어로 처리하였다. 세 번째 단계로는 LDA 토픽모델링과 워드클라우드 분석이다. 워드클라우드는 토픽모델링의 결과치를 직관적으로 살펴 볼 수 있는 시각화의 방법 중 하나이다. 본 연구에서는 국가별 토픽 빈도를 기준으로 jupyter notebook(Python3)과 wordcloud 패키지를 이용하여 워드클라우드 분석을 실시하였다.

LDA(Latent Dirichlet Allocation)는 PLSA를 조건부 확률로 확장시킨 기법으로 잠재 주제의 확률적 분포에 대한 PLSA의 한계점을 보완한 모델이다. LDA모델은 무작위로 섞여있는 대량의 문서에서 단어들의 패턴을 추론하여 각 토픽의 특성을 도출하는데 용이하며, 텍스트 데이터의 의미구조를 파악하기에 적합한 방법 중 하나이다[12]. LDA토픽 모델링 단계를 통해 논문 초록에서 잠재되어 있는 주요 토픽(연구주제)을 파악하기 위해서는 도출할 토픽 수를 정해야 한다. 적절한 토픽 수에 대한 명확한 답은 없으며, 토픽 수의 결정은 도출된 토픽들의 해석가능성과 타당성 및 연구 질문에 따라 좌우되므로 토픽모델링을 통해 유의미한 결과를 도출하기 위해서는 해석상 가장 적절한 수로 결정해야 한다[13]. 따라서 본 연구는 의미 있는 결과 도출을 위해 jupyter notebook(Python3)과 gensim 패키지를 이용하여 LDA 분석을 실시하였으며, 최종적으로 1,000회의 샘플링 반복을 통해 6개의 토픽 수를 도출하였다. 본 연구의 전체 프로세스는 아래의 [그림 1]과 같다.

Figure 1.

Research Process

4-1 분석 결과

[그림 2]는 연도별 미국, 중국, 한국 학술 논문 수의 변화를 그래프로 나타낸 것이다. [그림 2]를 보면, 2014년 이후 꾸준히 증가하는 추세를 나타내다 2018년에 급격히 연구의 수가 증가하는 것을 살펴볼 수 있다. 국가 별 추이를 세부적으로 보면 중국의 경우, 2017년까지는 미국에 비해 상대적으로 적은 수의 학술논문이 게재되었지만 2018년을 기점으로 미국의 157건과 근접한 수치인 156건의 논문이 게재되었으며 2019년 6월을 기준으로 133건의 논문을 게재함에 따라 미국의 84건을 넘어선 것을 확인할 수 있었다.

Figure 2.

Change in the Number of Papers by Year

4-2 미국 분석 결과

Web of Science에서 블록체인을 주제로 미국에서 작성된 논문들의 초록들을 워드클라우드로 시각화한 결과는 [그림 3]과 같다. 분석결과 ‘bitcoin', 'techonology', 'system’, 'transaction' 등의 순서로 토픽의 빈도가 높게 나타난 것을 확인할 수 있었다. 또한 ‘market', 'financial'과 같은 경제, 금융과 관련된 토픽이 상대적으로 크게 나타나는 것을 확인할 수 있었다.

Figure 3.

Word Cloud(USA)

Web of Science에서 블록체인을 주제로 미국에서 작성된 논문들의 초록들을 LDA토픽모델링 한 결과는 <표 2>와 같다. Topic1은 블록체인 기술의 특징 중 하나인 보안성과 관련된 단어들로서 ‘technology’, ‘security’, ‘transaction’, ‘privacy’ 등이 나타났다. Topic2는 경제와 관련된 단어들인 ‘financial’, ‘economic’, ‘payment’, ‘market’, ‘asset’ 등이 나타났으며 'law'와 같은 토픽으로 보아 경제적 효과와 함께 법 · 규제에 대해서도 동시에 고려하며 학계 연구가 진행되는 것을 잠재적으로 유추할 수 있었다. Topic3은 비트코인과 암호화폐의 통화가치와 연관된 단어인 ‘bitcoin’, ‘currency’, ‘transaction’, ‘price’, ‘exchange’, ‘volatility’ 등이 나타났다. Topic4는 Topic1과는 또 다른 블록체인 기술의 주요 특성을 나타내는 ‘digital’, ‘cryptographic’, ‘trust’, ‘anonymous’ 단어들로 구성되었다. Topic5는 블록체인에 대하여 다른 토픽에 비해 심도 있는 단어들로 구성되었으며, ‘node’, ‘signature’, ‘transaction’, ‘delay’, ‘mining’ 등이 도출되었다. 마지막으로 Topic6은 Topic2와 같이 경제와 관련된 단어들이 등장한 것은 동일하지만, ‘money’, ‘monetary’, ‘tax’, ‘bill’ 외에도 ‘fraudulent’, ‘criminal’가 도출된 것을 통해 범죄와 사기 예방을 위해 블록체인 기술을 적용하고자 하는 연구가 되고 있는 것을 유추할 수 있었다.

Table 2.

