본 자료는 R에서 제공하는 Topic modeling 기법인 STM(Structural Topic Model)을 이용하여, 미국의 씽크탱크들의 글들을 살펴본 것이다. Topic modeling을 통해 각 씽크탱크들이 작성한 글의 주제와 핵심 어휘, 주제들 사이의 관계, 그리고 시간의 흐름에 따라 글의 주제들이 어떻게 변화하는지를 살펴보기 위해 작성되었다.
STM은 문서 단위의 covariate information를 이용한 topic modeling이다. LDA(Latent Dirichlet Allocation)와 유사하게, STM 역시 주어진 문서에 대해서 각 문서에 어떤 주제들이 존재하는지 확률적으로 제시하여 토픽별 단어의 분포와 문서별 토픽의 분포를 보여준다. STM은 기존의 LDA에 문서의 추가적인 meta 정보들 사이의 관계를 예측하게 만든다. 이 과정에서 STM은 topical prevalence와 topical content의 covariate를 사용한다. topical prevalence covariant는 한 문서가 한 토픽과 어떤 관련성을 가지고 있는가를 의미한다. topical content의 covariant는 메타데이터가 특정 토픽내의 단어 사용비율에 영향을 미친다. STM은 이 두가지 메카데이터의 covariate를 통해서 토픽을 예측한다.(Roberts, M. E., Stewart, B. M., & Tingley, D. 2014)
Data
사용된 데이터들은 미국의 주요 씽크탱크들의 blog, article, news를 crawling 한 것이다. crawling 기간은 1차 북미정상회담과 2차 북미정상회담 사이인 2018년 7월 1일부터 2019년 3월 10일까지이다.
선택된 씽크탱크는 38 North, Stimson Center, Center for Strategic and International Studies, Cato Institute, Brookings Institution, RAND Corporation, Human Rights Watch, Freedom House, Bipartisan Policy Center, Center for a New American Security, Heritage Foundation, Woodrow Wilson International Center for Scholar로 총 12개이다.
