bong9513/nationalpension_textmining_crawled_rawdata

국민연금 여론 분석을 위한 원본 텍스트 데이터셋

데이터셋 설명

본 데이터셋은 국민연금에 대한 대중의 인식을 파악하기 위해 네이버(Naver)의 뉴스, 블로그, 카페에서 수집한 원본 텍스트 데이터의 모음입니다. 2022년 5월부터 2024년 4월까지 약 2년간의 데이터를 포함하고 있으며, 텍스트 마이닝, 감성 분석, 토픽 모델링 등 다양한 자연어 처리(NLP) 연구의 기초 자료로 활용될 수 있습니다.

이 데이터셋은 GitHub 저장소에서 진행된 '국민연금 텍스트 마이닝 및 감성 분석 프로젝트'의 일부입니다. 전체 프로젝트 내용과 분석 코드는 해당 GitHub 저장소를 참고해 주시기 바랍니다.

데이터 구성

웹 크롤링을 통해 수집한 원본 데이터로, pickle 형식으로 저장되어 있습니다.

• —`pension_news.pkl`: 네이버 뉴스 기사
• —title: 기사 제목
• —doc: 기사 본문
• —published_date: 발행일
• —ch: 채널 (e.g., 'naver')

• —`pension_blog.pkl`: 네이버 블로그 게시물
• —title: 블로그 제목
• —doc: 블로그 본문
• —like_cnt: 좋아요 수
• —comment_cnt: 댓글 수
• —comment_list: 댓글 내용
• —publish_date: 발행일

• —`pension_cafe.pkl`: 네이버 카페 게시물
• —title: 게시글 제목
• —doc: 게시글 본문
• —like: 좋아요 수
• —comment_cnt: 댓글 수
• —comment_list: 댓글 내용

데이터 수집 방법

• —수집 기간: 2022년 5월 1일 ~ 2024년 4월 30일
• —수집 소스: 네이버 뉴스, 블로그, 카페
• —키워드: "국민연금"
• —도구: Selenium, BeautifulSoup, newspaper3k를 사용하여 각 플랫폼의 데이터를 수집하였습니다.

데이터셋 사용 추천

본 데이터셋은 다음과 같은 연구 및 분석에 활용될 수 있습니다.

• —국민연금 관련 주요 이슈 및 키워드 트렌드 분석
• —시계열에 따른 여론의 감성 변화 추이 분석
• —토픽 모델링을 통한 주요 담론 및 주제 식별
• —한국어 텍스트 데이터 전처리 및 자연어 처리 모델 학습