Topic Modeling(USA)

4-2 중국 분석 결과

Web of Science에서 블록체인을 주제로 중국에서 작성된 논문들의 초록들을 워드클라우드로 시각화한 결과는 [그림 4]와 같다. 분석결과 ‘system’, ‘network’, ‘techonology’, ‘user’, ‘scheme’ 순으로 토픽의 빈도가 높게 나타난 것을 확인 할 수 있었다. 특히 미국에 비해 ‘scheme’와 ‘network’, ‘node’ 등 기술적 의미를 담고 있는 토픽의 빈도가 높게 나타난 것을 확인할 수 있었다. 또한 미국과 한국에서 등장한 ‘law’, ‘규제’와 관련된 토픽이 등장하지 않는 것을 확인 할 수 있었다.

Figure 4.

Word Cloud(China)

Web of Science에서 블록체인을 주제로 중국에서 작성된 논문들의 초록들을 LDA토픽모델링 한 결과는 <표 3>과 같다. Topic1은 블록체인의 기술적 특성과 관련된 단어들로 구성되었으며 ‘security’, ‘transaction’, ‘scheme’, ‘storage’, ‘privacy’, ‘technology’가 나타났으며 ‘iot’도 같은 토픽으로 형성된 것을 통해 블록체인 기술을 IoT 서비스에 적용하고자 하는 연구가 상대적으로 많이 진행되고 있는 것을 유추 할 수 있었다. Topic2는 블록체인과 관련된 기술적 ‘node’, ‘protocol’, ‘secure’ 같은 단어와 함께 ‘enterprise’, ‘risk’, ‘crowdfund’, ‘problem’ 사회 전반적으로 나타는 신기술에 대한 기업 관심, 불확실성 등의 단어가 동시에 도출되었다. Topic3은 헬스케어 분야와 관련된 단어가 중심을 이루었으며, ‘medical’, ‘healthcare’, ‘patient’, ‘privacy’가 나타났다. Topic4는 ‘bitcoin’, ‘china’, ‘bank’, ‘mining’, ‘risk’, ‘policy’, ‘market’ 이 나타났으며 중국내 가상화폐 거래 금지 정책과 관련된 주제로 토픽이 형성된 것으로 잠재적으로 유추할 수 있었다. Topic5는 ‘bitcoin’, ‘market’, ‘economic’, ‘exchange’ 등 가상화폐가 경제 산업구조의 미치는 영향에 대한 내용이 주를 이루는 것을 예상할 수 있었다. Topic6은 ‘attack’, ‘network’, ‘resolution’. ‘vision’ 등이 나타난 것을 통해 블록체인 기술이 가져올 긍정적인 측면으로 형성된 것을 예상 할 수 있었다.

Table 3.

Topic Modeling(China)

4-2 한국 분석 결과

Web of Science에서 블록체인을 주제로 중국에서 작성된 논문들의 초록들을 워드클라우드로 시각화한 결과는 [그림 5]와 같다. 분석결과 ‘비트코인’, ‘가상화폐’, ‘시스템’, ‘기술’, ‘거래’ 순으로 토픽의 빈도가 높게 나타났다. 미국, 중국 비교한 결과 ‘규제’, ‘법적’, ‘정책’ 등의 토픽이 상대적으로 높은 빈도로 나타나는 것을 확인할 수 있었다. 또한 ‘문제’, ‘제한’, ‘한계’ 등의 토픽이 워드클라우드에서 나타나는 것을 확인할 수 있었다.

Figure 5.

Word Cloud(South Korea)

DBpia에서 블록체인을 주제로 국내에서 작성된 논문들의 초록들을 LDA토픽모델링 한 결과는 <표 4>와 같다. Topic1은 ‘information’, ‘industry’, ‘trust’, ‘privacy’ 등이 나타났으며, 블록체인의 대표적인 특성들이 도출되었다. Topic2는 가상화폐, 경제에 관련된 토픽들이 주를 이루었고, ‘virtual’, ‘finance’, ‘invest’, ‘exchange’, ‘cryptocurrency’가 도출되었다. 또한 ‘illegal’, ‘policy’가 같은 토픽으로 형성되었다. Topic3은 ‘doker’, ‘network’, ‘centralized’, ‘construct’ 등 블록체인의 기술적 특성을 나타내는 단어가 도출되었다. Topic4는 ‘vote’, ‘contract’, ‘vehicle’ 등 다른 토픽과 다소 다른 단어들이 등장하였으며, 블록체인을 다른 산업, 서비스와 융합하려는 학계 연구들이 같은 토픽으로 형성된 것으로 유추할 수 있었다. Topic5는 ‘privacy’, ‘market’, ‘trust’, ‘cryptocurrency’ 등 가상화폐와 연관된 토픽이 등장한 것을 확인할 수 있었다. 하지만 중국과 미국의 가상화폐 토픽에서 나타나지 않았던 ‘problem’이 나타난 것으로 보아 국내의 경우, 가상화폐의 부정적인 영향에 대하여 미국과 중국에 비해 다소 비중 있게 고려하고 있는 것으로 확인할 수 있었다. Topic6은 ‘Satoshi’가 나타난 것을 확인 할 수 있었으며, 초록에 블록체인을 소개하는 토픽들이 일부 할당되어 있음을 알 수 있었다. 또한 Topic5와 동일하게 ‘problem’이 등장하였으며 ‘side effect’, ‘weak point’가 추가로 도출된 것을 확인하였다.

Table 4.

Topic Modeling(South Korea)