같은 문서를 넣어도 토픽모델 종류에 따라 숨은 주제가 달라질까요?

무슨 연구인가

토픽모델링은 수많은 문서에서 주제를 자동으로 뽑아주는 도구예요. 그런데 그 도구도 종류가 여럿이죠. 이 연구는 이탈리아 정부의 예산법 문서를 놓고 네 가지 방법을 나란히 돌려, 어느 게 더 나은지 성적표를 매겨봤어요.

🔬 어떻게 분석했나

① 2020~2023년 이탈리아 예산법 문서를 텍스트 말뭉치로 준비했어요.
② 같은 문서에 네 가지 토픽모델을 각각 돌렸어요. LSA는 단어들의 동시출현 패턴을 압축해 주제를 잡는 고전 기법, LDA는 문서마다 여러 주제가 확률적으로 섞여 있다고 보고 주제를 추정하는 기법이에요 — 텍스트마이닝 입문에서 가장 먼저 배우는 두 가지죠.
③ 여기에 개량형 둘을 더 넣었어요. fLSA(퍼지 LSA)는 '이 단어는 이 주제에만 속한다'가 아니라 경계를 흐릿하게(fuzzy) 둬서 더 유연하게 묶고, CTM(상관토픽모형)은 '주제 A가 나오면 주제 B도 함께 나오더라' 같은 주제 사이의 상관까지 반영해요.
④ 네 결과를 안정성(다시 돌려도 비슷한가)·복잡성 보존·해석 용이성 기준으로 비교했어요.

📊 무엇을 찾았나

이 데이터에선 fLSA와 CTM이 고전적인 LSA·LDA보다 더 안정적이고 풍부한 주제를 내놨어요. fLSA는 군더더기 없이 간결했고, CTM은 주제끼리의 미묘한 연결을 잘 잡아냈죠.

💡 내 연구에 가져갈 것

LDA가 결과가 들쭉날쭉하다면, 주제 간 상관을 허용하는 CTM이나 경계를 유연하게 두는 fLSA를 대안으로 시도해 보세요.

📄 논문 정보

Topic modeling of budget laws as policy roadmaps: analyzing economic priorities in Italy
Antonio Calcagnì, Andrea Sciandra, Arjuna Tuzzi
Quality & Quantity · 2026-07-14 · 🔓 오픈액세스
원문 보기 ↗